ML-разработчик в команду VLM Foundations

Автономные технологии делают нашу жизнь легче и лучше, но их нужно постоянно развивать, чтобы повысить комфорт, безопасность и доступность.

Яндекс стремится вывести автономные технологии на новый уровень и внедряет передовые ML-разработки. Мы создаём технологии, которые повышают безопасность и заботятся о комфорте пассажиров и других участников дорожного движения.

Мы экспериментируем с VLM — у них большой потенциал, и мы хотим использовать его в наших задачах.

Какие задачи вас ждут

Дообучение VLM для вождения Вы будете дообучать vision-language-модель предсказывать траектории, добавлять ризонинг, чтобы повысить интерпретируемость действий, и расширять знания в области вождения и понимания дорожной обстановки, разметки, знаков, сигналов светофоров, действий других автомобилей и пешеходов. Также вы будете вносить архитектурные изменения: добавлять энкодеры для новых модальностей (например, карты и лидары) и реализовывать методы для ускорения инференса модели — от action modality injection и спекулятивного декодинга до flow matching head.

Развитие RL-подходов для VLM Вы будете разрабатывать и внедрять передовые методы RL, чтобы научить VLM принимать более безопасные, эффективные и понятные человеку решения. Вам предстоит решать нетривиальные задачи: создавать устойчивые reward-функции, бороться с reward hacking и выстраивать масштабируемую систему обучения в симуляции.

Имплементация SOTA-решений Вы будете следить за современными подходами, изучать актуальные статьи и внедрять SOTA-решения, а также быстро проверять гипотезы.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждём, что вы

• Понимаете принципы машинного обучения и принципы работы NLP-моделей
• Разбираетесь в классических алгоритмах и структурах данных
• Обучали и внедряли модели глубинного обучения в продакшен
• Работали с большими объёмами данных
• Знаете Python
• Следите за развитием и последними достижениями в области машинного обучения, читаете статьи с топовых конференций

Будет плюсом

• Работали с VLM
• Занимались распределённым обучением