Team Lead LLM Engineer (GenAI)

Наша команда (70+ человек) создает технологический фундамент для внедрения GenAI в экосистему банка. Мы разрабатываем RAG-платформу, фреймворк исполнения агентов и системы обработки неструктурированного контента (документы, коммуникации). Наши сервисы оборачивают базовые LLM в готовые интерфейсы, позволяя бизнесу быстро создавать собственных агентов и GenAI-приложения.

Мы обеспечиваем полный цикл разработки (E2E): ML-инженеры и бэкенд-разработчики работают вместе над реализацией сервисов, в связке с фронтендом и дизайнерами. У нас есть собственная команда разметки для оценки качества и сбора датасетов, с помощью которых мы дообучаем доменные модели под банковские сценарии.

Масштаб задач:

Сейчас в портфеле более 200 реализованных сценариев.

В планах — реализация еще 300+ сценариев, включая создание слоя процедурной памяти для агентов, специализированных поисковых агентов и систем автоматической оценки качества GenAI (Auto-Eval).

Развитие Self-Service-инструментов (песочниц с UI), где команды банка могут тестировать гипотезы перед интеграцией.

Чем предстоит заниматься

Мы ищем инженеров, которым интересно не только R&D, но и создание полноценных продуктовых систем, способных обучаться на пользовательском фидбэке и решать конкретные бизнес-задачи.

Обязанности

• Развитие GenAI-сервисов: Создание и улучшение RAG-систем (в т.ч. Agentic RAG), инструментов Agent Observability, сервисов обработки документов.
• обучение моделей: тренировка и дообучение мультимодальных моделей на русском языке (OCR, Embeddings, Rerankers, VLM).
• MLOps и Data Management: Организация и автоматизация процесса разметки данных (от сбора до контроля качества краудсорсинга).
• развитие автономных пайплайнов улучшения качества моделей с использованием LLM-as-a-Judge.
• Engineering: релиз новых моделей и сервисов в продуктовые среды.

Требования

• Глубокое понимание LLM: опыт работы с большими языковыми моделями, Prompt Engineering, Fine-tuning LLM/VLM.
• инженерная культура: уверенное владение Python 3, знание ООП, принципов SOLID. Хорошее знание алгоритмов и структур данных.
• LLM Stack: опыт работы с LangChain, LlamaIndex или другими фреймворками для разработки агентов и мультиагентных систем (MAS).
• Vibe Coding: умение автоматизировать собственные рутинные процессы с помощью AI-инструментов.
• Mindset: желание постоянно изучать новые SOTA-подходы, модели и технологии.

Будет плюсом:

• Активный профиль на GitHub с качественным кодом.
• достижения (медали) на Kaggle.
• участие в Open-Source-проектах, связанных с LLM/NLP.

Условия

• комфортный современный офис рядом с м. Кутузовская.
• гибридный формат работы.
• корпоративный спортзал и зоны отдыха.
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития.
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
• ипотека для сотрудников выгоднее до 4%.
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
• вознаграждение за рекомендацию друзей в команду Сбера.