Team Lead LLM engineer GenAI (Enterprise harness)

Наша команда строит Единую агентскую платформу. Enterprise harness – это окружение: среда и набор инструментов, который обеспечивает безопасную и контролируемую работу агента, использование инструментов и навыков, контролирует права, память, контекст, лимиты, аудит и безопасность. В рамках агентской платформы вам предстоит разрабатывать и внедрять инструменты для окружения агентов. Мы адаптируем лучшие мировые практики, а также сотрудничаем с RnD-командами для пилотирования новых разработок на агентах Банка. Примеры направлений, которыми мы занимаемся: SkillOpt: автоматическая эволюция навыков агентов на основе трейсов и оценки LLM-as-a-Judge; Memory-as-a-Service: централизованный сервис памяти для агентов; AutoJudge: инструмент для подбора судей и метрик для оценки качества работы агентов. 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 Опыт в разработке AI-агентов и LLM-приложений (RAG, чат-боты) 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 - м. Кутузовская гибридный формат работы ежегодный пересмотр зарплаты, годовой бонус 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 гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ подписка Прайм с возможностью совместного использования на трёх близких вознаграждение за рекомендацию друзей в команду Сбера корпоративная пенсионная программа.