ML-разработчик в команду VLM Foundations
Summary
An ML developer on Yandex's VLM Foundations team fine-tunes vision-language models for autonomous driving: trajectory prediction, reasoning, architectural changes (new modality encoders, faster inference), RL methods for safer driving decisions, and implementing SOTA research. Core stack: Python, deep learning, NLP/VLM, distributed training.
Яндекс стремится вывести автономные технологии на новый уровень и внедряет передовые ML-разработки. Мы создаём технологии, которые повышают безопасность и заботятся о комфорте пассажиров и других участников дорожного движения. Приходите дообучать VLM для вождения, развивать RL-подходы и внедрять SOTA-решения.Дообучение VLM для вождения
Вы будете дообучать vision-language-модель предсказывать траектории, добавлять ризонинг, чтобы повысить интерпретируемость действий, и расширять знания в области вождения и понимания дорожной обстановки, разметки, знаков, сигналов светофоров, действий других автомобилей и пешеходов. Также вы будете вносить архитектурные изменения: добавлять энкодеры для новых модальностей (например, карты и лидары) и реализовывать методы для ускорения инференса модели — от action modality injection и спекулятивного декодинга до flow matching head. Развитие RL-подходов для VLM
Вы будете разрабатывать и внедрять передовые методы RL, чтобы научить VLM принимать более безопасные, эффективные и понятные человеку решения. Вам предстоит решать нетривиальные задачи: создавать устойчивые reward-функции, бороться с reward hacking и выстраивать масштабируемую систему обучения в симуляции. Имплементация SOTA-решений
Вы будете следить за современными подходами, изучать актуальные статьи и внедрять SOTA-решения, а также быстро проверять гипотезы. Больше об ML в Яндексе — в канале Yandex for ML* Понимаете принципы машинного обучения и принципы работы NLP-моделей * Разбираетесь в классических алгоритмах и структурах данных * Обучали и внедряли модели глубинного обучения в продакшен * Работали с большими объёмами данных * Знаете Python * Следите за развитием и последними достижениями в области машинного обучения, читаете статьи с топовых конференций* Работали с VLM * Занимались распределённым обучением
Вы будете дообучать vision-language-модель предсказывать траектории, добавлять ризонинг, чтобы повысить интерпретируемость действий, и расширять знания в области вождения и понимания дорожной обстановки, разметки, знаков, сигналов светофоров, действий других автомобилей и пешеходов. Также вы будете вносить архитектурные изменения: добавлять энкодеры для новых модальностей (например, карты и лидары) и реализовывать методы для ускорения инференса модели — от action modality injection и спекулятивного декодинга до flow matching head. Развитие RL-подходов для VLM
Вы будете разрабатывать и внедрять передовые методы RL, чтобы научить VLM принимать более безопасные, эффективные и понятные человеку решения. Вам предстоит решать нетривиальные задачи: создавать устойчивые reward-функции, бороться с reward hacking и выстраивать масштабируемую систему обучения в симуляции. Имплементация SOTA-решений
Вы будете следить за современными подходами, изучать актуальные статьи и внедрять SOTA-решения, а также быстро проверять гипотезы. Больше об ML в Яндексе — в канале Yandex for ML* Понимаете принципы машинного обучения и принципы работы NLP-моделей * Разбираетесь в классических алгоритмах и структурах данных * Обучали и внедряли модели глубинного обучения в продакшен * Работали с большими объёмами данных * Знаете Python * Следите за развитием и последними достижениями в области машинного обучения, читаете статьи с топовых конференций* Работали с VLM * Занимались распределённым обучением