Вступить в клуб →
← К вакансиям
Сбер. IT80/100

Руководитель направления Online RL (STEM) / Post-Training LLM в команду GigaChat

Опубликовано: 10 ноября 2026
leadonsiteML / Data SciencefulltimeМоскваrupythonpytorchllmrlhfonline rldpopost-trainingdistributed trainingfsdpdeepspeedreward modelinggpu
Контакты и отклик открываются после вступления в клубВступить →

Вакансия опубликована на hh.ru — открыть оригинал ↗

Похожие вакансии

Все вакансии →
Сбер. ITМосква, Россияfulltime82

ML-инженер (Online RL) / Post-Training LLM

Команда GigaChat ищет ML-инженера в направление online RL для разработки методов post-training и online RL больших языковых моделей, проведения экспериментов и построения пайплайнов обучения. Роль предполагает развитие инфраструктуры обучения на GPU, работу с reward-сигналами и данными, тесное взаимодействие с исследователями и инфраструктурными командами.

pythonpytorchrlhfonline rldpodistributed training+6
6 ноября 2026
Сбер. ITМосква, Россияonsitefulltimesenior80

Research Engineer (GigaChat, Agentic Post-Training и Online RL)

Исследовательская роль в команде GigaChat: анализ поведения агентной LLM (потеря цели, планирование, выбор инструментов) и улучшение post-training пайплайнов с online RL, reward-моделями и верификаторами. Требуется сильный Python/PyTorch и практический опыт LLM post-training (SFT, preference optimization, RLHF), а также построение evaluation для многошаговых агентных задач.

pythonpytorchllmrlhfonline rlsft+6
19 октября 2026
Сбер. ITМосква, Россияonsitefulltimesenior88

Senior Researcher

Центр Исследований Сбера создаёт SoTA-технологии ИИ для анализа финансовых данных: разработка и обучение мультимодальной reasoning-модели, объединяющей текстовые данные и цифровые следы клиентов. Позиция предполагает генерацию и очистку синтетических данных с помощью LLM, обучение большой мультимодальной LLM и применение RL-подходов для улучшения рассуждений. Работа в офисе в Москве на кластере 500+ GPU A100.

llmtransformerspytorchpythonpeftrl+6
28 октября 2026
Bright Vision TechnologiesUnited Statesremotefulltimesenior85

Applied RL Engineer

Разработка, обучение и вывод в продакшн систем на основе обучения с подкреплением для задач принятия решений, где supervised learning недостаточно. Требуется глубокое знание современных RL-алгоритмов, моделирования вознаграждений, симуляционных сред и масштабного обучения политик на GPU-кластерах. Полностью удалённая позиция в США, опыт от 6 лет, без спонсорства новых H-1B.

pythonreinforcement learningdeep learningreward modelingrlhfgpu+6
29 октября 20268 333–12 500 USD