Tech-AI Researcher

담당업무

• 새로운 기법·모델 실험 및 정량 검증

• SFT, DPO, RLHF, GRPO 등 Preference Optimization 적용 및 효과 검증

• 캐릭터성·기억력·문체를 정량 지표로 정의하고 LLM 품질 개선

• 프롬프트 엔지니어링으로 모델 변경 없이 품질 한계 개선

• Quantization, Knowledge Distillation을 활용한 비용 감축

• 모델 오케스트레이션과 서빙 전략에 대한 기술 인사이트 제공

• diffusion, TTS, STT 등 인접 모달리티 탐구

• 재현 가능한 eval과 문서 작성 및 Product Engineer 핸드오프

• 검증 결과와 근거를 팀 지식 자산으로 축적

자격요건

• Python, TypeScript, Go 활용

• 여러 LLM 프로바이더와 자체 모델 호스트 경험

• PyTorch 기반 학습·평가 파이프라인 경험

• GCP 및 GPU 클러스터 관련 경험

• LLM 파인튜닝 경험 및 Preference Optimization 계열 적용 경험

• 실험 주제와 방법을 직접 정의하고 결과를 정량 지표로 검증한 경험

• Python과 PyTorch로 학습·평가 파이프라인을 직접 구현하고 개선한 경험

• 모델 품질을 재현 가능한 수치로 만드는 eval 설계 경험

우대사항

• DPO, RLHF, GRPO 등 Preference Optimization의 실제 서비스 적용 경험

• Quantization, Knowledge Distillation 등 경량화·비용 감축 경험

• FSDP, DeepSpeed, Slurm 기반 멀티 클러스터 분산 학습 경험

• diffusion, TTS, STT 등 인접 모달리티 프로젝트 경험

• 캐릭터성, 페르소나 일관성, 장기 기억 등 대화 품질 문제 경험

• 멀티 모델 오케스트레이션과 서빙 전략 이해

• NeurIPS, ICML, ICLR, ACL, EMNLP 등 주요 학회 1저자 논문 또는 Kaggle 수상

• Hugging Face, vLLM, DeepSpeed 등 AI·ML 오픈소스 기여 경험

• 기술 블로그나 사내 문서로 지식을 남기고 재현하게 만든 경험

보상과 복리후생

• 연봉 경력·역량에 따라 협의

• 식대 지원

• 업무 관련 도서 및 교육비 지원

• 음료·간식 제공

• 문화생활 지원

• 개인 업무 장비 지급

• 2시간 단위 반반차 제도

전형절차

1. 협업 인터뷰 60분

2. Culture fit Interview 60분

3. Technical Interview 60분

4. 처우 협의

근무환경

• 유연근무제

• 08:30~10:30 중 희망 시간 출근

• PoC 전담 트랙

• 실험 결과의 재현 가능한 문서화와 팀 지식 자산화

• Product Engineer와 검증된 접근 및 근거 핸드오프

• AI 에이전트 기반 코딩 및 코드 리뷰·테스트·배포 자동화

• 기획 참여부터 구현·배포·모니터링까지 E2E 오너십

마감기한

채용시 마감