- Страна
- США
Machine Learning Engineer
Оценка ИИПрестижная роль в передовой области AI Safety в специализированной компании. Ограничением является строгий офисный формат в Питтсбурге, но это компенсируется уникальным опытом работы с топовыми ИИ-лабораториями.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВысокая сложность обусловлена узкой специализацией в области AI Safety и Security, а также необходимостью работы в офисе в США, что требует соответствующего разрешения на работу и высокой квалификации.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиций ML Engineer в области AI Safety в США рыночные показатели значительно выше средних по IT-сектору из-за дефицита кадров. Питтсбург предлагает конкурентные условия при более низкой стоимости жизни по сравнению с Кремниевой долиной.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Machine Learning Engineer Gray Swan
Местоположение: Питтсбург, США
Формат работы: Офис
Опубликована: 13.09.2026
Требования:
• AI Safety
• AI Security
О компании:
Gray Swan — компания, которой доверяют крупнейшие AI-компании мира для проверки безопасности их моделей перед публичным релизом.
Контакт: Откликнуться
Откликнуться в LinkedIn
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Machine Learning
- AI Safety
- AI Security
Возможные вопросы на собеседовании
Проверка понимания фундаментальных рисков современных LLM.
Какие методы состязательных атак (adversarial attacks) на языковые модели вы считаете наиболее опасными сегодня и почему?
Оценка практических навыков обеспечения безопасности.
Как бы вы спроектировали систему автоматизированного «красного тестирования» (red-teaming) для новой мультимодальной модели?
Проверка знаний в области выравнивания моделей.
В чем заключаются основные сложности масштабируемого надзора (scalable oversight) при обучении сверхмощных моделей?
Оценка понимания специфики работы компании.
Как сбалансировать полезность (helpfulness) модели и её безопасность (harmlessness), чтобы не допустить чрезмерного отказа от ответов?
Проверка навыков работы с уязвимостями.
Опишите ваш подход к обнаружению и предотвращению атак типа «инъекция промпта» (prompt injection) на уровне архитектуры системы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
