Исследователь/инженер в области генеративных моделей (post-training, RLHF)

Мы команда исследователей и инженеров, разрабатывающих технологии post-training (SFT, RL) и контролируемой генерации для моделей генерации изображений, видео и омни-модальных. Мы сфокусированы на повышение качества, управляемости и устойчивости генеративных моделей с помощью методов RLHF / RLAIF и инструктивного редактирования. Помимо фундаментальных исследований, мы создаём прикладные решения для B2B-партнёров от системы генерации интерьера до системы генерации персонализированных аватаров.

• проектирование и обучение высокопроизводительных диффузионных моделей (R2V, R2I, R2V+A) для редактирования и генерации видео / изображений
• разработка новых подходов и архитектурных решений для post-training фазы диффузионных моделей: RLHF (PPO, DPO и др.), RLAIF, SFT
• разработка, масштабирование и поддержание RL пайплайнов
• руководство экспериментами: постановка гипотез, разработка протоколов, анализ результатов
• проведение code review, менторинг младших исследователей и инженеров, участие в планировании исследовательской дорожной карты
• взаимодействие с командами Pretraining, Data, Infrastructure, Production для масштаб пайплайнов и повышения стабильности моделей в продакшене
• поддержание и внедрение SOTA-подходов: мониторинг литературы (arxiv, NeurIPS, ICML, CVPR, ICLR), инициирование внутренних исследований.

• бакалавриат/магистратура по направлению компьютерных наук/прикладной математике/ машинному обучению или близких к ним
• 3+ лет релевантного опыта исследований и разработки в области глубокого обучения/компьютерного зрения/генеративного ИИ
• глубокие знания в Computer Vision и Generative Modeling: Diffusion Models, GANs, VAEs, Flow/Rectified Flow Matching
• опыт работы с современными диффузионными фреймворками (Diffusers) и моделями FLUX, Wan 2.X и др.)
• уверенное владение PyTorch и навыки распределённого обучения (DDP/FSDP)
• понимание и практическое применение RL и RLHF ( PPO/DPO и др.)
• умение проектировать архитектуры, планировать эксперименты и интерпретировать результаты.

Будет плюсом:

• наличие PhD
• опыт публикаций или активное участие в исследованиях уровня NeurIPS / ICLR/ CVPR.

• конкурентный уровень заработной платы, годовые премии по результатам работы
• участие в развитии и создании OpenSource продуктов
• корпоративная пенсионная программа, страхование от несчастных случаев, социальные гарантии, ДМС
• комфортный офис Sbergile Home (метро Кутузовская).