RL+NLP Разработчик

16 Ноября

от 160 000 до 200 000 руб.

Партнерские Вакансии

Компания "МФТИ ГУ"

Обязанности:

• Разработка и исследование методов асинхронного обучения с подкреплением для улучшения качества reasoning-моделей
• Эволюция подходов на основе SAC и PPO/GRPO для устойчивого обучения в условиях задержек между стратегиями, устаревших траекторий и разреженных вознаграждений
• Создание прототипов и проведение экспериментов по curriculum learning для ускорения освоения сложных математических и программных задач
• Анализ влияния low-bit представлений (FP8, INT8) на устойчивость и качество обучения
• Разработка исследовательских пайплайнов и участие в создании фреймворка для асинхронного обучения больших моделей
• Поддержка рабочего кода, регулярная валидация результатов, проведение сравнительных экспериментов.

Требования:

• Обязательное наличие оконченного высшего технического образования
• Уверенные знания статистики, дискретных структур, теории алгоритмов, аналитической геометрии
• Уверенное владение языком Python, а также опыт работы с фреймворком PyTorch
• Навыки разработки под Linux (Ubuntu) и опыт использование Docker в реальных проектах
• Опыт применения RL для обучения языковых или reasoning-моделей
• Понимание архитектуры и механизмов обучения больших языковых моделей
• Свободное владение техническим английским языком.

Условия:

• работа в ведущем техническом вузе страны, в городе Долгопрудный (рядом со станцией Новодачная МЦД-1 или 15 минут от метро Алтуфьево, Ховрино, Физтех);
• оформление в соответствии с ТК РФ;
• возможность бесплатного посещения бассейна и тренажерного зала;
• в соответствии с ТК РФ работники сферы образования обязаны предоставить справку о наличии (отсутствии) судимости и (или) факта уголовного преследования, срок изготовления которой может быть до 30 дней, просим заранее позаботиться о её получении.