- Страна
- Великобритания
- Зарплата
- 100 000 ₽ – 200 000 ₽
Senior Backend Engineer
Уникальная возможность работать на острие науки об ИИ в коллаборации с OpenAI, конкурентная зарплата в фунтах, опционы и релокация в Лондон или Сан-Франциско.
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
Высокая планка входа обусловлена необходимостью иметь 5+ лет опыта, выдающиеся достижения (ICPC, опыт фаундера) и работу над сложными инфраструктурными задачами в области AI Safety.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предлагаемая вилка £100k-200k является очень конкурентной для Лондона, превышая средние рыночные показатели для Senior ролей, особенно на верхней границе. В Сан-Франциско эта сумма соответствует рынку для топовых стартапов, учитывая дополнительный пакет акций (equity).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
tl;dr: senior backend engineers, £100k-200k/year + equity, London / SF
Apollo Research ищут синьорных бэкендеров — помогать ставить эксперименты над фронтирными моделями до релиза. Мы думаем, что это может быть веселее, чем работать в бигтехе 🙂 А вы? 👀
Apollo делают эксперименты про scheming: умеют ли модели хитрить, и что с этим делать. В их ресёрче модели догадываются, что их тестируют, игнорируют инструкции пользователей и притворяются глупее, чтобы их не выключили — а учёные придумывают хитрые сценарии, подсовывают моделям фейковые документы и пытаются воспитать в них ложные убеждения. Apollo официально коллабятся с OpenAI — прочитать их недавнюю совместную статью можно тут.
Вот примеры того, что можно делать на этой роли:
✨ инфраструктуру и инструменты для ресёрча — например, сервис, который одновременно следит за тысячами экспериментов и сам подсвечивает интересные находки;
✨инструменты для оркестрации, чтобы ресёрчеры могли запускать эти самые тысячи экспериментов параллельно на удалённых машинах (а агенты из них не сбегали 🏃♂️)
✨ дата-пайплайны и хранилища, чтобы собирать и хранить транскрипты экспериментов для дальнейшего анализа.
✨ агентов и MCP-инструменты, чтобы автоматизировать разработку и ресёрч;
В команде Apollo — выпускники Оксфорда и Кембриджа, ex-CTO, бывшие инженеры и ресёрчеры из Гугла, Яндекса и OpenAI, а фаундер вошёл в TIME100 AI 2025. В общем, умные и интересные коллеги вам точно обеспечены, но и планка тоже высока! 🤸♂️
Вам помогут:
➰ 5+ лет опыта;
🩷 отличное знание Python;
➰ ачивки: фаундерский опыт, опыт лидом в бигтехе или стартапе, дипломы всеросов и ICPC и всё остальное, чем вы гордитесь,
➿ мотивация делать мир будущего безопаснее. Хорошо, если вы что-то знаете про AI safety-домен, но если нет — пусть это вас не останавливает!
Платят £100k-200k + equity, перевозят в Лондон, а недавно открылся офис в Сан-Франциско, если вы вдруг уже в США.
Пишите Кате Откликнуться 👨🚀
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- Infrastructure
- Orchestration
- Data Pipelines
- LLM
- AI Safety
- MCP
Возможные вопросы на собеседовании
Проверка навыков проектирования систем для масштабируемых вычислений.
Как бы вы спроектировали систему оркестрации для запуска 10,000 параллельных LLM-агентов с гарантией изоляции и сбора логов в реальном времени?
Важно понимать, как кандидат обеспечит сохранность данных для последующего анализа учеными.
Какие архитектурные решения вы выберете для хранения и индексации миллионов транскриптов взаимодействий с моделями для быстрого поиска аномалий?
Проверка понимания специфики работы с ИИ-агентами.
С какими основными трудностями вы сталкивались при интеграции MCP (Model Context Protocol) инструментов в существующие пайплайны?
Оценка мотивации и понимания домена безопасности ИИ.
Что вы думаете о проблеме 'scheming' у моделей и какие технические барьеры мешают эффективно детектировать такое поведение сегодня?
Проверка алгоритмической базы и владения Python.
Расскажите о самом сложном баге производительности в Python-сервисе, который вам доводилось оптимизировать в условиях высокой нагрузки.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

