Аналитик-разработчик по развитию AI-агентов
Summary
Develops AI agents for Yandex's Alice and Search by analyzing user queries, building datasets, and using LLMs/VLMs to improve response quality.
Мы работаем над системой построения ответов в Алисе и в Поиске, умеющей обращаться в разные сервисы Яндекса для составления ответа с опорой на источники. Ищем талантливого аналитика-разработчика, который поможет растить качество ответов и улучшать пользовательский опыт.Исследование пользовательских сценариев
Развитие агентов в Алисе и Поиске не может начаться без исследования типовых сценариев и задач, с которыми пользователи обращаются к этим продуктам, в том числе сценариев, при решении которых агенты дают ответы недостаточного качества. Вы будете проводить разбор, какие задачи волнуют пользователей, а выводы по итогам вашего анализа войдут в основу траектории развития агентов. Сбор датасетов запросов
Для развития ключевых навыков агентов нужны примеры челенджевых запросов — таких, на которые трудно дать хороший ответ, не приложив усилия для изучения предметной области задачи, которую пользователь решает своим запросом. Вам предстоит проводить исследования, на каких запросах и пользовательских сценариях нужно продолжить развитие агентов, и воплотить результаты своих изысканий в реальных датасетах, которые пойдут в обучение моделей. Работа с разнообразными источниками данных
Источников, из которых можно брать примеры запросов, в Яндексе и в открытом доступе существует много — они отличаются как по формату, так и по качеству данных внутри. Вам будет предложено погрузиться в специфику этих источников и придумать способы, как выделить из них самые интересные и полезные примеры для развития агентов. Использование LLM и VLM для сбора датасетов запросов
При создании содержательных датасетов запросов часто нужно прибегать к нетривиальной характеризации пользовательских задач (насколько запрос сложный, требует ли он специальных навыков и т. д.), а иногда и вовсе создавать интересные запросы синтетически, то есть искусственно. Для решения этих задач вы будете активно работать с самыми передовыми LLM и VLM, составляя к ним промпты и даже системы промптов. Больше об аналитике в Яндексе — в канале Yandex for Analytics* Уверенно работаете с SQL и Python * Знаете математическую статистику и теорию вероятностей * Понимаете, почему важно всегда смотреть в данные * Умеете формализовать и структурировать требования и ожидания заказчиков * Самостоятельны и готовы браться за новые задачи, для которых нет готового решения * Умеете общаться в команде, ясно излагать мысли, понимать и убеждать коллег* Интересуетесь продуктом, стремитесь понять, каким он должен быть и почему * Умеете создавать точные и эффективные промпты для генеративных нейросетей * Интересуетесь передовыми подходами в области LLM и умеете читать тематические статьи на английском языке
Развитие агентов в Алисе и Поиске не может начаться без исследования типовых сценариев и задач, с которыми пользователи обращаются к этим продуктам, в том числе сценариев, при решении которых агенты дают ответы недостаточного качества. Вы будете проводить разбор, какие задачи волнуют пользователей, а выводы по итогам вашего анализа войдут в основу траектории развития агентов. Сбор датасетов запросов
Для развития ключевых навыков агентов нужны примеры челенджевых запросов — таких, на которые трудно дать хороший ответ, не приложив усилия для изучения предметной области задачи, которую пользователь решает своим запросом. Вам предстоит проводить исследования, на каких запросах и пользовательских сценариях нужно продолжить развитие агентов, и воплотить результаты своих изысканий в реальных датасетах, которые пойдут в обучение моделей. Работа с разнообразными источниками данных
Источников, из которых можно брать примеры запросов, в Яндексе и в открытом доступе существует много — они отличаются как по формату, так и по качеству данных внутри. Вам будет предложено погрузиться в специфику этих источников и придумать способы, как выделить из них самые интересные и полезные примеры для развития агентов. Использование LLM и VLM для сбора датасетов запросов
При создании содержательных датасетов запросов часто нужно прибегать к нетривиальной характеризации пользовательских задач (насколько запрос сложный, требует ли он специальных навыков и т. д.), а иногда и вовсе создавать интересные запросы синтетически, то есть искусственно. Для решения этих задач вы будете активно работать с самыми передовыми LLM и VLM, составляя к ним промпты и даже системы промптов. Больше об аналитике в Яндексе — в канале Yandex for Analytics* Уверенно работаете с SQL и Python * Знаете математическую статистику и теорию вероятностей * Понимаете, почему важно всегда смотреть в данные * Умеете формализовать и структурировать требования и ожидания заказчиков * Самостоятельны и готовы браться за новые задачи, для которых нет готового решения * Умеете общаться в команде, ясно излагать мысли, понимать и убеждать коллег* Интересуетесь продуктом, стремитесь понять, каким он должен быть и почему * Умеете создавать точные и эффективные промпты для генеративных нейросетей * Интересуетесь передовыми подходами в области LLM и умеете читать тематические статьи на английском языке