Senior ML-инженер по LLM-агентам

Компания People In AI ищет Senior Machine Learning Engineer для работы над AI-платформой, объединяющей большие языковые модели, автономных агентов и продвинутую инфраструктуру данных.

Задачи:

• Проектировать, разрабатывать и развёртывать production-агентов на LLM: вызов инструментов, оркестрация, управление контекстом, guardrails.
• Строить инфраструктуру оценки: эталонные датасеты, фреймворки автотестирования, LLM-as-judge, регрессионное тестирование.
• Развивать наблюдаемость и мониторинг для отслеживания производительности, точности, задержки и стоимости агентов.
• Выявлять и устранять сложные production-сбои для повышения надёжности агентов.
• Проводить бенчмарки LLM, архитектур агентов и новых технологий для обоснования технических решений.
• Тесно сотрудничать с инженерами и продуктовыми стейкхолдерами для создания масштабируемых AI-воркфлоу.
• Влиять на техническую архитектуру и устанавливать лучшие практики для надёжных агентных систем.

Требования:

• Сильный бэкграунд в разработке ПО и обширный практический опыт на Python в production backend.
• Подтверждённый опыт создания и развёртывания агентов на LLM в production.
• Практический опыт разработки фреймворков оценки, инфраструктуры автотестирования или систем надёжности агентов.
• Глубокое понимание оркестрации агентов, использования инструментов, управления контекстом и обработки сбоев.
• Знакомство с новыми агентными технологиями и протоколами, такими как MCP, A2A, OpenHands или аналогичными.
• Опыт production-наблюдаемости, мониторинга производительности и бенчмаркинга моделей.
• Сильное архитектурное чутьё, техническая ответственность и способность работать самостоятельно.
• Опыт работы в быстро развивающихся средах с высоким ростом.

Условия:

• Базовая зарплата $250,000–$275,000 в год плюс equity.
• Работа в офисе в Нью-Йорке.
• Техническая ответственность: влияние на архитектуру и развитие сложных AI-систем с раннего этапа.
• Production AI: работа над сложными агентными системами, решающими реальные задачи.
• Влияние на раннем этапе: технические решения напрямую формируют продукт.
• Сильная динамика: хорошо финансируемый бизнес с ранней коммерческой тягой.
• Коллаборативная инженерная культура: работа в высокотехничной команде над амбициозными AI-продуктами.