Research Engineer, Multilingual Semantic Search
Интересный проект в области поиска для популярного мессенджера с использованием современного стека (Qdrant, FastAPI). Однако это краткосрочный контракт на 2 месяца, что может не подойти тем, кто ищет стабильную долгосрочную занятость.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль требует глубоких знаний в области NLP и информационного поиска (IR), включая умение строить бенчмарки и настраивать гибридный поиск. Проект ограничен по времени (2 месяца), что подразумевает высокую интенсивность работы и необходимость быстрого погружения.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Почасовая оплата для Research Engineer уровня Middle/Senior в Европе и Северной Америке обычно составляет от $60 до $120 в час. Данный проектный контракт соответствует рыночным ожиданиям для высококвалифицированных специалистов в области AI/ML.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Published time: 2026-11-15
Company name: TGScope
Title: Research Engineer, Multilingual Semantic Search
Grades: middle, senior
Job description: Build a relevance benchmark for multilingual channel search (query sets, relevance judgments, nDCG/recall@k), measure retrieval quality by language and query type, and improve fusion of semantic and lexical results for a Telegram search engine. Two-month project-based contract, fully remote, paid hourly.
Location: North America, Europe
Anywhere: No
Remote: Yes
Forbidden locations: Outside North America and Europe
Tags:
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Machine Learning
- NLP
- FastAPI
- Search
- Qdrant
Возможные вопросы на собеседовании
Проверка понимания ключевых метрик качества поиска, указанных в описании.
Как бы вы подошли к формированию репрезентативного набора запросов для оценки мультиязычного поиска в Telegram?
Важная часть вакансии — улучшение слияния результатов.
Какие методы слияния (fusion) семантических и лексических результатов вы считаете наиболее эффективными для высоконагруженных систем?
В тегах указан Qdrant.
Был ли у вас опыт работы с Qdrant или другими векторными БД для реализации семантического поиска? Какие нюансы масштабирования вы встречали?
Проверка навыков оценки качества.
Как вы планируете собирать и верифицировать экспертные оценки релевантности (relevance judgments) для разных языков?
Поиск в мессенджерах имеет свою специфику.
В чем, по вашему мнению, основные сложности мультиязычного поиска именно в контексте каналов Telegram по сравнению с обычным веб-поиском?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

