Staff AI/ML Software Engineer, Model Distillation & Fine-Tuning

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер-исследователь в команду Vehicle Applied AI в General Motors: адаптация, дообучение и дистилляция фундаментальных мультимодальных моделей (VLM/LLM) для работы на бортовых вычислителях автомобиля. Роль предполагает техническое лидерство в области оптимизации моделей и их развёртывания на edge-устройствах.

Задачи

• Проектировать и строить пайплайны knowledge distillation для переноса reasoning, vision и language способностей из фундаментальных моделей в компактные архитектуры для edge-развёртывания
• Применять и масштабировать parameter-efficient fine-tuning (LoRA, QLoRA и аналоги) для адаптации моделей под сценарии взаимодействия в салоне автомобиля
• Строить и развивать reinforcement learning flywheel: реализовывать human-in-the-loop alignment (RLHF/DPO) и замыкать цикл между сбором данных в салоне и непрерывным улучшением модели
• Курировать, оценивать и синтетически генерировать датасеты для обучения компактных моделей интерпретации намерений пассажиров и сложных визуальных сигналов
• Внедрять Quantization-Aware Training и аналогичные техники, адаптировать архитектуры и режимы обучения для предотвращения деградации точности при сжатии моделей
• Создавать фреймворки и бенчмарки оценки дообученных моделей: измерять галлюцинации, доменную точность и ограничения безопасности
• Определять стратегию базовых моделей: выбирать фундаментальные архитектуры и обосновывать переход при появлении более сильных решений

Требования

• Bachelor's degree в Computer Science, Machine Learning, Data Science, Mathematics или эквивалентный практический опыт
• 8+ лет опыта в software engineering или прикладных ML-исследованиях, включая определение технического направления и архитектурных решений ML-систем
• Глубокое владение PyTorch
• Практический опыт дообучения больших языковых или vision-language моделей с измеримыми результатами
• Практический опыт минимум в двух из: knowledge distillation, parameter-efficient fine-tuning, pruning, quantization
• Готовность работать гибридно из Mountain View, CA или Seattle, WA с посещением офиса минимум три дня в неделю

Условия

• Гибридный формат: минимум три дня в неделю в офисе Mountain View, CA
• Диапазон базовой зарплаты $189,300 - $290,700
• Бонусная программа на основе результатов компании, уровня должности и личных результатов
• Возможность участия в программе оценки компании-автомобиля General Motors
• Возможна релокационная поддержка

Навыки

• PyTorch
• LLM
• VLM
• knowledge distillation
• LoRA
• QLoRA
• parameter-efficient fine-tuning
• RLHF
• DPO
• quantization
• Quantization-Aware Training
• pruning
• Hugging Face
• DeepSpeed
• Ray
• Megatron
• dataset pipelines
• multimodal models
• conversational AI