Vision RL Lead (VLM)

Описание

Локация: Москва (офис или гибрид)Зарплата: от 500 000 ₽/мес до налоговКомпанияSber — крупнейшая технологическая экосистема с мощным DS&AI сообществом, объединяющим более 600 специалистов.Что делатьФормировать техническую стратегию, определять приоритетные домены и строить роадмап RL-направления.Принимать ключевые архитектурные решения по выбору алгоритмов и дизайну reward-ов.Разрабатывать стратегию данных для RL: определять требования к качеству и выстраивать пайплайны сбора.Проектировать и внедрять новые метрики оценки reasoning-качества в eval-фреймворк.Управлять командой: осуществлять найм, онбординг, менторинг и проведение ревью.Координировать работу со смежными командами (Pretrain, SFT, Infra) и переводить научные идеи из статей в эксперименты.ТребованияГлубокие знания RL для LLM/VLM, включая RLHF, GRPO и PPO.Понимание полного цикла обучения моделей: от pretrain и SFT до RL.Опыт технического руководства командой от 3 человек (декомпозиция задач, приоритизация).Практический опыт с распределенным обучением (DeepSpeed, FSDP) и inference-фреймворками.Системное мышление и способность выстраивать процессы в условиях неопределенности.Хорошо, если естьОпыт формирования технической команды с нуля.Публикации или open-source вклад в области RL/LLM/VLM.Опыт вывода RL-обученных моделей в промышленную эксплуатацию (production).Культура и преимуществаДоступ к крупнейшему DS&AI комьюнити, дайджестам последних разработок и отчетам с мировых конференций.Возможность быть соавтором научных статей и НИРов для международных конференций.Гибкий выбор формата работы: офис или гибрид.Расширенный пакет: ДМС для семьи, льготная ипотека до 7% и корпоративная пенсионная программа.Развитие через 400+ образовательных программ СберУниверситета.Ежегодный пересмотр зарплаты, годовая премия и подписка СберПрайм+.Процесс наймаПервичный этап: короткое интервью (около 10 минут) с AI-рекрутером (ГигаРекрутером) в Telegram для уточнения деталей.