AI Research Engineer (Search & Agent) (경력)

담당업무

• 상품·장소·웹 문서·대화 등 다양한 도메인의 AI 검색 모델 연구

• 검색 품질 평가용 데이터셋·벤치마크·학습 파이프라인 구축

• 연구 결과의 실제 카카오 서비스 적용 및 대규모 트래픽 환경 성능 검증

• Agentic Search LLM의 계획·탐색·도구 활용 연구와 GRPO 기반 학습·최적화

• Embedding, Bi-Encoder, Cross Encoder 기반 검색 랭킹 모델 학습 및 개선

• Dense Retrieval, Reranking, Hybrid Search 등 검색 파이프라인 품질 개선

• 검색 모델의 대규모 트래픽 서빙 및 추론 최적화

• 어뷰징·스팸·중복 문서·상품 등 저품질 데이터 탐지 모델 연구

• 대용량 상품·웹 문서의 속성 추출 및 정규화 모델링

• LLM-as-a-Judge 기반 품질 평가 체계 구축 및 사람 평가와의 정합성 검증

• 카카오맵 검색, 커머스 상품 검색, 카나나 검색 등 카카오 서비스 적용

자격요건

• 머신러닝 기본 개념과 모델 학습 원리 설명 역량

• Loss, Optimization, Sampling, Evaluation Metric 선택 이유 설명 역량

• 가설 수립과 재현 가능한 실험을 통한 문제 원인 분석 경험

• 학습·추론·평가·배포와 실제 서비스 품질의 차이를 고려한 문제 해결 경험

• Agentic Search LLM: PPO·GRPO 등 Policy Optimization 기반 LLM 강화학습 경험

• Agentic Search LLM: LLM 학습 결과 분석 및 실험을 통한 성능 개선 경험

• Search Ranking Model: Embedding Model, Bi-Encoder 또는 Cross Encoder 학습·개선 경험

• Search Ranking Model: 학습 데이터 구성, Negative Sampling 및 평가 경험

• Search Data Modeling: LLM·Embedding·분류 모델을 활용한 데이터 품질 문제 해결 경험

• Search Data Modeling: 평가 데이터셋과 지표를 직접 설계·구현한 경험

우대사항

• Dynamic Environment 기반 강화학습 경험

• 검색·브라우징·Tool Use Agent 연구 경험

• BrowseComp 등 Search LLM Benchmark 기반 모델 평가·개선 경험

• Agent Planning, Tool Calling, Long-Horizon Reasoning 연구 경험

• 대규모 LLM 학습 또는 분산 학습 파이프라인 구축 경험

• Web Search 또는 대규모 Information Retrieval 모델 연구 경험

• MTEB·RTEB 등 검색·임베딩 벤치마크 활용 경험

• Dense Retrieval, Reranking, Hybrid Search 연구 경험

• Hard Negative Mining, Knowledge Distillation, Contrastive Learning 경험

• LLM-as-a-Judge 평가 체계 및 human eval alignment 검증 경험

• 어뷰징·스팸·광고성 콘텐츠와 중복·유사 상품·문서 탐지 경험

• 새로운 논문을 실제 모델과 시스템으로 구현하는 역량

• 정답이 정해지지 않은 문제를 스스로 정의하고 해결한 경험

• 연구 결과를 동료들과 투명하게 공유하고 협업하는 역량

전형절차

1. 서류전형

2. 코딩테스트

3. 사전 인터뷰

4. 1차 인터뷰

5. 2차 인터뷰

6. 처우 협의

7. 최종 합격 및 입사

8. 영입 진행 상황에 따라 레퍼런스 체크 등 추가 또는 변경 가능

근로제도

• 월 총 근무시간 범위 내에서 하루 업무 시작·종료 시간을 설정하는 완전선택근무제

• 매월 마지막 주 금요일 리커버리데이

• 리커버리데이가 없는 주 주 1일 원격근무 가능

• InfiniBand 기반 GPU 클러스터를 활용한 대규모 분산 학습·추론 환경

• 논문 게재 및 학회 참가 지원

마감기한

채용시 마감