Наша команда улучшает способности к рассуждениям семейства моделей Alice AI LLM. Мы стремимся создать единую модель, объединяющую сильные стороны рассуждений, использование внешних функций и поисковые возможности наших сервисов.
Какие задачи вас ждут:
Развитие базовых reasoning-способностей YandexGPT Ближайшая цель — научиться эффективнее масштабировать RLVR- и RLHF-обучение reasoning-моделей для B2C‑задач широкого круга пользователей. Вас ждут эксперименты по улучшению общих свойств модели (полезность, логичность, структура) за счёт повышения качества цепочек рассуждений и усиления паттернов (backtracking, верификация) на задачах разной тематики.
Объединение сигналов в общей модели Мы стремимся создать новые этапы алайнмента и системы наград, которые позволят совместить сигналы на математических и научных задачах вместе с креативными, повысив качество рассуждений в каждой области по сравнению с независимым обучением. Вам предстоит проводить исследования с новыми reward‑моделями, этапами и дистилляцией в рамках единой модели.
Эксперименты с RL-алгоритмами Вы будете искать SOTA-подходы, которые приносят пользу реальному продукту: экспериментировать с RL‑алгоритмами, тестировать методы стабилизации обучения Dense‑ и MoE‑архитектур.
Мы ждём, что вы:
- Отлично разбираетесь в NLP и классическом ML
- Владеете Python
- Понимаете, как устроены современные LLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт
Наши бонусы:
- Мы заботимся о детях сотрудников и устраиваем детские дни в офисе.
