Обязанности:
Разработка и улучшение LLM-агентовВы будете проектировать пайплайны, реализовывать инструменты и управлять поведением моделей. Предстоит выстраивать архитектуру агентов от промпт-инженерии до оркестрации вызовов и маршрутизации между компонентами. Развитие агента «Исследовать» Алисы
Это система, способная самостоятельно находить, анализировать и структурировать знания. Вам предстоит улучшать качество поиска, логику рассуждений и способность агента синтезировать информацию из множества источников. Работа над качеством моделей и систем оценки
Нужно будет анализировать ответы моделей, выстраивать метрики и участвовать в разработке и интеграции систем автоматической оценки, например LLM-as-a-Judge, чтобы качество генерации можно было измерять и улучшать системно. Исследование и внедрение современных подходов к агентным системам
Мы следим за передним краем — инструментальным использованием моделей, агентными архитектурами, LLM-оркестрацией. Вам предстоит исследовать новые подходы, проверять гипотезы на экспериментах и доводить лучшие из них до продакшена. Разработка вспомогательных ML-модулей
Вокруг LLM живёт целая экосистема: классификаторы, ранжирование, вспомогательные модели и сервисы. Вы будете проектировать и развивать эти компоненты, обеспечивая надёжную работу всей системы. Больше об ML в Яндексе — в канале Yandex for ML
Ключевые навыки:
- Уверенно владеете Python и имеете опыт разработки ML-систем
- Работали с ML-фреймворками (PyTorch, TensorFlow)
- Понимаете принципы работы трансформеров, LLM и attention-механизмов
- Интересуетесь архитектурами LLM-агентов, оркестрацией моделей и качеством генеративных систем
- На базовом уровне знаете NLP или работали с текстовыми моделями
- Способны разбираться в сложных системах и самостоятельно исследовать новые подходы
Дополнительные требования:
- Работали с LLM-фреймворками (LangChain, LlamaIndex и другими)
- Оценивали качество генеративных моделей
- Разрабатывали сервисы вокруг ML-моделей
