Research Engineer (NLP)

Ищем Research Engineer в NLP-направление: LLM, retrieval, reasoning, RAG, AI agents, evaluation, inference optimization.

Ценим исследовательское мышление, самостоятельность и умение быстро превращать неопределенность в понятный план действий.

Формат — участие через MIL Talent Pool: к проекту можно будет подключиться, когда появится подходящая задача

MIL Team — лаборатория машинного интеллекта МФТИ, резиденты Сколково.

150+ AI-проектов, 60+ исследователей, спин-оффы, премия Huawei Best Cooperator Award.

Занимаемся applied AI: generative CV, model compression, NLP, DL in Signal Processing, Classic ML.

• Выдвигать и проверять гипотезы на основе современных подходов в задачах NLP и LLM.
• Читать статьи и воспроизводить результаты
• Работать с retrieval, RAG, AI agents, reasoning и long-context. pipelines.
• Адаптировать open-source модели под прикладные сценарии.
• Проводить эксперименты и сравнивать подходы по качеству, latency и стоимости inference.
• Быстро собирать MVP и исследовательские прототипы.
• Использовать AI-инструменты для ускорения ресёрча и инженерной работы.
• Готовить технические материалы по результатам проектов

• Python, Git, Linux.
• ML/NLP-стек: PyTorch, transformers, pandas, numpy.
• Понимание современных LLM и Transformer-архитектур.
• Опыт работы с NLP-задачами: classification, retrieval, summarization, QA, agents и смежными направлениями.
• Умение дизайнить и проводить воспроизводимые эксперименты.
• Способность двигаться от постановки задачи до реализации и обоснования решения.
• Открытость к AI-native workflow: Cursor, Copilot, Claude Code, агентные пайплайны, AI-assisted research и разработка.

➕ Будет плюсом

• Опыт работы с RAG, vector DB, reranking, evaluation.
• Опыт inference optimization, quantization, vLLM, TensorRT-LLM и similar tooling.
• Open-source активность.
• Опыт написания научных статей.
• Интерес к лидированию проектов или запуску собственных направлений.

• Удаленка из любой точки мира.
• Крутая команда, у которой точно можно многому научиться.
• Супер-динамичная среда, где решения принимаются оперативно, а гипотезы проверяются быстро.
• Легко расти вертикально и перемещаться между доменами ML.