- Страна
- Россия
ML-разработчик в команду образования Alice AI VLM
Оценка ИИЭто позиция в одной из самых передовых команд Яндекса, работающей над Alice AI. Вакансия предлагает работу с топовым стеком (VLM, RL), социально значимый продукт (образование) и отличный пакет бенефитов.
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 ИИРабота требует глубоких знаний в области LLM/VLM, опыта обучения моделей и работы с RL (reward-функции). Задачи по созданию сложных мультимодальных датасетов и борьбе с reward hacking предполагают высокий уровень технической экспертизы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиций уровня Senior ML в Яндексе рыночный диапазон составляет от 400 000 до 650 000 рублей плюс значительные бонусы и опционы. Предлагаемые условия обычно соответствуют или превышают средние показатели по российскому рынку для высококвалифицированных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*🙂* ML-разработчик в команду образования Alice AI VLM
Привет, я Вася, руковожу командой мультимодального образования Фотоинпута. Основной фокус команды направлен на улучшение AliceAI VLM в решении образовательных задач на потоке Алисы с картинкой. Мы прокачиваем интеллект модели и создаём полноценный образовательный опыт, чтобы Алиса вела себя как хороший репетитор: показывала наглядные пошаговые разборы, красиво форматировала сложные формулы и понятно объясняла теорию.
*Василий Висков
Руководитель команды мультимодального образования*
Какие задачи вас ждут:
• Строить сложные reward-функции
Мы не ограничиваемся RLVR для проверки качества ответа, а экспериментируем с масштабируемыми reward-функциями, которые учитывают разные особенности и элементы ответов. Вам предстоит решать вопросы качества и скорости обучения, бороться с reward hacking.
• Развивать базовую умность модели
STEM в мультимодальности — это не только про знание теоремы Пифагора или решение задач. Это про понимание сцены на изображении (различные электрические схемы, геометрические рисунки) и знание графических концептов.
• Создавать новые датасеты
Одно дело решать текстовые задачи, а другое — когда всё условие (или его часть) находится на изображении. Для создания мультимодальных датасетов нужны многоступенчатые пайплайны, учитывающие разнообразие и сложность тематик. Вам предстоит создавать такие пайплайны и строить качественные датасеты.
Мы ждём, что вы
• Горите темой больших мультимодальных или языковых моделей, занимались их обучением
• Хорошо знаете NLP/CV и следите за трендами в LLM/VLM
• Умеете решать ML-задачи полного цикла: от сбора разметки до внедрения в продакшен
Почему у нас хорошо:
Мы предоставляем полный набор, который поможет уберечься от тревожности и выгорания: ежегодные медицинские чекапы, йога и психотерапия. Это не все бонусы — полный список тут.
*📩*Откликнуться на нашем сайте
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- ML
- NLP
- Computer Vision
- LLM
- VLM
- Reinforcement Learning
- Python
- PyTorch
Возможные вопросы на собеседовании
Проверка опыта работы с Reinforcement Learning и понимания рисков при оптимизации моделей.
Расскажите о вашем опыте работы с reward-функциями. Как вы боролись с проблемой reward hacking в своих проектах?
Оценка навыков работы с мультимодальными данными, что критично для VLM.
Какие подходы вы используете для создания качественных датасетов, где часть условий задачи представлена в виде изображений (схемы, графики)?
Проверка технического кругозора в области современных архитектур.
Какие последние тренды в области VLM (Vision-Language Models) вы считаете наиболее перспективными для решения образовательных задач?
Оценка практического опыта внедрения моделей.
Опишите ваш опыт вывода ML-моделей в продакшен: с какими основными трудностями вы сталкивались на этапе деплоя?
Проверка понимания специфики STEM в CV.
Как бы вы подошли к задаче улучшения понимания моделью сложных геометрических рисунков или электрических схем?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
