з/п не указана
Москва
От 1 года до 3 лет
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:
- выпускник ШАД/ ВШЭ Факультета компьютерных наук/ МФТИ Факультета инноваций и высоких технологий
- имеешь коммерческий релевантный опыт в роли NLP Engineer от двух лет.
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.
