Программист-исследователь (RAG) в R&D, Москва

Мы строим платформу для Retrieval-Augmented Generation (RAG), которая позволяет работать с пользовательскими базами знаний — от небольших коллекций до больших, динамически обновляемых корпусов.

Наша цель — сделать RAG не набором скриптов, а универсальной, расширяемой системой, на которой можно быстро собирать и проверять сложные LLM-сценарии.

После завершения базовой платформы команда будет двигаться в сторону многошаговых и агентных сценариев: от DeepResearch-подходов до более сложных orchestration-пайплайнов.

Почему эта роль может быть интересна:

• Возможность повлиять на архитектуру RAG-платформы, а не только на отдельные компоненты
• Работа на стыке search × LLM × systems engineering
• Переход от классического RAG к более сложным reasoning и agent-based сценариям
• Задачи, где важны не только модели, но и то, как они встроены в систему

Задачи

• Проектировать и развивать RAG-пайплайны: ingestion, chunking, indexing, retrieval, reranking, generation
• Исследовать и внедрять подходы к улучшению качества поиска и генерации: hybrid search, query rewriting, multi-hop retrieval
• Строить инструменты для работы с разными типами знаний (тексты, документы, структурированные данные)
• Разрабатывать и автоматизировать оценку RAG-систем
• Участвовать в развитии следующих поколений систем: agentic workflows, multi-step reasoning, DeepResearch-сценарии

Требования

• Уверенный Python и опыт промышленной разработки
• Опыт с PyTorch или другими DL-фреймворками
• Понимание принципов работы LLM и Transformer-архитектур
• Опыт с retrieval-задачами, поиском или NLP (необязательно именно RAG, но близко)

Будет плюсом

• Опыт построения RAG-систем (embeddings, vector DB, rerankers)
• Знание подходов из information retrieval: BM25, dense retrieval, hybrid search
• Опыт с оценкой retrieval и LLM
• Понимание multi-step LLM-сценариев или агентных систем
• Опыт проектирования платформ или библиотек, а не только отдельных моделей