Foundation Model Research Engineer

담당업무

• 인터넷이 닿지 않는 환경에서 동작하는 자체 파운데이션 모델 학습

• 사전학습(pre-training)·지속사전학습(CPT)·사후학습(SFT·DPO·RLVR) 파이프라인 설계 및 운영

• 코딩·개발 도메인 정형·비정형 데이터 수집, 분류, 정제, 토큰화, 적재 파이프라인 구축

• 데이터 품질 관리 및 모델 성능 개선

• 폐쇄망·온프레미스 환경 모델 서빙

• vLLM 등 추론 스택 통합, 양자화·커스텀 커널·서빙 최적화

• 코드 벤치마크 및 자체 평가 harness 구축·운영과 학습 사이클 반영

• 에어갭 배포를 위한 모델 경량화·패키징 및 재현 가능한 운영 체계 구축

• 국방·공공·금융·의료 현장의 개발 업무에 모델 적용

• 고객 문제 정의와 현장 피드백의 모델 개선 연결

자격요건

• LLM·딥러닝 모델 학습 실무 경험

• pre-training 또는 post-training(SFT·RLHF·DPO 등) 파이프라인 운영 경험

• PyTorch 기반 학습 코드 수정·확장 역량

• transformers 및 분산 학습(DeepSpeed·FSDP 등) 경험

• GPU 자원 운영 경험

• LLM 추론 서빙(vLLM·TGI·TensorRT-LLM 등) 및 양자화 실무 이해

• Linux·Docker·GPU 환경 문제 해결 역량

우대사항

• 정밀 양자화(FP8·FP4·NVFP4), 커스텀 커널, 서빙 스택 포팅 경험

• 온프레미스·폐쇄망·엔터프라이즈 반입 환경 배포 경험

• SWE-bench류 또는 자체 코드 벤치마크 harness 구축 경험

• HuggingFace 오픈웨이트 공개, Transformers PR, 리더보드 등재 이력

• 강화학습 기반 post-training(RLVR·GRPO 등) 실험 경험

• ACL·ICLR·NeurIPS·EMNLP 등 top-tier 학회 논문 실적

• HuggingFace 모델·데이터셋 커뮤니티 채택 사례

• vLLM·veRL·transformers 등 LLM 오픈소스 기여 경험 또는 5k+ stars 오픈소스 배포·유지 경험

지원방법

• 이력서 제출 필수

• 포트폴리오 제출 선택

• 지원 전 콜챗을 통한 포지션·조직 문화·비전 문의 가능

전형절차

1. 서류 전형

2. 동료 인터뷰 40분

3. 리더 인터뷰 40분

4. 최종 합격

근무환경

• 기반 모델 연구·개발을 위한 GPU 등 인프라 지원

• 연구·개발 업무와 고객 현장 문제 해결을 연결하는 업무 환경

• 다양한 전형 운영 및 신속한 진행

마감기한

채용시 마감