Старший ML инженер по оптимизации

Что предстоит делать

Навыки: Python, Docker, Linux, vLLM, LLM, PyTorch, Машинное обучение, Blockchain. Квалификация: Senior. Специализации: ML разработчик. **О нас:** Мы являемся ведущим участником децентрализованной AI-сети Gonka (), используя высокопроизводительную GPU-инфраструктуру для максимизации наград за майнинг. Мы ищем инженера по оптимизации машинного обучения (ML Optimization Engineer), который поможет нам достичь превосходной эффективности и веса в экосистеме Gonka. **Ключевые обязанности:** - Внедрение продвинутых оптимизаций инференса (спекулятивное декодирование, квантизация, модификации механизма внимания и т.д.) для максимизации веса майнинга — техники, которые, как уже доказано, позволяют другим участникам достигать двойного веса при идентичных GPU - Тонкая настройка конфигураций Docker для различных моделей GPU на основе доступного реестра - Разработка пользовательских стратегий оптимизации, балансирующих пропускную способность и качество - Создание и поддержка пользовательских Docker-образов, оптимизированных для конкретных архитектур GPU - Проектирование и внедрение систем для стабильного и масштабируемого майнинга Gonka и других протоколов - Разработка оптимизированных образов для Tenstorrent AI ASIC для расширения нашей аппаратной экосистемы за пределы текущего развертывания GPU - Миграция Python-кода и реализаций VLLM на новые образы VLLM и их адаптация для конкретных видеокарт **Необходимые требования:** - Подтвержденный опыт работы с техниками оптимизации больших языковых моделей - Глубокое понимание архитектур трансформеров и механизмов внимания - Владение PyTorch, CUDA и техниками оптимизации GPU - Опыт работы с vLLM, FlashInfer или аналогичными фреймворками оптимизации инференса - Знакомство с контейнеризацией Docker и управлением GPU-нагрузками **Желательные требования:** - Опыт работы с Claude Code Max (будет предоставлен при необходимости) - Предыдущий опыт работы с Gonka или аналогичными децентрализованными AI-сетями - Опыт в соревновательном ML или оптимизации распределенных систем - Опыт работы с архитектурами NVIDIA GPU (B200/B300/H200/H100/A100) - Знание Tenstorrent AI ASIC или других специализированных AI-аппаратных средств **Что мы предлагаем:** - Возможность работы с передовой AI-инфраструктурой - Высокие бонусы, привязанные к производительности и достигнутым улучшениям веса - Возможность перехода на полную занятость с процентом от прибыли майнинга - Гибкая удаленная рабочая среда - Доступ к высококлассному GPU-оборудованию для экспериментов **Процесс подачи заявки:** Заинтересованные кандидаты должны отправить свое резюме вместе с кратким описанием соответствующего опыта в оптимизации ML или идеями по повышению производительности.