Откликайтесь
на вакансии с ИИ

AI Research Engineer (Pre-training - LLM & Multi-Modal)
Исключительная вакансия в топовой крипто-компании с возможностью работать удаленно из любой точки мира над передовыми AI-технологиями.
Сложность вакансии
Высокая сложность обусловлена необходимостью глубоких знаний в области пре-трейнинга LLM и мультимодальных моделей, а также навыков работы с распределенным обучением на огромных кластерах GPU.
Анализ зарплаты
Предполагаемая рыночная зарплата для Senior AI Research Engineer в глобальных компаниях уровня Tether значительно выше среднего по рынку РФ и СНГ, отражая высокие требования к квалификации.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Tether уже сейчас
Присоединяйтесь к команде Tether и создавайте будущее мультимодальных LLM в полностью удаленном формате!
Описание вакансии
Company: Tether
Title: AI Research Engineer (Pre-training - LLM & Multi-Modal) - 100% Remote Worldwide
Location: Remote, Worldwide
Date Posted: 2026-08-21T08:35:16Z
Tags: Remote, Worldwide, AI, Research, Engineer, Fintech, LLM, Multi-Modal, Blockchain
View here: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- PyTorch
- LLM
- Computer Vision
- Deep Learning
- NLP
- GPU Optimization
- Distributed Training
- Multi-Modal
Возможные вопросы на собеседовании
Проверка понимания архитектурных особенностей современных моделей.
Какие архитектурные изменения вы бы внедрили в стандартный Transformer для улучшения эффективности пре-трейнинга мультимодальных моделей?
Оценка навыков работы с данными, что критично для этапа pre-training.
Как вы подходите к фильтрации и балансировке данных при подготовке датасета объемом в несколько терабайт для обучения LLM?
Проверка практического опыта работы с инфраструктурой.
С какими основными проблемами масштабирования вы сталкивались при использовании DeepSpeed или Megatron-LM на кластерах из 512+ GPU?
Оценка способности оптимизировать процесс обучения.
Какие методы оптимизации памяти (например, FlashAttention, ZeRO) вы считаете наиболее эффективными для обучения моделей с длинным контекстом?
Проверка понимания специфики мультимодальности.