Мы ищем Staff Applied AI Researcher в быстрорастущую команду, создающую платформу поиска, нативную для агентов — веб-уровень доступа для систем ИИ.
Вы можете думать об этом как о Google для ИИ-агентов: системе, разработанной для машин, а не для людей. Мы создаем агентный поиск, где ИИ-системы активно планируют, извлекают, оценивают и уточняют информацию, а не просто возвращают результаты. Поскольку ИИ становится основным интерфейсом к вебу, этот уровень заменит роль традиционных поисковых систем.
Мы разрабатываем, как ИИ-агенты — а не люди — извлекают, оценивают и анализируют веб-данные в режиме реального времени, при строгих ограничениях по задержке и надежности. Это означает решение задач извлечения и ранжирования при совершенно новых шаблонах доступа и в значительном масштабе, с системами, работающими с постоянно меняющимися, неструктурированными данными и обслуживающими десятки тысяч производственных нагрузок 24 часа в сутки, 7 дней в неделю.
Эта роль предполагает ответственность за ключевые части нашего прикладного направления исследований в области ИИ и проектирования систем, с сильным ожиданием определения новых подходов и достижения измеримого влияния в производстве.
Чем вы будете заниматься:
- Разработка систем извлечения данных, нативных для агентов, оптимизированных для машинного потребления, а не для пользовательского поиска.
- Создание систем, где LLM итеративно планируют, запрашивают, уточняют и анализируют результаты.
- Разработка подходов к ранжированию и извлечению для многошаговых, управляемых агентами рабочих процессов с учетом реальных ограничений.
Ваши обязанности:
- Управление прикладными исследованиями и техническим направлением в системах извлечения и ранжирования.
- Проектирование и развитие многоступенчатых архитектур извлечения (понимание запросов, переформулирование, переранжирование, итеративное извлечение).
- Разработка методов обоснования LLM на основе веб-данных в реальном времени в масштабе.
- Определение и внедрение новых парадигм и метрик оценки для агентных систем, где правильность не сводится к кликам.
- Руководство экспериментами с современными подходами к извлечению (embeddings, гибридный поиск, переранжирование) и их внедрение в производство.
- Анализ компромиссов между релевантностью, задержкой и стоимостью в масштабе.
- Тесное сотрудничество с инжинирингом для развертывания систем в средах с высокой пропускной способностью и низкой задержкой.
- Взятие на себя ответственности за неопределенные проблемы от начала до конца и вклад в продуктовое и исследовательское направление.
- Менторство инженеров и повышение технического уровня команды.
Обязательные требования: 8+ лет опыта в прикладном ИИ, ML или разработке ПО.
- Подтвержденный опыт внедрения ML или AI систем в производство в масштабе.
- Глубокий опыт в области поиска, извлечения, ранжирования, рекомендательных систем или ассистентов.
- Глубокое понимание современного глубокого обучения, особенно трансформеров и эмбеддингов.
- Опыт работы с системами, интегрированными с LLM, или системами, интенсивно использующими знания.
- Опыт проектирования фреймворков оценки и метрик для ML-систем.
- Сильные навыки программирования на Python и хотя бы одном из Go, C++ или аналогичных.
- Способность работать в быстро меняющейся, продуктоориентированной среде с высокой степенью ответственности и автономии.
Желательно:
- Опыт работы с крупномасштабными системами поиска или рекомендаций.
- Опыт работы с агентными ИИ-системами (агенты, использование инструментов, автономные рабочие процессы).
- Опыт работы с RAG, многошаговым извлечением или использованием инструментов.
- Публикации, open source или аналогичные сигналы технической глубины и влияния.
Льготы и бонусы:
- Конкурентоспособная заработная плата
- Возможности карьерного роста и обучения
- Гибкость и ответственность
- Сотрудничество и инновационная культура
- Возможность работать над влиятельными AI-проектами
- Международная среда и талантливые команды
