ML-разработчик в команду инфраструктуры претрейна Alice AI LLM
Мы занимаемся претрейном Alice AI LLM уже пять лет. За это время наша команда:
- Обучила большую часть языковых моделей, которые используются в Яндексе
- Разработала фреймворк для распределённого обучения больших языковых моделей (используется для претрейна, алайнмента, даунстрим-применений, а также для обучения VLМ и SpeechGPT)
- Разработала технологию YaFSDP, которая ускоряет обучение моделей с 70 млрд параметров на 20–50%
- Разработала фреймворк YCCL, который даёт кратный прирост по скорости коммуникаций в наших обучениях
- Сэкономила тысячи GPU на инференсе моделей за счёт оптимизаций и помощи другим командам
Мы ищем опытных инфраструктурных и DL-инженеров для работы в команде инфраструктуры претрейна Alice AI LLM.
Оптимизация обучений в контексте RL
В современных открытых решениях использование GPU не превышает 10%, что крайне неэффективно. Вам предстоит ускорить обучение в этой схеме.
Построение более эффективных схем коммуникаций
Комбинация YaFSDP + YCCL + FP8 позволяет обучать модели, имеющие сотни миллиардов параметров, с максимальной производительностью. Но для больших моделей требуются более сложные схемы: Pipeline Parallelism, продвинутый Expert Parallelism, Context Parallelism.
Выполнение низкоуровневых оптимизаций
Мы стремимся к тому, чтобы тензорные ядра были нагружены по максимуму. Вы будете проводить нетривиальные оптимизации на низком уровне с написанием кода на Triton, CUDA или CuTe DSL.
Больше об ML в Яндексе — в канале Yandex for ML
- Работали с современными LLM, понимаете их архитектуру
- Пишете на Python, имеете опыт разработки на Torch
- Знакомы с процессом обучения DL-моделей, умеете выполнять оптимизации
- Понимаете основы распределённого обучения; знаете, почему FSDP лучше DDP, как используется FP8 в обучении и что лучше: TP или EP
