Staff Machine Learning Engineer, Assistance Engineering

О позиции

Команда CSP ML (Community Support Products Machine Learning) в Airbnb отвечает за внедрение генеративного ИИ в клиентскую поддержку: от LLM fine-tuning и RAG/Search до оценки моделей и агентных AI-продуктов. Компания обслуживает более 5 млн хостов и миллиарды поездок по всему миру, поэтому масштаб и сложность задач исключительно высоки. Позиция предполагает полный цикл — от концепции до production — и тесное взаимодействие с продуктовыми, дизайн- и инженерными командами.

Будет плюсом

• Опыт разработки LLM-чат-ботов и агентных AI-продуктов (Agentic AI)
• Опыт работы с системами клиентской поддержки в высоконагруженных маркетплейсах
• Практика LLM evaluation и тестирования

Условия

• Конкурентная базовая зарплата в диапазоне $212 000–$260 000 в год
• Бонусная программа и участие в акционерном капитале (equity)
• Расширенный пакет льгот (benefits)
• Employee Travel Credits — кредиты на путешествия через Airbnb
• Удалённая работа из большинства штатов США
• Работа над задачами мирового масштаба на передовом крае GenAI

Навыки

• Machine Learning
• Deep Learning
• Large Language Models
• LLM Fine-tuning
• Retrieval-Augmented Generation
• Agentic AI
• NLP
• Python
• Distributed Systems
• MLOps
• Model Evaluation
• Prompt Engineering
• Reinforcement Learning from Human Feedback
• Scalable ML Systems

Могут спросить на собеседовании

1. Как вы подходите к выбору между fine-tuning LLM и RAG-архитектурой для задачи клиентской поддержки? Приведите критерии принятия решения.
2. Опишите, как вы проектировали guardrail-механизмы для LLM в production. Какие типы сбоев вы закладывали и как их детектировали?
3. Расскажите о самом сложном случае масштабирования ML-системы, за которую вы несли ownership. Какие архитектурные решения оказались ключевыми?
4. Как вы выстраиваете процесс оценки (evaluation) агентных AI-систем, где результат нестохастичен и зависит от цепочки инструментов?
5. Приведите пример, когда вам приходилось убеждать продуктовую или дизайн-команду изменить требования из-за ML-ограничений. Как вы это делали?