Senior Machine Learning Engineer, AI Platform & Agentic Apps

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

Senior ML-инженер в команду AI Platform & Agentic Apps: строить платформу агентов Robinhood — harness, оркестрацию, инструменты и память, а также системы оценки траекторий и guardrails для безопасного действия агентов в продакшене.

Задачи

• Проектировать и строить ядро агентного harness: оркестрацию, интеграции инструментов, управление контекстом и памятью
• Выпускать агентные приложения end-to-end — от неоднозначной задачи до продакшн-агента, действующего от имени сотрудников или клиентов
• Строить системы оценки траекторий: корректность вызовов инструментов, планирование и восстановление, выполнение многошаговых задач, с симуляционными средами и генерацией синтетических задач
• Проектировать action guardrails как платформенные примитивы: least-privilege scoping инструментов, модели прав, approval gates, лимиты шагов и бюджета, sandboxing, rollback
• Делать evals и guardrails продуктами, которые перенимают другие команды: SDK, CI-гейты регрессий, непрерывный red-teaming, production tracing
• Задавать техническую планку через архитектурные и код-ревью, менторство и обоснованные данными решения о готовности к релизу

Требования

• 10+ лет опыта ML-инженером или software engineer с фокусом на ML, сильные Python и распределённые системы, опыт вывода LLM-систем в продакшн на масштабе
• Магистерская степень в Computer Science или смежной области либо эквивалентный практический опыт
• Практический опыт построения агентных систем end-to-end: tool use, оркестрация, управление контекстом, многошаговое планирование на frontier-моделях в продакшене
• Глубокая экспертиза в оценке агентов: trajectory-level evals, скоринг вызовов инструментов, симуляционные среды
• Опыт проектирования action-level guardrails: модели прав и scoping инструментов, approval gates, контроль blast radius, sandboxing
• Строгость в методологии оценки: golden datasets, rubric и LLM-as-judge, статистическая значимость при малых N, корреляция offline-to-online метрик, версионирование и контроль контаминации данных
• Опыт построения платформ, а не только моделей: eval, safety или агентный тулинг, принятый другими командами, и умение выбирать build vs buy

Условия

• Высоконагруженная работа с большим влиянием и возможностями карьерного роста
• Performance-driven компенсация с множителями за выдающийся вклад, бонусные программы, equity и 401(k) matching
• Топовые бенефиты: 100% оплата медстраховки сотрудникам и 90% для иждивенцев
• Доступ к Robinhood Employee Fund для eligible сотрудников в США
• Доступ к лучшим AI-инструментам и постоянное обучение AI-навыкам
• Lifestyle wallet — гибкий счёт на wellness, обучение и другое
• Оплачиваемые работодателем страхование жизни и инвалидности, fertility- и mental health-бенефиты
• Отпуск, больничные, parental leave и праздники
• Офис с кейтерингом, мероприятиями и комфортными рабочими местами
• Гибридный формат: офис в Menlo Park, CA, ожидается присутствие минимум 3 дня в неделю

Навыки

• Python
• LLM
• agentic systems
• orchestration
• tool use
• context management
• memory management
• trajectory-level evals
• LLM-as-judge
• simulation environments
• synthetic task generation
• guardrails
• permission models
• approval gates
• sandboxing
• rollback
• distributed systems
• SDK
• CI regression gates
• red-teaming
• production tracing