Founding ML Engineer, Post-Training

Aghanim — это интегрированная платформа для коммерции, автоматизации liveops, вовлечения сообщества и платежей для видеоигр.

Мобильные игры традиционно зависели от магазинов приложений для дистрибуции, платежей и отношений с игроками. Мы верим, что есть лучший путь. Aghanim помогает игровым студиям строить прямые отношения с игроками, продавать напрямую и строить свое будущее на своих условиях. Сегодня более 100 игр по всему миру уже строят это будущее с Aghanim.

Наша команда объединяет людей из Лос-Анджелеса, Нью-Йорка, Сеула, Пекина, Лондона, Лиссабона, Белграда и других мест по всему миру, обладающих глубокими знаниями в области игр, финтеха и технологий. Мы работаем быстро, поддерживаем прямую коммуникацию и сосредоточены на достижении результатов. Мы верим, что лучшие люди процветают, когда у них есть автономия, ответственность и доля в успехе компании.

Мы ищем Основателя, ML-инженера уровня Senior или Principal, который возглавит переход Newton, продукта Aghanim на основе ИИ для партнеров, от проприетарных API моделей к моделям, которые мы контролируем.

Newton уже работает в продакшене на передовых моделях. Вы будете отвечать за слой моделей от начала до конца: сбор данных, оценку, пост-тренинг, обслуживание и внедрение. Цель — сохранить качество, на которое полагаются партнеры, одновременно снижая затраты, повышая скорость и сохраняя данные партнеров в нашей инфраструктуре.

Вы будете тесно сотрудничать с продуктом, чтобы понять его поведение и ожидания партнеров, а затем самостоятельно определять технический подход и приоритеты. Решения об обучении, маршрутизации и замене моделей должны быть подкреплены данными продакшена и оценками.

ОСНОВНЫЕ ОБЯЗАННОСТИ

• Создание конвейеров данных продакшена, которые собирают версионированные инструкции, вызовы инструментов, выходные данные, затраты и результаты с анонимизацией, удалением на уровне партнера и экспертными исправлениями.

• Разработка бенчмарков, регрессионных тестов и оценщиков на основе кода и LLM-судей с использованием реальных запусков Newton для измерения фактической точности, использования инструментов, качества ответов, затрат и задержки.

• Сравнение передовых и открытых моделей, маршрутизация задач к подходящим моделям и определение того, где промптинг, дистилляция или пост-тренинг дают наилучшие результаты.

• Обучение и адаптация моделей с использованием дистилляции, SFT, LoRA/QLoRA и DPO на принятых траекториях и обратной связи от экспертов; использование RL, когда более простые подходы не работают.

• Развертывание моделей за существующим интерфейсом Newton, их проверка с помощью теневых запусков и управление внедрением на основе бенчмарков качества и экономики обслуживания.

Технический стек: Python, TypeScript, SQL, саморазмещенный Langfuse, TRL / Unsloth / Axolotl или управляемые платформы обучения, vLLM, бессерверные GPU, GCP / Modal; открытые модели, включая Qwen, Gemma, DeepSeek и GLM.

ТРЕБУЕМЫЕ КВАЛИФИКАЦИИ

• Практический опыт пост-тренинга LLM и их вывода в продакшен с использованием SFT, LoRA/QLoRA, DPO и дистилляции.

• Опыт создания систем оценки на основе данных продакшена, включая офлайн-бенчмарки, регрессионные тесты и тесты поведения, а также оценщики на основе кода и LLM-судей.

• Понимание агентоустойчивых систем, включая вызов инструментов, многошаговые траектории, структурированные выходные данные и влияние изменения базовой модели.

• Практический опыт обслуживания моделей с помощью vLLM или аналогичных инструментов, квантования и развертывания GPU, включая компромиссы по задержке, холодному старту и затратам.

• Сильные навыки работы с Python и SQL в продакшене, достаточные знания TypeScript для самостоятельного изменения кода продукта и инструментов.

• Способность понимать поведение продукта и ожидания пользователей, преобразовывать их в измеримые требования к качеству и решать, когда обучение оправдано.

• Опыт самостоятельного владения технической областью, определения приоритетов и работы с незнакомой кодовой базой и ее проектной документацией.

• Регулярное использование ИИ-агентов для кодирования с четким подходом к проверке их вывода.

ПРЕДПОЧТИТЕЛЬНЫЕ КВАЛИФИКАЦИИ

• Опыт миграции продакшен-продукта с проприетарных API моделей на саморазмещенные или открытые модели.

• Опыт использования RL для LLM, особенно GRPO с автоматическими верификаторами.

• Знакомство с Langfuse, Braintrust или аналогичными инструментами трассировки и оценки.

• Опыт работы с GCP, включая Vertex AI, Cloud Run GPU и BigQuery.

• Интерес к монетизации и аналитике игр.

ПОЧЕМУ СТОИТ ПРИСОЕДИНИТЬСЯ К НАМ

• Команда мирового класса — работайте бок о бок с опытными профессионалами со всего мира, которые создали продукты, используемые миллионами игроков.

• Высокий рост, высокое влияние — станьте частью быстрорастущей компании, где идеи превращаются в продукты и достигают клиентов за дни, а не за месяцы.

• Автономия и ответственность — мы доверяем людям принимать решения, проявлять инициативу и добиваться результатов.

• Современные инструменты и технологии — используйте ИИ, автоматизацию и современные инструменты в своей повседневной работе.

• Акции — участвуйте в росте компании и ее долгосрочном успехе