TechLead ML агентного поиска

Строим общий поисковый слой, который будет использоваться в самых разных продуктах на основе языковых моделей.

Данные бывают очень разными: где-то это готовые структурированные записи, где-то — документы и обычный текст, а где-то информацию ещё нужно извлечь, очистить и подготовить к индексации.

Наша задача — сделать так, чтобы AI-системы могли быстро находить действительно нужную информацию. По качеству хотим быть на уровне лучших поисковых решений, а по скорости разработки — заметно быстрее больших платформенных команд.

Обязанности

• Отвечает за архитектуру и качество агентного поиска: от решения модели вызвать поиск до получения достаточного набора фактов для формирования ответа.
• Руководит разработкой многошаговых поисковых сценариев, вызовом инструментов, переформулировкой запросов, проверкой результатов и восстановлением после ошибок.
• Формирует систему метрик и экспериментов, позволяющую измерять успешность вызова инструментов, полноту найденных фактов, стоимость, задержку и качество всего агентного цикла.

Требования

• Глубокое понимание устройства современных языковых моделей, особенности обучения с подкреплением, обучения на предпочтениях и настройки моделей для работы с инструментами.
• Необходим практический опыт разработки агентных систем, включая планирование, управление состоянием, многошаговые рассуждения и ограничение числа действий модели.
• Требуется сильная подготовка в машинном обучении и умение самостоятельно проводить эксперименты: формировать выборки, обучать модели, анализировать ошибки и проверять статистическую значимость изменений.
• Знание и опыт работы с поисковыми технологиями: извлечение кандидатов, разреженный и векторный поиск, переранжирование, многошаговый поиск и методы оценки релевантности.
• Требуется опыт построения распределённых высоконагруженных систем и понимание ограничений по задержке, стоимости вычислений и отказоустойчивости.
• Опыт перевода исследовательских идей в промышленную архитектуру
• Декомпозиция задач команды, эффективное планирование работ и реакция на обстоятельства

Условия

• комфортный современный офис г. Москва, рядом с метро Кутузовская
• гибридный формат работы
• ежегодный пересмотр зарплаты и 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
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.