ML-инженер разработки для AI-приложения в Международный Поиск и Алису AI

Для Турции наша команда создала полноценный еком-поиск и еком-агента для приложения Yandex AI, которыми ежедневно пользуются тысячи людей. За это время мы проделали большую работу: обучили несколько стадий ранжирования, разработали качественный сигнал релевантности, сделали современную архитектуру агента со скилами и тулами.

Наша задача — сделать еком-агента ещё умнее, используя SOTA-подходы из индустрии, и трансформировать пользовательский опыт, чтобы у людей появился полноценный AI-ассистент, который может решать по-настоящему сложные задачи, не ограничиваясь обычными поисковыми запросами.

Что вы получите, если придёте к нам:
- Участие в работе над AI-продуктом, которым будут пользоваться десятки миллионов людей в СНГ и за его пределами.
- Опыт разработки мультиагентных систем в проде: с реальными интеграциями, реальным трафиком и измеримым влиянием на бизнес-метрики.
- Работу на стыке больших языковых моделей, мультиязычности, агентных архитектур и классического поиска.
- Широкий скоуп: не одну модель на поддержке, а полноценную систему из поиска и агентов, которая работает на рынках разных стран.

Какие задачи вас ждут:
Улучшение качества еком-поиска

Поиск — это сложная система, состоящая из разных стадий и компонент и имеющая свои локальные особенности в зависимости от рынка. Среди них разные фичи, разные сигналы релевантности, разный ассортимент и разные рыночные предпочтения. Чтобы на выходе получить качественный поиск, надо грамотно анализировать и улучшать все его компоненты.

Исследование SOTA-подходов и разработка решений для улучшения качества еком-агента

Агентные системы — одна из самых быстро меняющихся тем в LLM: подходы к планированию, памяти, reflection и обучению агентов на собственном опыте выходят почти каждый день. Вы будете изучать методы, отбирать применимое к нашим сценариям и создавать собственные подходы на стыке с бизнесом и продуктом.

Проверка и оценка качества

Вы будете собирать и размечать данные, проводить офлайн-оценку, A/B-тесты на реальных пользователях и выводить в продакшен.

Продуктовые фичи

Повышать качество пользовательского опыта можно не только за счёт развития core-составляющих (поиска и агента), но и за счёт продуктовых фич. Среди них интеграция внешних MCP магазинов, развитие конкретных срезов (например, авто или медицины) за счёт подключения специализированных баз знаний и многое другое.

Больше об ML в Яндексе — в канале Yandex for ML

Мы ждем, что вы:
- Много работали с трансформерами, большими генеративными моделями и SOTA-архитектурами
- Имеете опыт и обширный кругозор в NLP, ранжировании и поиске или в RecSys и умеете работать на стыке ML, бизнеса и продукта
- Умеете строить агентные пайплайны: tool calling, RAG, оркестрацию, оценку качества
- Заботитесь о конечном продукте и готовы глубоко погружаться в данные: логи поиска и агента, реальные обращения пользователей, разборы ошибок

Будет плюсом:
- Работали с large-scale поисковыми или рекомендательными системами
- Выводили агентов или LLM-ассистентов в продакшен под реальной нагрузкой
- Дообучали модели под агентные задачи: SFT, RLHF/RLAIF, distillation
- Имеете опыт в домене E-commerce