Хотите работать с большими языковыми моделями и участвовать в создании интеллектуальных систем? Мы ищем ML-аналитика, который поможет развивать LLM-агентов Алисы: улучшать качество ответов, анализировать поведение моделей и строить процессы оценки и обучения.

Сейчас в команде запускаются два новых проекта (подробнее расскажем на финале), где можно будет активно формировать процессы оценки качества моделей и подготовки данных.

Что мы предлагаем: * Работу с реальными LLM-агентами для миллионов пользователей Алисы * Возможность глубоко погрузиться в оценку качества и развитие современных языковых моделей * Участие в новых проектах на переднем крае развития AI * Влияние на процессы обучения и улучшения моделей

Если вам интересно работать с языковыми моделями, анализировать качество AI-систем и развивать интеллектуальных ассистентов — будем рады вашему отклику.

Какие задачи вас ждут

Улучшение качества LLM-агентов Алисы Вы будете изучать ответы моделей, выявлять типичные ошибки и точки роста, а также участвовать в улучшении поведения агентов через prompt engineering и context engineering.

Оценка и сравнение моделей Вам предстоит участвовать в приёмке новых версий моделей, анализировать результаты экспериментов и сравнивать модели по ключевым метрикам качества.

Работа с данными и разметкой Вы станете формировать задания на разметку, готовить корзины данных, контролировать качество разметки и подготавливать обучающие и learn-датасеты.

Развитие инструментов оценки качества Понадобится применять статистические методы для проверки гипотез и работать с системами автоматической оценки ответов (например, LLM-as-a-Judge).

Аналитика и развитие процессов Ещё одна важная задача — писать аналитические скрипты на Python для обработки данных и участвовать в развитии процессов оценки и улучшения работы LLM-агентов.

Больше об аналитике в Яндексе — в канале Yandex for Analytics

Мы ждём, что вы

• Уверенно владеете Python и работали с данными
• Имели дело с текстовыми данными или задачами NLP
• Понимаете базовые статистические методы, анализировали результаты экспериментов с помощью статистических тестов
• Умеете анализировать метрики качества моделей и проверять гипотезы
• Готовили и структурировали датасеты
• Внимательны к деталям и способны работать с большими объёмами текстовых данных
• Способны разбираться в сложных системах и находить причины ошибок моделей

Будет плюсом

• Работали с LLM или генеративными моделями
• Работали с разметкой данных или управляли процессом разметки
• Строили evaluation-пайплайны для моделей
• Понимаете принципы работы современных LLM