Техлид / старший ML-разработчик в команду Железного стажёра

Мы создаём Железного стажёра — ИИ-агента, который ускорит разработку всех проектов в Яндексе и поможет разработчикам быстрее решать разнообразные рутинные задачи. Ищем NLP-разработчика с опытом построения NLP-проектов, готового разрабатывать сложные SOTA-системы написания кода, сбора требований и поиска экспертных знаний, принимать нестандартные решения, заинтересованного в том, чтобы влиять на разработку.

Мы предлагаем вам: * Создание ИИ-разработчика. Вы постепенно пройдёте с ним весь путь от стажёра до сеньора, по пути кратно ускоряя основные процессы в компании * Сложные архитектурные и технологические вызовы * Обширные знания и опыт разработки ИИ-продуктов от создателей YandexGPT, Нейро, нейротехнологий Яндекс Браузера, голосового помощника Алисы

Какие задачи вас ждут

Обучать LLM-агентов самостоятельно писать код Вы будете исследовать SOTA-подходы к разработке NLP-агентов, систематизировать статьи и создавать стратегии, а на базе лучшей разработаете Железного стажёра.

Строить среду, в которой агенты смогут тестировать свои изменения Как и разработчику, LLM-агенту сложно написать правильный код сразу. Ему нужен интерфейс для отладки решения. Для этой задачи нужно разработать полигон, где агент сможет тестировать свои изменения и принимать их.

Разрабатывать агентов для сбора знаний о коде у разработчиков и из интранета Чтобы принимать верные решения, современному разработчику нужен не только код. Ему нужны экспертные знания, которые есть в интернете, интранете и головах людей. Важная задача — сделать агента, который будет собирать всю необходимую информацию для решения задачи. Хорошая стратегия — спросить у своего нежелезного коллеги (но не стоит задавать один и тот же вопрос часто).

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждём, что вы

• Успешно разрабатывали и внедряли NLP-продукты
• Понимаете основы современных NLP-архитектур
• Готовы участвовать во всём пайплайне разработки ИИ-агента: от проектирования и сбора требований до дообучений моделей и внедрения