NLP Engineer (LLM / Generative AI)
Confirmed on the employer's own hiring board on Nov 1, 2026. First seen by Alion on Oct 6, 2026. Omega Energy scores E on the Alion truth index.
NLP Engineer (LLM / Generative AI)
Обращаем внимание, что вакансия предполагает full-time office.
Ключевые задачи:
- Формировать дорожную карту LLM/GenAI-инициатив для трейдинга и смежных бизнес-функций.
- Разрабатывать end-to-end LLM-приложения: от подготовки данных и базы знаний, прототипирования и оценки качества до production-деплоя, мониторинга и поддержки.
- Проектировать и внедрять RAG-системы, LLM-решения и AI-агентов с tool/function calling, structured outputs и интеграциями с внутренними системами и API.
- Проектировать retrieval-слой: embeddings, semantic/vector search, hybrid search, reranking, chunking и работу с корпоративными базами знаний.
- Строить eval-пайплайны для LLM: автоматические метрики, LLM-as-a-Judge, регрессионные тесты, оценку галлюцинаций, качества retrieval и устойчивости промптов.
- Выбирать и сравнивать LLM под конкретные сценарии, проводить benchmark-тестирование open-source и API-моделей по качеству, latency, throughput и стоимости.
- Оптимизировать inference LLM: batching, caching, model routing, quantization, работу с длинным контекстом и использование GPU-ресурсов.
- Развивать LLMOps-практики: версионирование промптов, конфигураций и eval-наборов, observability/tracing, мониторинг качества, CI/CD и воспроизводимость экспериментов.
- Проводить технические ревью LLM-решений, задавать инженерные стандарты и развивать экспертизу команды.
- Коммуницировать качество, ограничения и риски LLM-систем техническим и бизнес-стейкхолдерам.
Требования:
- 3+ лет опыта в Data Science, включая практический опыт разработки и вывода LLM/GenAI-систем в production.
- Продвинутый Python и уверенная работа с PyTorch, Hugging Face Transformers и экосистемой инструментов для LLM.
- Глубокое понимание архитектуры и принципов работы LLM: transformers, attention, tokenization, embeddings, context window, prompting и reasoning.
- Практический опыт построения RAG-систем: vector search, retrieval, reranking, chunking, metadata filtering и оценка качества retrieval.
- Опыт разработки agentic workflows и интеграций через tool/function calling; знание LangGraph, LangChain, LlamaIndex, OpenAI Agents SDK или аналогичных инструментов.
- Опыт построения систем оценки LLM: eval datasets, LLM-as-a-Judge, offline/online evaluation, regression testing и контроль качества ответов.
- Опыт inference и serving LLM через vLLM, Hugging Face, Triton или аналогичные решения; понимание batching, KV cache, quantization и GPU-инференса.
- Опыт эксплуатации production LLM-сервисов: Docker, Kubernetes, CI/CD, Git, логирование, tracing, мониторинг и отказоустойчивость.
- Опыт технического лидерства, наставничества и взаимодействия с кросс-функциональными командами.
- Английский не ниже B2 для работы с международной документацией и стейкхолдерами.
Будет плюсом:
- Глубокий опыт работы с open-source LLM и самостоятельного развертывания моделей.
- Опыт распределенного inference и оптимизации serving на нескольких GPU.
- Опыт работы с multimodal LLM.
- Понимание специфики нефтяной отрасли, трейдинга или смежных коммерческих процессов.
Условия:
- График 5/2, комфортный офис (Москва-Сити, работа только в офисе, нет гибридного формата);
- Корпоративная программа ДМС после испытательного срока;
- Рабочие инструменты: ноутбук/ПК, мобильный телефон, корпоративная сим-карта;
- Высокий уровень дохода (обсуждается на собеседовании);
- Возможности развития, интересные задачи, отсутствие бюрократии.
Почему стоит присоединиться к нам:
- Работа над передовыми ИИ-технологиями и созданием инновационных решений;
- Возможность влиять на архитектуру и логику будущих продуктов;
- Динамичная среда, где каждый твой анализ - шаг к реальному продукту.
- Если вы увлекаетесь технологиями, умеете «читать» бизнес и видеть в нём возможности для автоматизации - мы будем рады пообщаться подробнее!