RL Engineer VLM​/LLM Training; RLHF, PPO

Сбербанк ищет специалиста по RL для обучения VLM/LLM моделей, с опытом RLHF и GRPO. Работа предполагает проектирование пайплайнов, сбор и подготовку датасетов, а также создание метрик качества для reasoning. Взаимодействие с Pretrain, SFT и Infra обязательно, улучшение экспериментов и перенос в продакшн.

Требуется глубокое понимание распределенного обучения и опыт проведения RL-экспериментов. Конкретные процессы включают разработку и анализ аномалий, совместная работа с командами и менторинг при

This posting is for the RL Engineer for VLM/LLM Training (RLHF, PPO) role at Сбер, based in United States.

The RL Engineer for VLM/LLM Training (RLHF, PPO) role at Сбер is now open for applications in United States.

Join us at Сбер as our next RL Engineer for VLM/LLM Training (RLHF, PPO) in United States.

We are currently recruiting a RL Engineer for VLM/LLM Training (RLHF, PPO) for our team in United States.