Middle AI Guardrails Developer (Platform V AI Guardrails)
Описание
Мы разрабатываем системы безопасности и контроля для LLM и генеративных AI-моделей. Наша цель — создавать надёжные guardrails, которые предотвращают нежелательное поведение моделей, токсичный контент, jailbreak-атаки, утечки данных и нарушения политик, сохраняя при этом полезность и качество ответов. Мы ищем сильного специалиста в команду разработки. Человек будет не просто писать код, а глубоко понимать предметную область: проектировать и развивать защитные механизмы вокруг LLM, проводить активную аналитику собственного решения и решений конкурентов, выявлять слабые места и предлагать улучшения на основе данных и экспериментов. Ключевой фокус — сочетание hands-on разработки и исследовательско-аналитической работы. Нам нужен человек с экспертизой, который понимает, почему работает (или не работает) тот или иной подход, а не просто применяет готовые библиотеки. Твои задачи: разрабатывать и улучшать компоненты AI Guardrails: фильтры контента, системы детекции токсичности, bias, PII, jailbreak-попыток, prompt injection и других рисков интегрировать и дообучать модели классификации / модерации (toxicity, hate speech, self-harm, sexual content и др.) проектировать и реализовывать пайплайны pre-/post-processing для LLM (input/output filtering, rewriting, refusal mechanisms) создавать и поддерживать evaluation-фреймворки: бенчмарки, red-teaming, adversarial testing, метрики безопасности и robustness работать с LLM API / open-source моделями, оптимизировать latency и качество guardrails участвовать в разработке политик безопасности, документировать решения анализировать инциденты, улучшать покрытие edge-cases и снижать false positive/negative. Мы ожидаем, что у тебя есть: 2–4+ года коммерческого опыта в ML/AI-разработке (Python) опыт работы с LLM (OpenAI, Anthropic, open-source: Llama, Mistral, Qwen и т.д.) практический опыт построения систем модерации / content safety / guardrails или похожих задач (toxicity detection, PII redaction, prompt defense) хорошее знание NLP: классификация текста, embeddings, fine-tuning (LoRA/QLoRA), evaluation опыт с PyTorch / Hugging Face Transformers, LangChain / LlamaIndex / аналогичными фреймворками понимание основных угроз LLM (jailbreaks, prompt injection, data leakage, hallucination risks) умение писать чистый, тестируемый код, работать с CI/CD, Docker. самостоятельность и ownership: способность брать задачу end-to-end (от исследования до production) навыки работы с генеративными AI-моделями. Будет плюсом: опыт red-teaming / adversarial ML / safety evaluation знание техник alignment (RLHF, DPO, constitutional AI) и safety benchmarks (HarmBench, JailbreakBench, AdvBench и др.) опыт работы с vector DB, RAG-пайплайнами и их безопасностью знание multi-modal guardrails (изображения + текст) опыт production-deployment ML-систем (FastAPI, Kubernetes, мониторинг). английский на уровне чтения документации. Работа в СберТехе - это: гибридный формат работы годовой бонус и ежегодный пересмотр зарплаты статус аккредитованной ИТ-компании расширенный ДМС с первого дня и льготное страхование для семьи корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях 90 дней удаленной работы из любого региона РФ льготная ипотека в Сбере бесплатная подписка СберПрайм, которой можно поделиться с 3 близкими.