Прикладной LLM-инженер · junior/middle

О позиции

[ { "type": "heading", "level": 2, "children": [ { "text": "О роли", "type": "text" } ] }, { "type": "paragraph", "children": [ { "text": "Институт прикладного ИИ и роботизации (ИПИИР) запускает исследовательскую программу по прикладному слою ИИ — изучает, как готовые ИИ-инструменты встраиваются в работу людей и организаций. Прикладной LLM-инженер — основная инженерная роль в этой программе.", "type": "text" } ] }, { "type": "paragraph", "children": [ { "text": "Эта роль — не про обучение языковых моделей с нуля и не про fundamental research. В фокусе — практическая интеграция: брать существующие LLM (закрытые и open-source), собирать на их базе работающие пайплайны под конкретные исследовательские задачи Института, измерять их реальную пользу и формализовать результаты в виде кейс-стади и открытых публикаций.", "type": "text" } ] }, { "type": "paragraph", "children": [ { "text": "Роль подходит инженерам с опытом построения LLM-приложений (RAG, агенты, evaluation), которые хотят выйти из режима «сделать MVP к понедельнику» и пожить в режиме «понять, что действительно работает в индустрии, и описать это так, чтобы научное и инженерное сообщество могло переиспользовать».", "type": "text" } ] }, { "type": "heading", "level": 2, "children": [ { "text": "Что мы НЕ делаем", "type": "text" } ] }, { "type": "list", "format": "unordered", "children": [ { "type": "list-item", "children": [ { "text": "Не обучаем foundation-модели с нуля. Если интерес — обучить свою 70B-модель, это другой Институт.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Не оказываем коммерческий консалтинг. Внедрения в командах партнёров — это полевые исследования, а не billable hours.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Не делаем продуктовые чатботы для широкого рынка. Если работаем с продуктом — это материал для кейс-стади, не сам продукт.", "type": "text" } ] } ] }, { "type": "heading", "level": 2, "children": [ { "text": "Что предлагаем", "type": "text" } ] }, { "type": "list", "format": "unordered", "children": [ { "type": "list-item", "children": [ { "text": "Удалённую работу, гибкий график (с пересечением по часовому поясу для созвонов).", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Реальные исследовательские задачи, у которых на выходе — открытая публикация, а не закрытый внутренний отчёт.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Прямое влияние на формирующуюся научную программу: на старте у Института 4 направления и небольшая команда, ваше мнение слышно.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Возможность выступать с докладами и публиковать кейс-стади под аффилиацией Института.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Оформление: трудовой договор по ТК РФ через АНО «ИПИИР» (Москва). Удалённая работа возможна из любого региона РФ.", "type": "text" } ] } ] } ]

Обязанности

• { "type": "list", "format": "unordered", "children": [ { "type": "list-item", "children": [ { "text": "Проектировать и собирать прикладные LLM-пайплайны под исследовательские кейс-стади Института: RAG над специализированными корпусами, многошаговые агенты, инструментальные вызовы, ансамбли с retrieval и классическими ML-компонентами.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Делать честный evaluation: офлайн-метрики, регрессионные наборы, human evaluation, A/B на симулированных пользователях — то, что покажет реальную полезность, а не «вау, оно ответило» на трёх примерах.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Прототипировать fine-tuning / LoRA / RLAIF под конкретные сценарии — там, где это даёт измеримый выигрыш по сравнению с просто запросом к большой модели.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Совместно с исследователями описывать архитектурные паттерны и анти-паттерны интеграции: что приживается в реальных процессах, что нет, и почему.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Публиковать код, данные оценки и материалы в открытом доступе — это не побочная активность, а часть работы.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Участвовать в полевых исследованиях (внедрение LLM-инструментов в командах партнёров) на стороне инженерной поддержки — собирать телеметрию, проводить интервью, помогать редактировать кейс-стади.", "type": "text" } ] } ] }

Требования

• { "type": "heading", "level": 2, "children": [ { "text": "Обязательно", "type": "text" } ] }
• { "type": "list", "format": "unordered", "children": [ { "type": "list-item", "children": [ { "text": "1+ год коммерческого или исследовательского опыта с LLM (RAG, агенты, fine-tuning, evaluation) — или сильное портфолио open-source / pet-проектов.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Уверенный Python; знакомство с экосистемой ML (PyTorch или TensorFlow, transformers, datasets).", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Практический опыт работы с API современных LLM (OpenAI, Anthropic) и/или с локальным деплоем открытых моделей (Llama, Qwen, GigaChat, YandexGPT — любой из стэков).", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Способность писать осмысленные технические тексты: разбор экспериментов, описание архитектуры, кейс-стади. Это часть работы, не побочная нагрузка.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Английский на уровне свободного чтения научной и инженерной литературы.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Привычка работать удалённо ответственно: фиксировать прогресс письменно, не пропадать на дни.", "type": "text" } ] } ] }
• { "type": "heading", "level": 2, "children": [ { "text": "Желательно", "type": "text" } ] }
• { "type": "list", "format": "unordered", "children": [ { "type": "list-item", "children": [ { "text": "Опыт работы с векторными базами (pgvector, Qdrant, Weaviate, FAISS) и retrieval-пайплайнами.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Опыт с агентными фреймворками (LangChain, LlamaIndex, custom), tool-use, function calling.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Опыт MLOps на проде: эксперимент-трекинг, evaluation-пайплайны, мониторинг качества модели в реальном использовании.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Знакомство с задачами AI evaluation и AI safety: оценка галлюцинаций, prompt injection, robustness.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Опыт публичных выступлений, технических текстов или научных публикаций.", "type": "text" } ] }, { "type": "list-item", "children": [ { "text": "Образование в области CS / ML / прикладной математики — желательно, но не обязательно при сильной практической экспертизе.", "type": "text" } ] } ] }