ML Research Engineer – Image & Video Generation

**О команде**

Мы занимаемся независимой оценкой качества и модельных рисков Kandinsky – семейства генеративных моделей для создания и редактирования изображений, видео и аудиовизуального контента, а также моделей мира (world models).

Наша задача – находить слабые места моделей, проверять выбранные подходы к оценке и готовить рекомендации, которые помогают принимать решения о релизе и возможных сценариях применения моделей.

Мы работаем с новыми версиями Kandinsky до их выхода к пользователям. Разрабатываем собственные методологии, бенчмарки и инструменты полного цикла, объединяя автоматические метрики, human evaluation и подходы LLM/VLM-as-a-judge.

**О роли**

Мы ищем специалиста на стыке исследований и инженерной разработки.

В этой работе не всегда существует готовая методология или универсальная метрика. Нужно определить, из чего складывается качество модели, спроектировать проверяемый эксперимент и реализовать воспроизводимый evaluation-пайплайн.

Роль охватывает весь цикл оценки: от формулирования критериев и подготовки тестовых данных до анализа результатов и рекомендаций для команды разработки. Важно не только измерить качество модели, но и понять, насколько она подходит для реальных пользовательских и бизнес-сценариев, какие ограничения критичны и что осталось непроверенным.

Обязанности

**Проектировать оценку с нуля**

• декомпозировать качество на измеримые критерии и собирать под них тестовые сценарии, промпты и выборки
• проектировать оценку там, где готовой методологии ещё нет.

**Разрабатывать evaluation-пайплайны**

• реализовывать на Python инструменты для запуска моделей, сбора результатов и расчёта метрик
• обеспечивать воспроизводимость экспериментов и развивать внутреннюю библиотеку оценки
• готовить инструкции для асессоров и контролировать качество разметки.

**Строить VLM-as-a-judge**

• разрабатывать судей под конкретные критерии, учитывать их bias и ограничения
• понимать, где автоматическая оценка работает, а где без человека нельзя.

**Разбираться в ошибках моделей**

• понимать ограничения diffusion-моделей и причины типовых артефактов
• отличать реальную проблему модели от ошибки методологии или замера.

**Формировать заключение по модельному риску**

• анализировать качество по отдельным сценариям, типам промптов и срезам, а не только по среднему значению
• формулировать условия релиза, ограничения и явно фиксировать то, что осталось непроверенным.

Требования

**Хорошее понимание устройства генеративных моделей**:

• понимание принципов работы Transformers, diffusion- и мультимодальных моделей и основных задач: T2I, Image Editing, T2V, Audio, Video-Audio.
• понимание типовых ограничений, ошибок и артефактов моделей
• способность разбираться в причинах ошибок и способах их проверки.

**Способность проектировать оценку качества моделей**:

• декомпозировать качество на измеримые критерии и проектировать тестовые сценарии, промпты и выборки.
• выбирать корректный подход к оценке: human evaluation, автоматические метрики, LLM/VLM-as-a-judge, а также подходящие модели для сравнения;
• проверять валидность метрик и уметь проектировать оценку для новых задач и модальностей, где ещё нет готовой методологии.

**Навыки работы с LLM и VLM:**

• prompt engineering, structured output, tool calling и работа с контекстом и ограничениями моделей
• построение и валидация LLM/VLM-as-a-judge, включая проверку автоматической оценки относительно человеческой
• понимание нестабильности, bias и галлюцинаций моделей
• умение подбирать модель под конкретную исследовательскую задачу.

**Понимание AI-агентов и агентных систем**:

• понимать, чем агент отличается от обычного вызова LLM;
• знать основные компоненты агентной системы: роли, инструменты, контекст, память и оркестрация
• понимать, когда агентный подход действительно полезен, а когда создаёт лишнюю сложность
• уметь оценивать надёжность и ограничения агентных решений.

**Умение проводить технический и научный ресерч**:

• находить и критически разбирать актуальные статьи, бенчмарки, модели и реализации
• сравнивать решения с актуальными подходами и оценивать достоверность результатов
• переводить ресерч в конкретные идеи для тестирования и развития внутренних подходов.

**Будет плюсом**

**Умение работать с агентами и субагентами**:

• декомпозировать задачи между агентами, задавая им чёткие роли и зоны ответственности
• управлять контекстом и изоляцией субагентов, организовывать проверку результатов
• собирать результаты нескольких агентов в единое решение и критически оценивать их выводы *

**Навыки вайбкодинга и AI-assisted coding**:

• уверенно работать с Codex, Claude Code и другими coding-агентами
• проверять и дорабатывать сгенерированный код, использовать агентов для тестирования
• понимать архитектуру создаваемого решения

**Продуктовое мышление**:

• связывать тестирование с реальными пользовательскими сценариями и понимать, какие ошибки критичны для продукта
• приоритизировать направления проверки и переводить результаты оценки в рекомендации для разработки
• понимать влияние результатов на релиз и дальнейшее развитие модели.

Условия

• комфортный современный офис рядом с м. Кутузовская
• возможность выбрать удобный график - офис / гибрид
• 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
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера