Tech Lead — LLM Train
Мы активно развиваем GenAI-направление в hh.ru. Уже сейчас в разных командах используются LLM-модели для генерации текстов, ведения диалогов, классификации и анализа вакансий и резюме. Направление является для нас стратегическим, поэтому сейчас мы ищем технического лидера, который поможет выстроить в компании системный подход к обучению и адаптации LLM-моделей под задачи HR домена. Если вам интересно закладывать основу для устойчивого использования GenAI в продуктах - через LLM-модели, датасеты, метрики, процессы, которыми будут пользоваться десятки команд, и вы смотрите на ML не просто как на технологии, а как на инструмент влияния на продукт — мы будем рады видеть вас в нашей команде.
Обязанности:
– Файнтюнинг open-source LLM-моделей для решения HR-задач (генерация описания вакансий, общение с клиентами, анализ резюме, модерация и т.п.);
– Исследование и внедрение современных архитектур, а также подходов к обучению моделей;
– Создание и поддержка специализированных датасетов для адаптации моделей под HR домен;
– Оптимизация моделей для production-среды (квантизация, дистилляция);
– Тесное взаимодействие с продуктовыми командами, командами оценки качества и MLOps для интеграции моделей в продукты и сервисы hh;
– Разработка стандартов и процессов обучения моделей и помощь другим командам в их внедрении.
Требования:
– Глубокое понимание современных архитектур и методов обучения языковых моделей;
– Практический опыт файнтюнинга различных LLM под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO);
– Уверенное владение Python и экосистемой ML и LLM-инструментов (pytorch, trl, accelerate, peft, transformers, vllm, etc);
– Живой интерес к сфере GenAI, опыт работы с популярными вендорными и open-source моделями (Qwen, Llama, DeepSeek, GPT-OSS);
– Практический опыт создания решений на базе LLM (prompt engineering, RAG, function calling, structured outputs, reasoning, agents);
– Понимание методов оценки качества LLM (бенчмарки, human eval, LLM-as-as-Judge) и метрик для различных NLP-задач;
– Умение балансировать исследовательские задачи и бизнес-требования.
Будет плюсом:
– Опыт распределенного обучения LLM на GPU-кластерах;
– Опыт внедрения LLM решений в продакшн.
Условия:
– Возможность выбора места работы: удаленно или из офиса;
– Гибкий график рабочего дня;
– Оформление в соответствии с ТК РФ, «Белая» заработная плата, выплачиваемая точно в срок;
– Корпоративное ДМС с первого месяца работы (решаем вопросы со здоровьем быстро и удобно);
– Возможность профессионального развития, обучение за счет компании, участие в специализированных конференциях.