AI Research Engineer Intern (체험형)

담당업무

• LLM/VLM 경량화 및 추론 최적화

• 대규모 MoE 모델의 양자화 기술 연구·개발

• Post-Training Quantization(PTQ)

• Quantization-Aware Training(QAT)

• 구조적·비구조적 프루닝 및 희소화 연구·개발

• Calibration, Reconstruction 및 Fine-tuning 방법론 개발

• 추론 프레임워크 기반 최적화(TensorRT-LLM, vLLM, SGLang, ONNX Runtime 등)

• CUDA, Triton 또는 NPU Vendor SDK를 활용한 고성능 연산자/커널 개발

• KV Cache 최적화, Dynamic Batching, Speculative Decoding 등 추론 가속 기술 개발

• 하드웨어 인지형 모델 최적화: GPU/NPU별 연산자/정밀도 대응

• 모델 변환, 컴파일, 런타임 연동 및 실제 디바이스 성능 검증

• End-to-End Latency, Throughput, Memory Usage 및 전력 효율 개선

• 다양한 하드웨어에서의 배포 최적화 연구개발

• 연구 결과의 특허 출원, 논문 발표 및 학술대회 발표

자격요건

• LLM/VLM 또는 Transformer 기반 모델에 대한 깊은 이해

• MoE 양자화, 프루닝, 희소화 또는 추론 최적화 기술의 프로젝트 적용 경험

• 현업에서의 연구/개발 역량

• 자립적으로 문제 정의 및 실험 설계·수행 가능

• 해외 출장 및 여행에 결격 사유 없음

우대사항

• 학술대회 논문 게재 경험(NeurIPS/ICML/ICLR/ACL 등) 우대

• 논문, 특허 또는 오픈소스 실적

• 경량화 기술 구현 또는 확장 경험

• TensorRT-LLM, DeepSpeed, Megatron-LM 등 대규모 모델 추론 시스템 개발 경험

• CUDA 또는 Triton 기반 GPU 커널 최적화 경험

• NPU/ASIC/Edge AI 가속기 포팅·최적화 경험

• NPU Vendor SDK, Compiler/Runtime 활용 모델 변환 및 배포 경험

• Custom Operator 또는 Custom Kernel 개발 경험

• MoE Expert Routing/Load Balancing/Parallelism 및 통신 최적화 경험

전형절차

1. 서류 검토

2. 과제

3. 1차 인터뷰

4. 입사 일자 협의

5. 최종 선발

근무기간

근무 기간: 6개월

팀의메시지

팀의 미션: 다양한 NPU, GPU, AI 가속기 환경에서 LLM과 Computer Vision 모델의 전체 생명주기를 설계·구현

접수방법

지원방법: 지원하기

마감기한

상시채용