python developer для агентских систем

Centicore Group; United States; On-site; USD 150,000 - 190,000; Full time

Job summary

Centicore ищет инженера по исследованиям с фокусом на обучении больших языковых моделей. Вам предстоит проводить SFT, дообучение и адаптацию моделей, экспериментировать с RL и GRPO, подготавливать данные и оценивать результаты.

Также будет работать над адаптацией моделей под русский язык и задачам text-to-SQL и reasoning-SQL. Требуется знание архитектуры трансформеров, практический опыт Python/PyTorch, умение работать с репозиториями и воспроизводимыми экспериментами.

Qualifications

• Понимать архитектуру трансформеров и механику обучения.
• Иметь практический опыт SFT и RL для LLM, понимать сигналы вознаграждения и ограничения методов.
• Уметь обосновывать настройки LoRA и сравнивать подходы (DPO, PPO, GRPO).
• Уметь читать и разбирать научные статьи, воспроизводить подходы.

Responsibilities

• Проводить SFT, дообучение и адаптацию моделей с помощью адаптеров.
• Проводить эксперименты с RL, включая GRPO, и оценивать результаты.
• Подготавливать данные, делать абляции и разбирать ошибки.
• Адаптировать модели к русскому языку и RL-задачам в text-to-SQL и reasoning-SQL.
• Выравнивать модели для вызова инструментов на MCP-серверах.

Skills

Transformers

RL for LLM

Experiment design

Reading papers

Tools

Python

PyTorch

LoRA

Job description

Описание

Centicore разрабатывает проекты заказчиков под ключ. Команда исследует подходы к агентским системам, проверяет гипотезы и создаёт работающие решения.

Задачи

Проводить SFT, полное дообучение моделей, адаптацию с помощью адаптеров и эксперименты с RL, в том числе GRPO Подготавливать и генерировать данные, проводить оценку моделей и абляции, разбирать ошибки Исследовать статьи и реализации, проверять гипотезы и создавать воспроизводимые конвейеры обучения Адаптировать модели к русскому языку Проводить исследования и дообучать модели для RL в задачах text-to-SQL и reasoning-SQL Выравнивать модели для вызова инструментов при большом количестве MCP-серверов Проводить исследования и дообучать модели под конкретные задачи

Требования

Понимать архитектуру трансформеров, механики обучения и генерации Иметь практический опыт SFT и RL для LLM, понимать данные, сигналы вознаграждения, ограничения методов и оценку результатов Понимать различия DPO, PPO и GRPO, уметь обосновывать настройки LoRA Владеть Python и PyTorch на инженерном уровне, уметь читать и изменять чужой код и собирать воспроизводимые эксперименты Уметь разбираться в научных статьях, воспроизводить подходы и проверять их применимость

Условия

Оформление по ТК РФ