포지션 상세
올거나이즈는 산업 특화 온프레미스 LLM 모델부터 노코드 LLM 앱 빌더 및 앱 마켓까지 LLM의 모든 것을 제공하는 LLM 올인원 솔루션 기업입니다. 올거나이즈의 핵심제품은 '올인원 LLM 플랫폼' 알리(Alli)이며, 온프레미스 및 SaaS 등 모든 방식으로 엔터프라이즈 기업의 업무 효율성을 증진하고 있습니다. 최근에는 보안 문제까지 해결한 MCP 기반 AI Agent Builder를 공개하는 등 AI Agent 시대에도 주도적인 기술 혁신을 이어가고 있습니다.
현재 미국, 일본, 한국에서 300개 이상의 엔터프라이즈 기업 고객에게 서비스를 제공하고 있으며, 대표 고객사로는 ▷한국 KB증권, 하나은행, 하나증권, NH투자증권, 현대카드, LH공사, SK케미칼, 삼성SDS, 대우건설, 이노션 ▷일본 미쓰이스미토모은행(SMBC)금융그룹, 노무라증권, 아사카은행, 히타치, 도쿄 메트로, 코카콜라 재팬 ▷미국 트래블러스, 오클라호마州정부(OKLAHOMA) 등이 있습니다.
올거나이즈는 시리즈 B까지 누적 3,500만 달러(약 468억 원)의 투자를 유치했으며, 일본 시장 확대와 도쿄증권거래소 상장을 목표로 2022년 본사 기능을 일본 도쿄로 이전했습니다.
올거나이즈는 한국, 일본, 미국에 글로벌 오피스를 두고, 각국 현지 법인과 협업하며 글로벌 시장에서 AI 솔루션을 제공하고 있습니다.
[LLM Research Engineer]
우리는 최신 LLM 기술을 연구하지만, 그보다 더 중요한 건 고객의 현실적인 문제를 해결하기 위해 이를 ‘어떻게 적용하느냐' 입니다.
어제 나온 기술을 오늘 분석하고, 내일 사내 파이프 라인에 통합할 수 있도록 빠르게 움직입니다.
그 빠른 실험과 검증을 가능하게 만드는 실행 파이프 라인을 설계하고, 대규모 모델을 직접 학습하며, 기술의 진짜 쓰임을 테스트합니다.
· 대규모 모델 학습 파이프라인 구성 및 운영
· 실제 현업 문제 해결을 위한 task-specific reward modeling
· 저자원 언어 또는 특정 도메인 특화 모델 개발 및 평가
· 사내외 태스크 정의 및 벤치마크 설계
· 실험 주기의 가속화를 위한 자동화된 실험/배포 파이프라인 기획 및 구현
[사용 스택]
· LLM: NeMo, trl, VeRL, Torch-Titan, DeepSpeed, vLLM, MergeKit
· 데이터 및 로깅: datatrove, langfuse, litellm, gradio
· AI: Cursor, Claude code, Codex
[기타 정보]
· 커뮤니케이션 도구: Slack, Linear, GitHub
· 우리는 “빠르게 시도하고, 정량적으로 평가하며, 반복 개선하는 엔지니어링”을 핵심 문화로 삼습니다.
· 기술을 현실 문제 해결에 녹여내는 것에 흥미가 있는 분과 함께할 수 있길 기대합니다.
· Python, PyTorch 기반의 실험 및 프로토타이핑 경험
· 최신 논문을 빠르게 분석하고, 구현/응용한 경험
· 복잡한 문제를 분해하고, 검증 가능한 단위로 실험을 설계한 경험
· Git 기반의 협업 경험 및 실험 reproducibility에 대한 이해
• 인턴 6개월
현재 미국, 일본, 한국에서 300개 이상의 엔터프라이즈 기업 고객에게 서비스를 제공하고 있으며, 대표 고객사로는 ▷한국 KB증권, 하나은행, 하나증권, NH투자증권, 현대카드, LH공사, SK케미칼, 삼성SDS, 대우건설, 이노션 ▷일본 미쓰이스미토모은행(SMBC)금융그룹, 노무라증권, 아사카은행, 히타치, 도쿄 메트로, 코카콜라 재팬 ▷미국 트래블러스, 오클라호마州정부(OKLAHOMA) 등이 있습니다.
올거나이즈는 시리즈 B까지 누적 3,500만 달러(약 468억 원)의 투자를 유치했으며, 일본 시장 확대와 도쿄증권거래소 상장을 목표로 2022년 본사 기능을 일본 도쿄로 이전했습니다.
올거나이즈는 한국, 일본, 미국에 글로벌 오피스를 두고, 각국 현지 법인과 협업하며 글로벌 시장에서 AI 솔루션을 제공하고 있습니다.
[LLM Research Engineer]
우리는 최신 LLM 기술을 연구하지만, 그보다 더 중요한 건 고객의 현실적인 문제를 해결하기 위해 이를 ‘어떻게 적용하느냐' 입니다.
어제 나온 기술을 오늘 분석하고, 내일 사내 파이프 라인에 통합할 수 있도록 빠르게 움직입니다.
그 빠른 실험과 검증을 가능하게 만드는 실행 파이프 라인을 설계하고, 대규모 모델을 직접 학습하며, 기술의 진짜 쓰임을 테스트합니다.
주요업무
· 최신 LLM 논문 기반 실험 설계 및 구현· 대규모 모델 학습 파이프라인 구성 및 운영
· 실제 현업 문제 해결을 위한 task-specific reward modeling
· 저자원 언어 또는 특정 도메인 특화 모델 개발 및 평가
· 사내외 태스크 정의 및 벤치마크 설계
· 실험 주기의 가속화를 위한 자동화된 실험/배포 파이프라인 기획 및 구현
[사용 스택]
· LLM: NeMo, trl, VeRL, Torch-Titan, DeepSpeed, vLLM, MergeKit
· 데이터 및 로깅: datatrove, langfuse, litellm, gradio
· AI: Cursor, Claude code, Codex
[기타 정보]
· 커뮤니케이션 도구: Slack, Linear, GitHub
· 우리는 “빠르게 시도하고, 정량적으로 평가하며, 반복 개선하는 엔지니어링”을 핵심 문화로 삼습니다.
· 기술을 현실 문제 해결에 녹여내는 것에 흥미가 있는 분과 함께할 수 있길 기대합니다.
자격요건
· Transformer 기반 모델에 대한 구조 및 학습 메커니즘 이해· Python, PyTorch 기반의 실험 및 프로토타이핑 경험
· 최신 논문을 빠르게 분석하고, 구현/응용한 경험
· 복잡한 문제를 분해하고, 검증 가능한 단위로 실험을 설계한 경험
· Git 기반의 협업 경험 및 실험 reproducibility에 대한 이해
고용조건
• 단기인턴형• 인턴 6개월