Vision RL Lead (VLM, GigaChat Vision)

Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM моделей. Ищем lead-инженера, который возглавит RL-направление: выстроит стратегию, соберёт и вырастит команду, и будет отвечать за результат от идеи до продакшна.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Обязанности

• Формировать техническую стратегию RL-направления: определять приоритетные домены, выбирать подходы, строить роадмап несколько кварталов вперед;
• Принимать ключевые архитектурные решения: выбор алгоритмов, дизайн reward-ов, стратегия масштабирования — и нести за них ответственность;
• Определять стратегию данных для RL: какие датасеты нужны, какие требования к качеству, как выстроить пайплайн сбора и фильтрации;
• Определять и внедрять метрики оценки reasoning-качества в существующий eval-фреймворк: выбирать, что измерять, проектировать новые метрики под новые домены и возможности модели;
• Строить и развивать команду: найм, онбординг, менторинг, ревью. Создавать среду, в которой инженеры развиваются и приносят максимальную пользу;
• Координироваться со смежными направлениями (Pretrain, SFT, Infra): синхронизировать планы;
• Отслеживать состояние области и переводить свежие идеи из статей в конкретные эксперименты и решения;
• Готовность при необходимости лично погружаться в сложные технические задачи: дебажить эксперименты, разбирать аномалии в обучении, доводить до результата руками.

Требования

• Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO);
• Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на конечный результат;
• Опыт технического лидерства команды от 3-ех человек: создание роадмапов, декомпозиция задач, приоритизация, менторинг;
• Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками.
• Умение выстраивать процессы в условиях неопределённости;
• Опыт взаимодействия со смежными командами и стейкхолдерами;
• Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик.
• Будет плюсом:
• Опыт найма и формирования технической команды с нуля;
• Публикации или open-source вклад в области RL/LLM/VLM;
• Опыт вывода RL-обученных моделей в продакшн.

Условия

• крупнейшее DS&AI community — более 600 DS-специалистов банка
• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
• возможность быть соавтором НИРов и статей для международных конференций
• возможность выбрать удобный формат работы: гибрид или офис
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• ипотека выгоднее до 7% для каждого сотрудника
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.