![업스테이지-[인턴] AI Research Engineer - LLM Eval](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F16049%2Fkye6pprbfw3f2ir6__1080_790.png&w=700&q=100)
포지션 상세
업스테이지는 AI 기술을 활용하여 비즈니스 문제 해결에 주력하는 기업으로, "Making AI Beneficial"이라는 비전과 "Artificial General Intelligence (AGI) for Work"라는 미션을 기반으로 운영됩니다. 단순한 업무 자동화를 넘어, 복잡한 의사결정 지원 및 비용 절감을 통해 기업의 생산성을 혁신적으로 향상시키는 AI 솔루션 개발에 집중하고 있습니다.
이러한 비전 실현을 위해 업스테이지는 AGI의 핵심 기반 기술인 LLM(Large Language Model) 모델을 지속적으로 발전시키고 있습니다. 기술 경쟁력 강화를 위해 Global Frontier에서 추적하는 벤치마크 지표를 통하여 모델 성능을 진단 및 개선하며, 동시에 고객사의 실제 니즈를 반영한 Workspace Benchmark Set을 구축해 모델의 실용성과 성능을 극대화에 활용하고 있습니다. 이를 통해 업스테이지는 산업 현장의 복잡한 문제를 해결하는 동시에 글로벌 수준의 기술 표준을 선도하기 위해 노력하고 있습니다.
LLM Eval 팀은 (1) 지식/추론 능력, (2) 인간 선호도 정렬(human preference alignment), (3) 에이전트형 도구 활용(agentic tool use) 분야의 성능 평가 벤치마크 및 툴킷을 연구·개발하며, 글로벌 프론티어 LLM들이 주목하는 벤치마크 동향을 실시간 모니터링해 Solar의 기술 전략에 부합하는 평가 체계를 구축합니다. 벤치마크 개발은 ① 다국어(한국어 포함) 평가 데이터의 언어 편향성 해소, ② 문화·언어 이해도 및 선호도 측정을 위한 데이터 설계, ③ 기존 평가 데이터의 한계 극복을 위한 확장/신규 구축을 핵심 목표로 합니다. 이 팀에 합류한다면, 프론티어 모델과 Solar을 다각적으로 평가·진단하며 데이터 기반의 기술 로드맵을 공동으로 설계해 나갈 수 있습니다.
• Automatic quality assessment system development
• Solar safety benchmark development
• Solar edge-case (failure or error) benchmark development
• Complex structured text generation benchmark development
** 기술의 흐름과 상황에 따라서 개발하는 프로젝트는 변화하며, 프로젝트는 각 시점에 LLM 모델 발전에 가장 영향력있는 기술 요소에 집중합니다.
• AI 모델 평가 및 분석 관련 토픽으로 국제 학회에서 출판 기록 (공저자 포함)
• 또는 ML과 NLP 토픽으로 국제 학회에서 출판 기록 (1저자 혹은 교신저자)
May helpful
• AI 모델 평가를 위한 데이터 수집, 생성, 정제등을 수행해 본 경험
• Agentic flow (w/ tool use)를 설계 및 개발해본 경험
• Failure analysis를 기반으로 데이터를 하나하나 들여다 보고 인사이트를 얻을 수 있는 집중력
• 논리적인 사고실험을 수행하고 가설/검증의 방식으로 실험 설계 및 결과를 도출할 수 있는 사고력
• 복잡한 데이터 협업 프로토콜 (규칙) 을 정돈할 수 있는 시스템적 사고 능력
• 레슨런을 효과적이고 효율적으로 전파하고 논의할 수 있는 의사소통 능력
• 인턴 3개월
이러한 비전 실현을 위해 업스테이지는 AGI의 핵심 기반 기술인 LLM(Large Language Model) 모델을 지속적으로 발전시키고 있습니다. 기술 경쟁력 강화를 위해 Global Frontier에서 추적하는 벤치마크 지표를 통하여 모델 성능을 진단 및 개선하며, 동시에 고객사의 실제 니즈를 반영한 Workspace Benchmark Set을 구축해 모델의 실용성과 성능을 극대화에 활용하고 있습니다. 이를 통해 업스테이지는 산업 현장의 복잡한 문제를 해결하는 동시에 글로벌 수준의 기술 표준을 선도하기 위해 노력하고 있습니다.
LLM Eval 팀은 (1) 지식/추론 능력, (2) 인간 선호도 정렬(human preference alignment), (3) 에이전트형 도구 활용(agentic tool use) 분야의 성능 평가 벤치마크 및 툴킷을 연구·개발하며, 글로벌 프론티어 LLM들이 주목하는 벤치마크 동향을 실시간 모니터링해 Solar의 기술 전략에 부합하는 평가 체계를 구축합니다. 벤치마크 개발은 ① 다국어(한국어 포함) 평가 데이터의 언어 편향성 해소, ② 문화·언어 이해도 및 선호도 측정을 위한 데이터 설계, ③ 기존 평가 데이터의 한계 극복을 위한 확장/신규 구축을 핵심 목표로 합니다. 이 팀에 합류한다면, 프론티어 모델과 Solar을 다각적으로 평가·진단하며 데이터 기반의 기술 로드맵을 공동으로 설계해 나갈 수 있습니다.
주요업무
[Representative projects]• Automatic quality assessment system development
• Solar safety benchmark development
• Solar edge-case (failure or error) benchmark development
• Complex structured text generation benchmark development
** 기술의 흐름과 상황에 따라서 개발하는 프로젝트는 변화하며, 프로젝트는 각 시점에 LLM 모델 발전에 가장 영향력있는 기술 요소에 집중합니다.
자격요건
Strongly wanted• AI 모델 평가 및 분석 관련 토픽으로 국제 학회에서 출판 기록 (공저자 포함)
• 또는 ML과 NLP 토픽으로 국제 학회에서 출판 기록 (1저자 혹은 교신저자)
May helpful
• AI 모델 평가를 위한 데이터 수집, 생성, 정제등을 수행해 본 경험
• Agentic flow (w/ tool use)를 설계 및 개발해본 경험
• Failure analysis를 기반으로 데이터를 하나하나 들여다 보고 인사이트를 얻을 수 있는 집중력
• 논리적인 사고실험을 수행하고 가설/검증의 방식으로 실험 설계 및 결과를 도출할 수 있는 사고력
• 복잡한 데이터 협업 프로토콜 (규칙) 을 정돈할 수 있는 시스템적 사고 능력
• 레슨런을 효과적이고 효율적으로 전파하고 논의할 수 있는 의사소통 능력
고용조건
• 단기인턴형• 인턴 3개월
