- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist в команду LLM
Оценка ИИАвито — топовый работодатель с сильной инженерной культурой. Работа над собственными базовыми моделями (A-vibe) — это редкий и высокотехнологичный опыт на российском рынке.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний в области LLM, опыта масштабирования базовых моделей и проектирования сложных multi-agent систем в условиях высокой нагрузки.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиций уровня Senior/Lead Data Scientist в области LLM в компаниях уровня BigTech (Авито, Яндекс, Сбер) рыночные предложения обычно находятся в диапазоне 400-600 тысяч рублей после налогов. Данная роль предполагает работу с базовыми моделями, что может оцениваться выше среднего по рынку DS.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Авито уже сейчас
Присоединяйтесь к команде Авито, чтобы масштабировать собственные LLM и внедрять передовые multi-agent системы в крупнейший сервис объявлений!
Описание вакансии
На связи команда, которая занимается обучением собственных базовых LLM и их внедрением в бизнес-сценарии Авито. Ищем коллегу, который вместе с нами будет обеспечивать продукты компании оптимальными моделями по качеству ответов и стоимости применения *✌🏻*
*📎* Откликнуться
Из задач: масштабирование базовой модели A-vibe, проектирование и помощь в разработке внутренних LLM-платформ и multi-agent-систем, построение надёжной инфраструктуры для оценки качества моделей.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Machine Learning
- LLM
- NLP
- Data Science
- Multi-agent systems
Возможные вопросы на собеседовании
Проверка понимания архитектурных особенностей и практического опыта обучения больших моделей.
Расскажите о вашем опыте масштабирования LLM: с какими основными проблемами сходимости или производительности вы сталкивались?
Важно для оптимизации затрат компании, что указано в описании вакансии.
Какие методы оптимизации стоимости инференса LLM (квантование, дистилляция, спекулятивное декодирование) вы применяли на практике?
Вакансия предполагает работу над multi-agent системами.
Как бы вы спроектировали систему оценки качества для multi-agent системы, где результат зависит от взаимодействия нескольких моделей?
Проверка навыков построения надежной инфраструктуры оценки.
В чем, по-вашему, заключаются главные риски использования LLM-as-a-judge при автоматической оценке качества ответов?
Проверка инженерного подхода к разработке внутренних платформ.
