Сегодняшняя подборка короткая, но плотная: здесь есть и фронтирная посттренировка агентов, и прикладная работа с корпоративными ИИ-сценариями, и медицинские модели на данных с датчиков, и удалённый контракт для тех, кто умеет доводить LLM-системы до продакшена. Ниже — семь свежих ролей, где уже по описанию видно, что именно придётся делать каждый день и кому такая работа подойдёт.

1. Member of Technical Staff, Frontier RL Environments — Hark

Hark ищет инженера-исследователя в Сан-Хосе на роль, которая ближе к сердцу обучения агентов, чем к обычной прикладной разработке. Компания строит персонализированную мультимодальную систему и хочет руками этой позиции определить, каким навыкам вообще имеет смысл учить проактивных помощников дальше: придумывать среды для обучения с подкреплением, собирать оценки, проектировать функции награды, писать проверяющие процедуры и влиять на крупные тренировочные прогоны.

Факты: офис в Сан-Хосе; базовая вилка очень широкая — от 180 до 450 тысяч долларов; нужен реальный опыт с большими моделями, средами или симуляторами для обучения с подкреплением, посттренировкой по человеческой или ИИ-обратной связи, а также умение превращать расплывчатые поведенческие требования в воспроизводимые эксперименты. В плюс пойдут знание методов вроде прямой оптимизации предпочтений, опыт с бенчмарками агентных систем и работа с моделями масштаба 100 миллиардов параметров и выше.

Почему интересно: это роль для тех, кто хочет влиять не на отдельную функцию продукта, а на то, как у компании вообще измеряется и выращивается полезное поведение агента. На что смотреть: огромная зарплатная вилка почти всегда означает серьёзный разброс по уровню ожиданий и автономности.

Откликнуться: ссылка

2. AI Engineer — Emergence AI

Emergence AI нанимает AI Engineer в Ирвайне на стыке платформенной разработки и работы с заказчиком. Компания строит корпоративную платформу для надёжных агентов и прямо пишет, что человеку на этой позиции придётся не только собирать внутренние возможности, но и вместе с клиентами превращать их реальные процессы в повторно используемые функции платформы. Среди тем — оркестрация, исполнение рабочих цепочек, память, управление контекстом, наблюдаемость, происхождение действий и человек в контуре принятия решений.

Факты: полная занятость, Ирвайн; просят от трёх лет промышленной разработки, сильную базу по серверной и распределённой инженерии, уверенную работу с современными ИИ-инструментами разработки вроде Claude Code, Cursor или Codex. В плюс идут LLM, вызов инструментов, поиск с подмешиванием знаний, системы памяти, многоагентная координация, интеграции с корпоративными данными и облачная инфраструктура вроде Kubernetes.

Почему интересно: редкий случай, когда роль даёт и продуктовую глубину, и прямой контакт с реальным внедрением у заказчика, в том числе в полупроводниках и науках о жизни. На что смотреть: формулировка про повторное превращение кастомной работы клиентов в платформенные возможности обещает много контекстных переключений и высокий темп.

Откликнуться: ссылка

3. AI Research Engineer — Cerebro

Cerebro ищет основополагающего исследовательского инженера по ИИ в Нью-Йорке и сразу задаёт редкую рамку: не просто строить агента для финансов, а собрать долгую исследовательскую программу вокруг корректности и проверяемости. Человеку в этой роли предлагают самому формировать повестку, а затем доводить идеи до тонкой настройки моделей, оценивания, инфраструктуры обучения и рабочего развёртывания.

Факты: Нью-Йорк; зарплата от 240 до 290 тысяч долларов; ждут очень сильную исследовательскую базу уровня аспирантуры, публикации, Python, PyTorch, опыт посттренировки и систем агентов. Особенно выделяются требования к формальной проверке учётной логики через Lean 4 или Catala, генерации синтетических данных, оценочным контурам аудиторского класса, а также учёту стоимости и задержек при выводе в продакшен.

Почему интересно: это не универсальный «делаем чат-бота для финансов», а редкая вакансия на пересечении LLM, строгой логики и бухгалтерской корректности. На что смотреть: высокий входной барьер и очень узкая комбинация навыков означают, что роль отлично подходит только тем, кому действительно нравится работать там, где ошибка дорого стоит.

Откликнуться: ссылка

4. Senior Machine Learning Engineer — Alt Platform Inc

Alt, маркетплейс коллекционных карточек, ищет старшего инженера по машинному обучению на удалённую роль, привязанную к Нью-Йорку. Здесь ИИ нужен не ради модного слоя поверх продукта, а для самой денежной части бизнеса: ценообразования и андеррайтинга. Позиция охватывает всё целиком — признаки, обучение, развёртывание, мониторинг, прогон исторических данных и низкозадержные сервисы оценки.

Факты: удалённо, базовая вилка 235–250 тысяч долларов плюс доля в компании; требуется семь и более лет инженерного опыта, не меньше пяти лет поставки моделей в продакшен, сильные Python и SQL, собственные конвейеры признаков, ансамблевые модели или градиентный бустинг, инструменты наподобие MLflow, владение поставкой через CI/CD и инфраструктурой. Компания отдельно упоминает практическое применение LLM или базовых моделей во внутренних или пользовательских сценариях.

Почему интересно: роль хороша для людей, которым важны прямые бизнес-метрики — точность цены, скорость обновления, баланс риска и покрытия. На что смотреть: если хочется чистой исследовательской работы, здесь её будет меньше — это позиция с очень жёсткой привязкой к выручке и операционному результату.

Откликнуться: ссылка

5. Machine Learning Engineer — Apple

Apple нанимает инженера по машинному обучению в Купертино в команде Applied Sensing & Health. Это роль не про общий ИИ-платформенный слой, а про модели, которые превращают данные с датчиков в понятные выводы о здоровье и физической активности для Apple Watch, iPhone и связанных продуктов. Повседневная работа здесь, судя по описанию, будет крутиться вокруг многоканального объединения сигналов, моделирования движений человека и интерпретируемых алгоритмов на временных рядах.

Факты: Купертино; нужен как минимум магистерский уровень и от трёх лет в количественной аналитике данных, сильный опыт с моделями машинного или глубокого обучения для временных рядов, Python, PyTorch или TensorFlow. Отдельно упомянуты проверка алгоритмов на синтетических и реальных данных с использованием генеративного ИИ, а также плотная работа с учёными, контролем качества, инженерами и руководителями проекта.

Почему интересно: это одна из тех вакансий, где ИИ прямо упирается в массовый пользовательский продукт и чувствительную тему здоровья. На что смотреть: роль почти наверняка потребует аккуратности к интерпретируемости и валидации, поэтому она подойдёт тем, кто не устает от длительных циклов проверки.

Откликнуться: ссылка

6. Research Engineer — Maker Maker AI

Maker Maker AI ищет старшего исследовательского инженера в Сан-Франциско на позицию, которая держит вместе исследование и эксплуатационную надёжность. По описанию, человек будет строить всё, что помогает доводить модельную работу до устойчивого производственного состояния: обучение, оценивание, развёртывание, версионирование данных, валидацию, наблюдаемость, тестирование и общее ужесточение контура.

Факты: Сан-Франциско; хотят шесть и более лет опыта в инженерии исследовательских систем, сильные Python и PyTorch либо JAX, а также практику с платформами экспериментов вроде Ray, Slurm или Kubernetes. Команда подчёркивает высокий уровень самостоятельности, совместную работу с исследователями и ожидание, что человек будет задавать инженерные стандарты для небольшой сильной группы.

Почему интересно: вакансия хороша для тех, кому ближе не придумать новую архитектуру, а сделать так, чтобы исследовательская работа воспроизводилась, наблюдалась и не рассыпалась при выпуске. На что смотреть: в маленькой старшей команде объём ответственности почти всегда шире, чем формальный заголовок роли.

Откликнуться: ссылка

7. AI Engineer - AI/ML/LLM/GenAI — Dexian

Через Dexian вышел полностью удалённый контрактный набор на AI Engineer, и это самый прикладной вариант сегодняшней подборки для тех, кто умеет доводить LLM-системы до рабочего состояния. Роль рассчитана на девять и более месяцев и выглядит как мост между быстрым прототипом и настоящей эксплуатацией: от серверных интерфейсов и конвейеров до журналов, трассировки, контроля деградации и общения с продуктовыми заказчиками.

Факты: сто процентов удалённо; ставка 60–65 долларов в час; контракт от девяти месяцев. Нужны шесть и более лет Python, поиск с подмешиванием знаний, тонкая настройка, векторные хранилища, агентные фреймворки, проектирование серверов MCP, SQL и SQL Server, Azure или Microsoft Fabric, Datadog и полный цикл эксплуатации — от интерфейсов и конвейеров до логов, трассировки и мониторинга дрейфа.

Почему интересно: это хороший вариант для сильного прикладника, который любит быстро собирать полезную систему и затем жёстко её стабилизировать. На что смотреть: контрактная природа роли и очень широкий стек намекают на формат «много шляп сразу», так что важно заранее понять, сколько там будет собственно инженерии, а сколько срочной интеграционной работы.

Откликнуться: ссылка