ellamind
Research Engineer, RL Environments & Synthetic Data (all genders)
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
Исследовательский инженер в команду RL: строить среды для длинных многошаговых задач с инструментами, документами и кодом, генераторы синтетических задач и проверки качества, чтобы обучать и оценивать LLM.
Задачи
- Создавать среды для длинной многошаговой работы с инструментами, документами и кодом
- Разрабатывать генераторы, превращающие одну идею задачи в тысячи, включая сложные, с контролем сложности и защитой от дублей и утечек ответов
- Строить проверки выполнения работы: тесты, проверки состояния, rubric-based judges
- Ловить читерство модели: читать rollouts, находить обходные пути, закрывать их и строить QA
- Измерять влияние набора задач на модель и решать, что масштабировать, а что убрать
- Участвовать в решении, что публиковать: среды, датасеты и бенчмарки
- Работать напрямую с людьми, запускающими обучение
- Участвовать в open-source релизах, начиная с первого в Q1 2027
Требования
- Опыт создания чего-то, что обучало или оценивало LLM: среда, бенчмарк, eval harness, data pipeline
- Уверенный Python и реальные инженерные привычки
- Опыт с контейнерами, sandbox и асинхронным кодом
- Умение читать данные: реальные сэмплы и траектории, делать выводы
- Понимание, что делает задачу достойной обучения: реалистичность, проверяемость, устойчивость к gaming
- Ясная письменная коммуникация
- Проживание в ЕС и разрешение на работу
- Английский язык; немецкий — бонус
Условия
- Работа из любой точки ЕС, желательно Германия
- Реальные вычисления: сотни GPU в EuroHPC и коммерческих облаках
- Любые AI-инструменты для работы без долгих закупок
- Имя в публичных работах; первый open-source релиз запланирован на Q1 2027
- Прямой доступ к основателям и сильная исследовательская команда
- Офис по желанию: Бремен у воды или Берлин
- Небольшая команда с быстрым принятием идей
Навыки
- Python
- LLM
- RL
- GRPO
- PPO
- reward design
- Docker
- Firecracker
- Kubernetes
- sandboxing
- async
- eval harness
- data pipeline