ML Research Engineer (LLM/RAG)

Описание роли

На позиции **ML Research Engineer (LLM/RAG)** вы будете заниматься исследованиями и внедрением передовых методов Retrieval Augmented Generation, используя языковые модели Llama 8B. Эта роль идеально подходит для специалистов, стремящихся сочетать научный подход и практическое применение машинного обучения в международных проектах. Ваши результаты напрямую влияют на качество генерации ответов, релевантность контента и эффективность применения LLM в корпоративных решениях. Мы ищем профессионала с глубоким пониманием внутреннего устройства языковых моделей и жаждой экспериментов.

Ключевые задачи:
* Настройка и оптимизация RAG-систем на базе Llama 8B для повышения скорости и точности ответов;
* Файнтюнинг языковых моделей под специфические задачи заказчика, включая подбор гиперпараметров и регуляризацию;
* Проведение экспериментов с новыми архитектурами и методами глубинного обучения для улучшения качества генерации;
* Разработка методик оценки релевантности и точности выдачи, сбор метрик и визуализация результатов;
* Имплементация актуальных научных исследований в области LLM и RAG, участие в разработке внутренних публикаций и докладов.

Что делает эту вакансию особенной

Вы получите удалённый формат работы без бюрократии, гибкий почасовой график и полный доступ к мощным GPU для любых экспериментов. Проект выполняется под эгидой Astana Hub, что открывает доступ к международному сообществу AI-исследователей. Вы сможете быстро тестировать идеи, анализировать результаты и сразу же внедрять улучшения в продукт, работая в небольшом кросс-функциональном составе.

О компании ИнтеллектДиалог

«ИнтеллектДиалог» объединяет экспертов из разных стран для создания AI-решений на стыке науки и бизнеса. Основная специализация — RAG-системы и интеграция LLM в бизнес-процессы клиентов. Среди достижений компании — успешные проекты для международных корпораций, публикации в профильных изданиях и выступления на ведущих конференциях. Мы ценим открытость, скорость внедрения инноваций и глубокий научный подход к каждой задаче.