DL-разработчик в группу качества Нейро
Нейро — поиск будущего, который объединяет технологии больших генеративных моделей и классического веб-поиска. Наша команда отвечает за качество ответов в еком-сценариях. У нас вы будете работать с самыми современными моделями и технологиями Яндекса, создавая новые для российского рынка продукты.Улучшение качества генеративных моделей
Сейчас модели хорошо решают потоковые задачи, но на узких задачах еком-сценариев качества может не хватать. На таких срезах есть большой простор для улучшений и экспериментов с LLM, извлечением информации, данными и формой ответа. Вы будете участвовать в каждом из этапов алайнмента: SFT (Supervised fine-tuning), Reward model, RLHF (Reinforcement learning from human feedback). Улучшение извлечения информации
Интернет полон разнообразной информации, и иногда она не совсем качественная, а иногда достоверные источники сложно найти. Кроме того, информация о товарах не ограничивается веб-документами, найденными по поисковому запросу. Вам предстоит совершенствовать извлечение информации для построения ответов, а также экспериментировать с новыми источниками. Сжатие и удешевление инференса моделей
Нейро пользуется огромное количество людей, поэтому в проде нам нужны более лёгкие модели. Вам предстоит экспериментировать с архитектурами и методами уменьшения моделей, чтобы укладываться в ограничения по лэтенси и скорости генерации ответа. Внедрение в продукты
Вы будете создавать технологичный, удобный и полезный для пользователя продукт. Больше об ML в Яндексе — в канале Yandex for ML* Знаете Python * Хорошо знаете классические DL и NLP * Решали NLP-задачи с использованием трансформеров * Понимаете, как устроены современные LLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт
Сейчас модели хорошо решают потоковые задачи, но на узких задачах еком-сценариев качества может не хватать. На таких срезах есть большой простор для улучшений и экспериментов с LLM, извлечением информации, данными и формой ответа. Вы будете участвовать в каждом из этапов алайнмента: SFT (Supervised fine-tuning), Reward model, RLHF (Reinforcement learning from human feedback). Улучшение извлечения информации
Интернет полон разнообразной информации, и иногда она не совсем качественная, а иногда достоверные источники сложно найти. Кроме того, информация о товарах не ограничивается веб-документами, найденными по поисковому запросу. Вам предстоит совершенствовать извлечение информации для построения ответов, а также экспериментировать с новыми источниками. Сжатие и удешевление инференса моделей
Нейро пользуется огромное количество людей, поэтому в проде нам нужны более лёгкие модели. Вам предстоит экспериментировать с архитектурами и методами уменьшения моделей, чтобы укладываться в ограничения по лэтенси и скорости генерации ответа. Внедрение в продукты
Вы будете создавать технологичный, удобный и полезный для пользователя продукт. Больше об ML в Яндексе — в канале Yandex for ML* Знаете Python * Хорошо знаете классические DL и NLP * Решали NLP-задачи с использованием трансформеров * Понимаете, как устроены современные LLM, решали с их помощью прикладные задачи или имеете релевантный исследовательский опыт