We use cookies to run the site and count visits. "Got it" also allows session recording.
Russia3 days ago
180,000 – 210,000 RUB
per month
Grade
Senior
Work format
Remote
Employment
Full-time
An email or a Telegram message to the recruiter
Some conditions are hidden to comply with employment law
About the project: transition of the system from a scenario graph to an LLM-based dialogue with optimization of the voice pipeline
— Phased transition of the system from a scenario graph and skills to LLM-based dialogue control — Debugging the voice pipeline (identifying causes of high latency, LLM hallucinations, audio transmission issues, graph errors) — Prompt architectural decision-making and their independent implementation in code — Support and rapid debugging of few-shot scenario classification based on Qwen and BERT classifiers — Consideration of edge cases, correction of erroneous intent triggering — Finetuning local LLMs (entity extraction, instruction adherence) — Integration and support of ASR based on GigaAMv2 (debugging recognition quality, VAD operation) — Retraining and configuration of inference for proprietary and open-source TTS and voice cloning systems
Grade: Senior — Expertise in NLP and LLM: practical experience with LLM/SLM (Few-shot learning, prompt engineering) and BERT (scenario and intent classification) — Practical experience in finetuning LLMs (PEFT, LoRA/QLoRA) for specific applied tasks — Confident LLM debugging: ability to quickly understand why a model responded incorrectly and fix it with a prompt, hyperparameter, or fine-tune — Experience in retraining and optimizing TTS models — Experience working with and integrating modern ASR systems (specifically, GigaAMv2) — Experience working with both graph/scenario-based dialogue engines and LLM agents — High speed in diagnosing inference problems, localizing bugs, and making engineering decisions — Proficient in Python (PyTorch, huggingface, inference frameworks) — Proficient in Go — Experience in optimizing inference for low-latency (vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime) — Practical experience with real-time streaming audio (streaming ASR/TTS, gRPC contracts) — Type hinting in Go, basic types (strings, numbers, slices, and maps) — Synchronization primitives and concurrency (goroutine synchronization, working with channels) — Pointers and their usage — Observability
🤝 Soft Skills Requirements — Promptness in architectural decision-making — Independence in solution implementation — High speed in problem diagnosis
— Understanding of SOLID, DRY, and KISS patterns — Basic understanding of service design in Go
Employment: Full time Salary Range: 180-210k
Location: Russian Federation Work Format: remote Time Zone: MSK
Грейд: Senior Занятость: Full time Вилка: 180-210
Локация: РФ
Формат работы: удалённо Часовой пояс: МСК
О проекте: переход системы с графа сценариев на LLM-based диалог с оптимизацией голосового пайплайна
🎯 Задачи — Поэтапный перевод системы с графа сценариев и скиллов на управляемый LLM-based диалог — Дебаг голосового пайплайна (поиск причин high latency, галлюцинаций LLM, проблем с передачей аудио, графовых ошибок) — Оперативное принятие архитектурных решений и их самостоятельная реализация в коде — Поддержка и быстрая отладка few-shot классификации сценариев на базе Qwen и классификаторов на BERT — Учёт краевых случаев, исправление ошибочных срабатываний интентов — Finetuning локальных LLM (извлечение сущностей, удерживание инструкций) — Интеграция и поддержка ASR на базе GigaAMv2 (отладка качества распознавания, работы VAD) — Дообучение и настройка инфереса собственных и опенсорсных TTS и систем клонирования голоса
🛠️ Требования Hard Skills — Экспертиза в NLP и LLM: практический опыт с LLM/SLM (Few-shot learning, prompt engineering) и BERT (классификация сценариев и интентов) — Практический опыт finetuning LLM (PEFT, LoRA/QLoRA) под узкие прикладные задачи — Уверенный дебаг LLM: умение быстро понять, почему модель ответила не так, и исправить это промптом, гиперпараметром или файнтюном — Опыт дообучения и оптимизации TTS-моделей — Опыт работы и интеграции современных ASR-систем (в частности, GigaAMv2) — Опыт работы как с графовыми/сценарийными диалоговыми движками, так и с LLM-агентами — Высокая скорость диагностики проблем в инференсе, локализации багов и принятия инженерных решений — Уверенное владение Python (PyTorch, huggingface, фреймворки инференса) — Уверенное владение Go — Опыт работы с оптимизацией инференса под low-latency (vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime) — Практика работы со потоковым аудио в реальном времени (streaming ASR/TTS, gRPC-контракты) — Типизация в Go, базовые типы (строки, числа, слайсы и мапы) — Примитивы синхронизации и конкуренция (синхронизация горутин, работа с каналами) — Указатели и работа с ними — Observability
🤝 Требования Soft Skills — Оперативность в принятии архитектурных решений — Самостоятельность в реализации решений — Высокая скорость диагностики проблем
➕ Будет плюсом — Понимание SOLID, DRY и KISS паттерны — Базовое понимание дизайна сервисов на Go
Направить CV
We compare skills, grade, work format and salary
Most often 283,000 to 428,000
