О роли
Эта роль находится на стыке прикладных исследований и инженерии, включая создание ключевых возможностей ИИ и обеспечение их надежной реализации. Вы будете напрямую влиять на формирование моделей, используемых в наших продуктах, а также на пользовательский опыт и бизнес-ценность, которые они создают.
Чем вы будете заниматься
- Дообучение, дистилляция и обучение с подкреплением
- Создание учебных сред, которые повышают качество синтетических данных и обеспечивают высококачественные сигналы вознаграждения как для обучения с внешней, так и с внутренней политикой.
- Проектирование поведения моделей, оптимизированных для интерпретируемости и превосходного пользовательского опыта.
- Обучение агентных моделей, которые автономно взаимодействуют со сложными структурированными и неструктурированными средами, пишут и прототипируют код, а также работают с мультимодальными входными данными.
- Использование наилучших инструментов для задачи — SFT на синтетических данных, дистилляция на основе внутренней политики, RL или любая их комбинация для снижения затрат на специализированный интеллект.
- Владение конвейерами бенчмаркинга — сбор высококачественных наборов данных и измерение влияния различных параметров или методологий обучения.
- Инженерные принципы
- Инженеры по ИИ — это инженеры: создание кода, готового к промышленной эксплуатации, и владение сквозным процессом работы с данными, обучением, бенчмаркингом и внедрением.
- Архитектура масштабируемых стратегий вывода, максимизирующих эффективность вычислений.
- Поддержка решений для обеспечения стабильной и надежной работы для клиентов.
- Тесное сотрудничество с инженерной командой для проектирования важных точек взаимодействия ИИ и сервисов продукта, таких как интерфейсы, отслеживание вывода, создание контрольных точек, сохранение данных и кэширование.
- Вклад в инженерную культуру: наставничество для коллег, развитие паттернов, повышение планки качества кода, стратегии тестирования и документации.
- Инструменты и ресурсы
- Работа с передовыми моделями с открытыми весами и внутренними фреймворками для обучения.
- Сохранение на переднем крае открытых исследований и инструментов — быстрое прототипирование и валидация новых подходов.
- Вклад во внутренние инструменты для вывода, обучения, оркестрации и генерации данных.
