NLP engineer (GigaChat Pretrain Data)

Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Данных много. Очень много (40+ Пб сырого хаоса). Если хочется не просто тренировать модели, а работать с реально большими данными, то вот твой шанс.

Обязанности:

• чистить данные по узким доменам (аниме, игры, сериалы, книги, фильмы) → LLM-парсинг + Code Execution Feedback;
• генерить синтетические данные;
• разбираться с токенизацией;
• кластеризовать данные;
• писать дедупликацию на Rust;
• оптимизировать MapReduce → Spark, тысячи ядер;
• экспериментировать с SFT и RL → DPO, DRPO, увеличиваем качество синтетики.

Требования:

• в том числе выпускник ШАД/ ВШЭ Факультета компьютерных наук/ МФТИ Факультета инноваций и высоких технологий
• имеешь коммерческий релевантный опыт в роли NLP Engineer от двух лет
• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом
• опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
• инструментальное владение AI для анализа, генерации и автоматизации.

Условия:

• комфортный современный офис рядом с м. Кутузовская
• гибридный формат работы (2 дня в офисе, 3 дня на удалёнке)
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• система обучения для профессионального и карьерного развития
• расширенный полис ДМС с первого дня работы и страхование для семьи
• льготная программа ипотеки для сотрудников
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.