yandex
Страна
Россия
+500% приглашений

Откликайтесь
на вакансии с ИИ

Ускорим процесс поиска работы
ГибридПолная занятость

NLP-разработчик Консьержа в Алису

ИИОценка ИИ

Это позиция в одной из сильнейших ML-команд страны над флагманским продуктом. Работа с передовыми технологиями (SOTA, RL, Agents) и отличный соцпакет делают вакансию крайне привлекательной для опытных специалистов.


Вакансия из Quick Offer Global, списка международных компаний
Пожаловаться

Сложность вакансии

ЛегкоСложно
ИИОценка ИИ

Высокая сложность обусловлена необходимостью глубоких знаний в области LLM-агентов, RAG и RL. Задачи включают в себя не только разработку, но и сложные исследования (бенчмаркинг, эмуляция данных), что требует высокого уровня автономности и экспертизы.

Анализ зарплаты

Медиана500 000 ₽
Рынок350 000 ₽ – 700 000 ₽
ИИОценка ИИ

Зарплата в объявлении не указана, но для позиций уровня Senior NLP в Яндексе рынок обычно предлагает от 400 000 до 600 000 рублей и выше, включая опционы и бонусы. Данные оценки соответствуют топовому сегменту российского IT-рынка.

Сопроводительное письмо

Меня крайне заинтересовала вакансия NLP-разработчика в команду Консьержа Алисы. Мой опыт работы с RAG-системами и мультиагентными архитектурами идеально совпадает с вашими задачами по созданию единой точки входа для сложных пользовательских сценариев. Я имею успешный опыт вывода ML-моделей в продакшен и глубоко разбираюсь в современных SOTA-подходах.

Особенно меня привлекает исследовательский аспект роли — сбор бенчмарков и построение RL-сред для обучения моделей. Я готов применять свои навыки в анализе данных и проведении экспериментов, чтобы сделать Алису еще более полезным и умным помощником. Буду рад обсудить, как мой опыт в разработке сложных цепочек действий для LLM поможет вашей команде достичь амбициозных целей.

+250% к просмотрам

Составьте идеальное письмо к вакансии с ИИ-агентом

Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Яндекс уже сейчас

Присоединяйтесь к команде Алисы и создавайте будущее персональных ассистентов прямо сейчас!

Описание вакансии

*🔎 NLP-разработчик Консьержа в Алису*

Огромный вызов в нашей сфере сейчас — работа ассистентов на срезе Консьержа. Зачастую это сложные задачи, для решения которых нужна длинная цепочка действий с разными инструментами (Поиск, Оператор, Звонилка, различные API и т. д.). Глобальная цель — сделать единую точку входа для решения произвольных задач пользователей.

Какие задачи вас ждут:

• Сбор бенчмаркаСобирать образ среза Консьержа. Это глубокая исследовательская задача с вайбами CTF. Тут не получится просто взять данные из прода, потому что его нет. Нужно придумать примеры, собрать футуристическую эмуляцию и найти точки роста внутренних и внешних SOTA-моделей.

• Построение RL-средМасштабировать процесс сбора интересных примеров. Это позволит не только провести более качественный замер, но и дать полезный сигнал при обучении моделей через RL-среды.

• Развитие продуктаАнализировать данные, генерировать направления роста, проверять гипотезы в проде.

• Внедрение SOTA-подходовСледить за трендами, проводить эксперименты и доносить успешные исследования до релиза.

Мы ждём, что вы:• Работали с RAG-системами и агентами

• Работали над кросс-функциональными проектами

• Запускали ML-системы в продакшен

• Разбираетесь в SOTA-подходах в сфере

Почему у нас хорошо:Нам важно здоровье сотрудников, поэтому в крупных офисах у нас есть спортзалы — с тренажёрами, инвентарём и душевыми. Это не все бонусы — полный список тут.

*📩* Откликнуться на нашем сайте

#алиса_и_умные_устройства #ML #удалённо #гибрид #офис #москва #минск

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Создайте идеальное резюме с помощью ИИ-агента

Навыки

  • NLP
  • LLM
  • RAG
  • Reinforcement Learning
  • Machine Learning
  • Python
  • SOTA
  • API

Возможные вопросы на собеседовании

Вакансия подразумевает работу со сложными цепочками действий и инструментами.

Расскажите о вашем опыте проектирования LLM-агентов: как вы решали проблему планирования (planning) и выбора инструментов (tool use)?

В описании упоминается работа с RAG-системами.

С какими основными проблемами RAG вы сталкивались в продакшене и какие методы оптимизации поиска или генерации использовали?

Одной из задач является построение RL-сред.

Как бы вы подошли к проектированию функции вознаграждения (reward function) для обучения модели-консьержа в условиях отсутствия реальных данных?

Упоминается сбор бенчмарков с 'вайбами CTF'.

Как вы оцениваете качество работы агентов в задачах, требующих многошагового рассуждения? Какие метрики вы считаете наиболее релевантными?

Требуется опыт запуска ML-систем в продакшен.

Опишите ваш процесс мониторинга качества NLP-моделей после релиза: как вы отслеживаете деградацию и собираете данные для дообучения?

Похожие вакансии

более 1000 офферов получено
4.9

1000+ офферов получено

Устали искать работу? Мы найдём её за вас

Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!

Россия