Исследуем и внедряем передовые методы для инструктивного редактирования изображений/видео, интеграции аудио в видео-генерацию и повышения качества за счет RLHF (Reinforcement Learning from Human Feedback).

Обязанности

* Разработка и обучение диффузионных моделей для инструктивного редактирования видео и изображений.

* Исследование архитектур для совместной генерации видео и синхронизированного аудио по текстовому промпту.

* Создание пайплайна RLHF для тонкой настройки моделей:

* Обучение мультимодальных reward-моделей (видео/аудио/текст).

* Интеграция алгоритмов RL (PPO, DPO, GRPO, OPD) в диффузионный пайплайн.

* Проектирование экспериментов, анализ результатов.

* Тесная коллаборация с Distributed Engineers для эффективной имплементации идей.

Требования

* Сильный бэкграунд в CV, генеративных моделях (Diffusion, GANs), мультимодальном ML.

* Опыт работы с диффузионными моделями (Stable Diffusion/FLUX, Wan 2.X и пр.) и фреймворками (Diffusers).

* Практические знания Reinforcement Learning, особенно RLHF.

* Уверенное владение PyTorch и навыки распределенного обучения (DDP/FSDP).

* Способность быстро прототипировать и проводить исследования SOTA методов.

* Опыт работы с SGLang, vLLM, Transformers

* Бонус: Опыт с аудио-генерацией (AudioLDM, MusicGen), публикации на NeurIPS/ICML/CVPR.

Условия

* комфортный современный офис рядом с м. Кутузовская

* ежегодный пересмотр зарплаты, годовая премия

* корпоративный спортзал и зоны отдыха

* система обучения для профессионального и карьерного развития

* расширенный полис ДМС с первого дня работы и страхование для семьи

* льготная программа ипотеки для сотрудников

* бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

* вознаграждение за рекомендацию друзей в команду Сбера.