![사이오닉에이아이-[전문연구요원] AI/ML - LMM Foundation Model Research](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F49624%2Fqoszs214rcdvujur__1080_790.jpg&w=700&q=100)
포지션 상세
비개발자도 자연어로 쉽게 AI Agent를 생성할 수 있고, 목적에 맞게 커스텀한 AI Agent를 활용해 업무를 효율화합니다
1. 우리가 성공할 수 밖에 없는 이유
명확한 시장의 니즈
- 많은 기업들이 AI 도입의 필요성은 느끼지만, 어떤 업무를 어떻게 AI로 효율화해야 하는지에 대한 명확한 답을 찾지 못하고 있어요.
- AI 적용 방향이 정의되더라도, 이를 실제로 실행하고 운영할 수 있는 유저 친화적인 도구가 부족해 도입이 지연되거나 PoC에 머무는 경우가 많아요.
- Sionic AI의 플랫폼은 기술과 기업 사이의 간극을 잇는 다리로서, AI가 실제 비즈니스 성과로 이어지도록 돕습니다.
독보적인 기술력
- Sionic AI는 LLM, RAG, Parser 등 생성형 AI에 필수적인 핵심 기술을 모두 자체 보유하고 있으며, 이를 독자적인 제품 설계에 활용하고 있어요.
- 자체 개발한 Embedding 모델은 글로벌 MTBE 1위를 달성했으며, sLLM 또한 주요 벤치마크에서 상위권 성과를 기록하며 기술력을 입증했어요.
서로에 대한 믿음 아래 만들어진 문화와 유연한 근무 환경
- 서로에 대한 신뢰를 바탕으로, 각자가 주도적으로 문제를 정의하고 해결하는 문화를 지향해요.
- 자율적인 판단 하에 원하는 시간과 장소에서 몰입할 수 있는 근무 환경을 제공해요
- 업무에 필요한 도구와 지원에 있어 회사의 아낌없는 지원을 받습니다.
네이버, 라인, 토스 등에서 AI 경험을 쌓은 초기 멤버와 함께하세요
- https://toss.im/slash-22/sessions/3-2
- https://www.aitimes.kr/news/articleView.html?idxno=25935
- https://ddaily.co.kr/page/view/2021052516303260965
- https://deview.kr/2019/schedule/310
- https://n.news.naver.com/mnews/article/018/0003868747?sid=105
2. 우리는 당신이 필요해요!
우리는 이러한 `가치`들을 제공해드릴 수 있어요
- 지난 12월 250억 규모의 시리즈A 투자를 성공적으로 유치했으며 이를 기반으로 인재 확보에 집중하고 있어요.
[AI 에이전트 구축 솔루션 사이오닉에이아이, 시리즈A 투자 유치](https://www.news1.kr/industry/sb-founded/5993377)
- https://www.forbeskorea.co.kr/news/articleView.html?idxno=400913
- 저희와 함께하는 시간은 커리어에 도움이 되는 가치있는 경험을 쌓는 데 도움이 되실 수 있을 것이라 확신해요.
- 저희가 어떤 경험들을 쌓고 있는지 궁금하시다면 [테크 블로그](https://blog.sionic.ai/)를 확인해주세요
3. 우리가 풀고 있는 문제
쉽게 사용할 수 있는 AI 기술을 위해서는 사람 말을 잘 이해할 수 있는 AI가 필요해요. Sionic AI는 기업이 자신만의 AI Agent를 생성할 수 있는 플랫폼 Storm 을 만들고 있고, AI 모델 및 시스템 개발/최적화를 통해 이 AI-native 제품을 더욱 강력하고 혁신적으로 만들어 고객에게 최상의 경험을 제공하고자 해요.
VLM Post-training 팀은 Storm 플랫폼의 시각 이해 능력과 안전한 행동을 책임지는 팀이에요.
- Storm Parse 고도화 — 표, 그래프, 도면, 차트 등 복잡한 비즈니스 문서를 정확하게 파싱하는 VLM의 사후학습 및 성능 최적화
- VLM 정렬(Alignment) — 기업 환경에 적합한 안전하고 정확한 시각 이해를 위한 SFT/RLHF/GRPO 기반 모델 정렬
- Visual Reasoning — 복잡한 문서 구조에 대한 Chain-of-Thought 기반 시각 추론 능력 강화
- Agentic VLM — 문서 이해 과정에서 자율적 영역 탐색, 도구 활용, 반복 추론이 가능한 에이전트형 VLM 파이프라인
기술 흐름에 따라 프로젝트는 변화하며, 각 시점의 영향력 있는 기술에 집중합니다.
이 도전을 함께할 분을 찾고 있어요.
**Sionic AI의 VLM Post-training Researcher는 아래 업무들을 담당해요.**
VLM/LMM 사후학습 및 정렬
- Supervised Fine-Tuning, RLHF/GRPO 기반 멀티모달 모델 정렬 및 성능 최적화
- RL for VLM — document parsing, visual reasoning, chart understanding 등 구체적 태스크에 대한 강화학습 적용
- 비즈니스 도메인 특화 VLM 모델 개발 — 표, 그래프, 도면, 차트 등 복잡한 문서 구조를 정확하게 이해하는 모델 구축
- 다국어 멀티모달 LMM(Large Multimodal Model)의 지속적 성능 개선 및 고도화
Document-centric VLM 연구
- OCR-free 문서 이해: 문서 이미지를 직접 입력으로 받아 구조와 의미를 동시에 파악하는 End-to-End 모델 연구
- Layout-aware 추론: 레이아웃을 중간 reasoning 단계로 활용하는 기법 연구 및 적용
- Multi-page 문서 이해: 단일 페이지를 넘어 cross-page 참조가 필요한 장문서 처리 연구
Agentic VLM 연구
- 문서 이해 과정에서 자율적 영역 탐색(Visual Grounding), 도구 활용, 반복 추론이 가능한 Agentic VLM 파이프라인 설계 및 개발
- Visual Reasoning — 복잡한 표, 차트, 다이어그램에 대한 Chain-of-Thought 기반 시각 추론 능력 강화
평가 체계 설계 및 구축
- 문서 중심 VLM 모델의 성능을 평가하기 위한 다양한 평가 기법 조사 및 적용
- 실제 사용 환경에 부합하는 새로운 평가 방법의 개발 및 도입
- 지속적인 개선과 확장이 가능한 내부 벤치마크 도구의 설계 및 구현
데이터 수집 파이프라인 설계 및 구축
- 멀티모달 데이터(문서 이미지, 현장 사진, 차트 등)의 수집 및 필터링을 포함한 데이터 수집 파이프라인 설계 및 구축
- 합성 데이터 생성(Synthetic Data Generation) 및 데이터 품질 향상을 위한 전처리·개선 기법의 연구·적용
- 최신 GPU 클러스터(8노드) 환경에서의 분산 학습 설계 및 운영
논문 및 특허
- 연구 결과를 탑티어 국제 학회 논문 또는 오픈소스 코드 형태로 공유
- 최신 논문 재현 및 기법 도입을 위한 선행 연구 주도 및 팀 내 기술 공유
Sionic AI의 AI Researcher는 이런 환경에서 일해요.
NVIDIA B200 16장, B300 64장을 포함한 대규모 GPU 클러스터를 내부 인프라로 보유하고 있으며, 대규모 멀티모달 모델의 학습과 실험에 필요한 컴퓨팅 자원을 자체적으로 운영합니다. 연구에 필요한 인프라 투자에 아낌없는 지원을 하고 있어요.
- 관련 분야 석사 학위 이상 소유자
- 탑티어 국제 학회에 1저자 논문 출판 경험
- VLM/LMM 또는 LLM의 사후학습(Post-training) 및 정렬(Alignment) 연구/적용 경험 (SFT, RLHF, DPO, GRPO 등)
- 재미있는 연구 주제가 떠오르면 직접 실험해보지 않고는 못 배기는 분
1. 우리가 성공할 수 밖에 없는 이유
명확한 시장의 니즈
- 많은 기업들이 AI 도입의 필요성은 느끼지만, 어떤 업무를 어떻게 AI로 효율화해야 하는지에 대한 명확한 답을 찾지 못하고 있어요.
- AI 적용 방향이 정의되더라도, 이를 실제로 실행하고 운영할 수 있는 유저 친화적인 도구가 부족해 도입이 지연되거나 PoC에 머무는 경우가 많아요.
- Sionic AI의 플랫폼은 기술과 기업 사이의 간극을 잇는 다리로서, AI가 실제 비즈니스 성과로 이어지도록 돕습니다.
독보적인 기술력
- Sionic AI는 LLM, RAG, Parser 등 생성형 AI에 필수적인 핵심 기술을 모두 자체 보유하고 있으며, 이를 독자적인 제품 설계에 활용하고 있어요.
- 자체 개발한 Embedding 모델은 글로벌 MTBE 1위를 달성했으며, sLLM 또한 주요 벤치마크에서 상위권 성과를 기록하며 기술력을 입증했어요.
서로에 대한 믿음 아래 만들어진 문화와 유연한 근무 환경
- 서로에 대한 신뢰를 바탕으로, 각자가 주도적으로 문제를 정의하고 해결하는 문화를 지향해요.
- 자율적인 판단 하에 원하는 시간과 장소에서 몰입할 수 있는 근무 환경을 제공해요
- 업무에 필요한 도구와 지원에 있어 회사의 아낌없는 지원을 받습니다.
네이버, 라인, 토스 등에서 AI 경험을 쌓은 초기 멤버와 함께하세요
- https://toss.im/slash-22/sessions/3-2
- https://www.aitimes.kr/news/articleView.html?idxno=25935
- https://ddaily.co.kr/page/view/2021052516303260965
- https://deview.kr/2019/schedule/310
- https://n.news.naver.com/mnews/article/018/0003868747?sid=105
2. 우리는 당신이 필요해요!
우리는 이러한 `가치`들을 제공해드릴 수 있어요
- 지난 12월 250억 규모의 시리즈A 투자를 성공적으로 유치했으며 이를 기반으로 인재 확보에 집중하고 있어요.
[AI 에이전트 구축 솔루션 사이오닉에이아이, 시리즈A 투자 유치](https://www.news1.kr/industry/sb-founded/5993377)
- https://www.forbeskorea.co.kr/news/articleView.html?idxno=400913
- 저희와 함께하는 시간은 커리어에 도움이 되는 가치있는 경험을 쌓는 데 도움이 되실 수 있을 것이라 확신해요.
- 저희가 어떤 경험들을 쌓고 있는지 궁금하시다면 [테크 블로그](https://blog.sionic.ai/)를 확인해주세요
3. 우리가 풀고 있는 문제
쉽게 사용할 수 있는 AI 기술을 위해서는 사람 말을 잘 이해할 수 있는 AI가 필요해요. Sionic AI는 기업이 자신만의 AI Agent를 생성할 수 있는 플랫폼 Storm 을 만들고 있고, AI 모델 및 시스템 개발/최적화를 통해 이 AI-native 제품을 더욱 강력하고 혁신적으로 만들어 고객에게 최상의 경험을 제공하고자 해요.
VLM Post-training 팀은 Storm 플랫폼의 시각 이해 능력과 안전한 행동을 책임지는 팀이에요.
- Storm Parse 고도화 — 표, 그래프, 도면, 차트 등 복잡한 비즈니스 문서를 정확하게 파싱하는 VLM의 사후학습 및 성능 최적화
- VLM 정렬(Alignment) — 기업 환경에 적합한 안전하고 정확한 시각 이해를 위한 SFT/RLHF/GRPO 기반 모델 정렬
- Visual Reasoning — 복잡한 문서 구조에 대한 Chain-of-Thought 기반 시각 추론 능력 강화
- Agentic VLM — 문서 이해 과정에서 자율적 영역 탐색, 도구 활용, 반복 추론이 가능한 에이전트형 VLM 파이프라인
기술 흐름에 따라 프로젝트는 변화하며, 각 시점의 영향력 있는 기술에 집중합니다.
이 도전을 함께할 분을 찾고 있어요.
주요업무
합류하면 함께 할 업무에요**Sionic AI의 VLM Post-training Researcher는 아래 업무들을 담당해요.**
VLM/LMM 사후학습 및 정렬
- Supervised Fine-Tuning, RLHF/GRPO 기반 멀티모달 모델 정렬 및 성능 최적화
- RL for VLM — document parsing, visual reasoning, chart understanding 등 구체적 태스크에 대한 강화학습 적용
- 비즈니스 도메인 특화 VLM 모델 개발 — 표, 그래프, 도면, 차트 등 복잡한 문서 구조를 정확하게 이해하는 모델 구축
- 다국어 멀티모달 LMM(Large Multimodal Model)의 지속적 성능 개선 및 고도화
Document-centric VLM 연구
- OCR-free 문서 이해: 문서 이미지를 직접 입력으로 받아 구조와 의미를 동시에 파악하는 End-to-End 모델 연구
- Layout-aware 추론: 레이아웃을 중간 reasoning 단계로 활용하는 기법 연구 및 적용
- Multi-page 문서 이해: 단일 페이지를 넘어 cross-page 참조가 필요한 장문서 처리 연구
Agentic VLM 연구
- 문서 이해 과정에서 자율적 영역 탐색(Visual Grounding), 도구 활용, 반복 추론이 가능한 Agentic VLM 파이프라인 설계 및 개발
- Visual Reasoning — 복잡한 표, 차트, 다이어그램에 대한 Chain-of-Thought 기반 시각 추론 능력 강화
평가 체계 설계 및 구축
- 문서 중심 VLM 모델의 성능을 평가하기 위한 다양한 평가 기법 조사 및 적용
- 실제 사용 환경에 부합하는 새로운 평가 방법의 개발 및 도입
- 지속적인 개선과 확장이 가능한 내부 벤치마크 도구의 설계 및 구현
데이터 수집 파이프라인 설계 및 구축
- 멀티모달 데이터(문서 이미지, 현장 사진, 차트 등)의 수집 및 필터링을 포함한 데이터 수집 파이프라인 설계 및 구축
- 합성 데이터 생성(Synthetic Data Generation) 및 데이터 품질 향상을 위한 전처리·개선 기법의 연구·적용
- 최신 GPU 클러스터(8노드) 환경에서의 분산 학습 설계 및 운영
논문 및 특허
- 연구 결과를 탑티어 국제 학회 논문 또는 오픈소스 코드 형태로 공유
- 최신 논문 재현 및 기법 도입을 위한 선행 연구 주도 및 팀 내 기술 공유
Sionic AI의 AI Researcher는 이런 환경에서 일해요.
NVIDIA B200 16장, B300 64장을 포함한 대규모 GPU 클러스터를 내부 인프라로 보유하고 있으며, 대규모 멀티모달 모델의 학습과 실험에 필요한 컴퓨팅 자원을 자체적으로 운영합니다. 연구에 필요한 인프라 투자에 아낌없는 지원을 하고 있어요.
자격요건
이런 분과 함께하고 싶어요- 관련 분야 석사 학위 이상 소유자
- 탑티어 국제 학회에 1저자 논문 출판 경험
- VLM/LMM 또는 LLM의 사후학습(Post-training) 및 정렬(Alignment) 연구/적용 경험 (SFT, RLHF, DPO, GRPO 등)
- 재미있는 연구 주제가 떠오르면 직접 실험해보지 않고는 못 배기는 분
