포지션 상세
AI 리서치 엔지니어로 합류하시면 혁신의 최전선에서 LLM, Text-to-Image, Text-to-Video 등 다양한 도메인을 아우르는 차세대 생성형 AI 모델 및 기술 개발을 주도하게 됩니다. 획기적인 연구 결과를 실제적인 영향력과 결합하여 AI 기술의 진화를 이끌고, 최첨단 아이디어를 미래를 혁신할 솔루션으로 탈바꿈시키는 핵심적인 역할을 수행합니다.
이 포지션은 단순한 직업을 넘어, 가능성의 한계를 넓히기 위한 여정입니다. 산업의 기준을 재정의하고 새로운 가능성을 제시하는 제품을 만드는 동시에, AI 분야의 가장 난해한 과제들을 해결하는 데 몰두하게 될 것입니다. 우리는 호기심, 창의성, 두려움 없는 실험 정신을 존중하며, 대담한 아이디어가 현실이 될 수 있도록 적극적으로 지원하는 업무 환경을 제공합니다.
최첨단 AI 기술을 발전시키는 데 열정을 가지고 있으며, 의미 있는 변화를 주도하여 AI 기반 솔루션의 미래를 만들어가고자 하신다면, 본 포지션은 그 능력을 마음껏 펼칠 최고의 기회가 될 것입니다. 한계 없는 혁신을 추구하는 우리 팀에 합류하세요.
--------------------------------------------------------------------------------------------------------------
As an AI Research Engineer, you will be at the forefront of innovation, leading the development of next-generation generative AI models and technologies across diverse domains, including LLMs, Text-to-Image, and Text-to-Video. Your work will drive the evolution of AI, blending groundbreaking research with real-world impact, and transforming cutting-edge ideas into transformative solutions that shape the future.
This is more than a job—it’s an invitation to push the boundaries of what’s possible. You’ll immerse yourself in solving some of AI’s most challenging problems, all while creating products that redefine industries and inspire new possibilities. We foster an environment that thrives on curiosity, creativity, and fearless experimentation, empowering you to turn bold ideas into reality.
If you’re passionate about advancing the state of the art in AI, driven to create meaningful impact, and eager to build the future of AI-powered solutions, this role is your opportunity to shine.
Join us, and be part of a team where innovation knows no limits!
• Pre/Mid/Post-training
• Inference
• Scaling Laws
• CoT/Reasoning
• Data processing
• Evaluation
• Alignment
• Architecture
• Distributed training
• LLM/Image/Video/Audio
• MLOps
(Architecture, LLM/Image/Video/Audio) 주력 언어/이미지/비디오 등 다양한 모델의 신경망 아키텍처를 고도화하기 위한 응용 연구 수행
(Evaluation, LLM/Image/Video/Audio, Data processing) 주력 언어/이미지/비디오 등 모델의 평가 기준(Evaluation criteria)에 대한 응용 연구 수행
(Pre/Mid/Post-training, Distributed training, Data processing, LLM/Image/Video/Audio) 대규모 학습, 효율적인 샘플링 및 최적화 기법에 대한 응용 연구 수행
(Pre/Mid/Post-training, Distributed training, Scaling Laws) 학습 처리량(Training throughput) 향상을 위한 응용 연구 수행
(Data processing, Evaluation, Pre/Mid/Post-training) 고품질 데이터 수집 및 평가를 위한 새로운 방법론 탐구 및 응용 연구 수행
(Evaluation, CoT/Reasoning, Pre/Mid/Post-training, LLM/Image/Video/Audio, Alignment, Data processing) 인간의 가치, 도덕, 윤리 및 문화적 규범과 관련된 질문에 대해 파운데이션 모델이 정확하게 추론할 수 있도록 능력을 향상시키고, 이렇게 개선된 모델을 실제 안전(Safety) 문제에 적용하는 응용 연구 수행
(Inference, LLM/Image/Video/Audio) 효율적인 추론에 더욱 최적화되도록 생성형 모델 아키텍처를 개선하는 응용 연구 수행
(MLOps, Data processing) 모델의 효율적인 학습, 추론 및 평가를 지원하는 MLOps 시스템 설계, 구축 및 운영
--------------------------------------------------------------------------------------------------------------
[You will]
• (Architecture, LLM/Image/Video/Audio) Conduct applied research for advancing neural network architectures of flagship language/image/video/etc models.
• (Evaluation, LLM/Image/Video/Audio, Data processing) Conduct applied research on evaluation criteria for flagship language/image/video/etc models.
• (Pre/Mid/Post-training, Distributed training, Data processing, LLM/Image/Video/Audio) Conduct applied research on large-scale training/efficient sampling/optimization.
• (Pre/Mid/Post-training, Distributed training, Scaling Laws) Conduct applied research for improving the training throughput.
• (Data processing, Evaluation, Pre/Mid/Post-training) Conduct applied research for collecting and evaluating new methods for high quality data.
• (Evaluation, CoT/Reasoning, Pre/Mid/Post-training, LLM/Image/Video/Audio, Alignment, Data processing) Conduct applied research to improve the ability of foundational models to accurately reason about questions of human values, morals, ethics, and cultural norms, and apply these improved models to practical safety challenges.
• (Inference, LLM/Image/Video/Audio) Conduct applied research on generative model architecture to make them more suitable for efficient inference.
• (MLOps, Data processing) Design, build, and operate MLOps systems that can help you efficiently train, infer, and evaluate models.
이 포지션은 단순한 직업을 넘어, 가능성의 한계를 넓히기 위한 여정입니다. 산업의 기준을 재정의하고 새로운 가능성을 제시하는 제품을 만드는 동시에, AI 분야의 가장 난해한 과제들을 해결하는 데 몰두하게 될 것입니다. 우리는 호기심, 창의성, 두려움 없는 실험 정신을 존중하며, 대담한 아이디어가 현실이 될 수 있도록 적극적으로 지원하는 업무 환경을 제공합니다.
최첨단 AI 기술을 발전시키는 데 열정을 가지고 있으며, 의미 있는 변화를 주도하여 AI 기반 솔루션의 미래를 만들어가고자 하신다면, 본 포지션은 그 능력을 마음껏 펼칠 최고의 기회가 될 것입니다. 한계 없는 혁신을 추구하는 우리 팀에 합류하세요.
--------------------------------------------------------------------------------------------------------------
As an AI Research Engineer, you will be at the forefront of innovation, leading the development of next-generation generative AI models and technologies across diverse domains, including LLMs, Text-to-Image, and Text-to-Video. Your work will drive the evolution of AI, blending groundbreaking research with real-world impact, and transforming cutting-edge ideas into transformative solutions that shape the future.
This is more than a job—it’s an invitation to push the boundaries of what’s possible. You’ll immerse yourself in solving some of AI’s most challenging problems, all while creating products that redefine industries and inspire new possibilities. We foster an environment that thrives on curiosity, creativity, and fearless experimentation, empowering you to turn bold ideas into reality.
If you’re passionate about advancing the state of the art in AI, driven to create meaningful impact, and eager to build the future of AI-powered solutions, this role is your opportunity to shine.
Join us, and be part of a team where innovation knows no limits!
주요업무
[Scope of Responsibilities]• Pre/Mid/Post-training
• Inference
• Scaling Laws
• CoT/Reasoning
• Data processing
• Evaluation
• Alignment
• Architecture
• Distributed training
• LLM/Image/Video/Audio
• MLOps
(Architecture, LLM/Image/Video/Audio) 주력 언어/이미지/비디오 등 다양한 모델의 신경망 아키텍처를 고도화하기 위한 응용 연구 수행
(Evaluation, LLM/Image/Video/Audio, Data processing) 주력 언어/이미지/비디오 등 모델의 평가 기준(Evaluation criteria)에 대한 응용 연구 수행
(Pre/Mid/Post-training, Distributed training, Data processing, LLM/Image/Video/Audio) 대규모 학습, 효율적인 샘플링 및 최적화 기법에 대한 응용 연구 수행
(Pre/Mid/Post-training, Distributed training, Scaling Laws) 학습 처리량(Training throughput) 향상을 위한 응용 연구 수행
(Data processing, Evaluation, Pre/Mid/Post-training) 고품질 데이터 수집 및 평가를 위한 새로운 방법론 탐구 및 응용 연구 수행
(Evaluation, CoT/Reasoning, Pre/Mid/Post-training, LLM/Image/Video/Audio, Alignment, Data processing) 인간의 가치, 도덕, 윤리 및 문화적 규범과 관련된 질문에 대해 파운데이션 모델이 정확하게 추론할 수 있도록 능력을 향상시키고, 이렇게 개선된 모델을 실제 안전(Safety) 문제에 적용하는 응용 연구 수행
(Inference, LLM/Image/Video/Audio) 효율적인 추론에 더욱 최적화되도록 생성형 모델 아키텍처를 개선하는 응용 연구 수행
(MLOps, Data processing) 모델의 효율적인 학습, 추론 및 평가를 지원하는 MLOps 시스템 설계, 구축 및 운영
--------------------------------------------------------------------------------------------------------------
[You will]
• (Architecture, LLM/Image/Video/Audio) Conduct applied research for advancing neural network architectures of flagship language/image/video/etc models.
• (Evaluation, LLM/Image/Video/Audio, Data processing) Conduct applied research on evaluation criteria for flagship language/image/video/etc models.
• (Pre/Mid/Post-training, Distributed training, Data processing, LLM/Image/Video/Audio) Conduct applied research on large-scale training/efficient sampling/optimization.
• (Pre/Mid/Post-training, Distributed training, Scaling Laws) Conduct applied research for improving the training throughput.
• (Data processing, Evaluation, Pre/Mid/Post-training) Conduct applied research for collecting and evaluating new methods for high quality data.
• (Evaluation, CoT/Reasoning, Pre/Mid/Post-training, LLM/Image/Video/Audio, Alignment, Data processing) Conduct applied research to improve the ability of foundational models to accurately reason about questions of human values, morals, ethics, and cultural norms, and apply these improved models to practical safety challenges.
• (Inference, LLM/Image/Video/Audio) Conduct applied research on generative model architecture to make them more suitable for efficient inference.
• (MLOps, Data processing) Design, build, and operate MLOps systems that can help you efficiently train, infer, and evaluate models.
