포지션 상세
[회사소개]
많은 분들에게 익숙한 포털 다음(Daum)을 운영하고 있습니다.
Daum이 쌓아온 역사를 바탕으로, 더 풍부하고 다양한 콘텐츠를 통해 새로운 New Daum을 만들어 갈 예정입니다.
이 흥미진진한 여정에 동참할 열정 넘치는 분들을 기다리고 있습니다. 함께 꿈꾸고 함께 만들어가는 새로운 여정에 여러분을 초대합니다!
[조직소개]
AI 검색 개발팀은 Daum의 AI 검색 서비스를 연구·개발하는 조직입니다. 검색 랭킹 모델링, 검색어 서비스, 데이터 분석, AI 기술 연구
자연언어처리(NLP) 엔진까지 검색의 핵심 기술 전반을 직접 만들고 운영합니다.
AI 검색에서는 LLM이 얼마나 정확하고 믿을 수 있는 답을 내는지가 검색 품질을 좌우합니다. 그 답이 어떤 문서를 근거로 만들어지는지는 Retrieval과 Ranking이 결정합니다.
이 포지션은 전통적인 검색 랭킹과 LLM 기반 AI 답변 사이를 잇는 핵심 레이어를 설계하고 고도화하는 역할을 맡습니다.
• AI 답변 생성(RAG)에 투입될 근거 문서·패시지의 검색, 선별, 랭킹 모델 설계 및 고도화
• 렉시컬 검색(BM25)과 벡터 검색(Dense Retrieval)을 결합한 하이브리드 검색 고도화
• 답변 근거로서의 적합성(관련성, 최신성, 신뢰도, 출처 다양성)을 반영한 컨텍스트 랭킹 및 LLM 리랭킹
• 멀티턴 대화 맥락을 반영한 질의 이해, 질의 재작성(Query Rewriting), 질의 확장
• AI 답변 내 출처(Citation) 선정 및 노출 랭킹
검색 랭킹 모델 개발
• 통계 기반(LTR 등)과 LLM 기반을 아우르는 랭킹 모델 설계 및 학습
• 사용자 맥락과 행동을 반영한 개인화 랭킹 적용
• 기존 검색 결과와 AI 답변 영역이 함께 노출되는 SERP의 통합 랭킹 및 블렌딩
평가 및 데이터
• 검색 랭킹 품질 평가 체계 구축(NDCG, MRR 등) 및 A/B 테스트 기반 개선
• AI 답변 관점의 Retrieval 품질 평가 체계 구축(Context Recall/Precision, Groundedness, 환각 기여도 분석 등)
• LLM-as-a-Judge, 클릭·피드백 로그 기반 학습 데이터 구축 자동화
• 질의-문서 관련성 피처 설계 및 피처 파이프라인 구축
연구 및 협업
• 최신 IR·랭킹·RAG 논문 리서치 및 직접 구현을 통한 프로덕션 적용
• AI Agent, LLM, 검색 서비스 조직과 협업하여 AI 검색 End-to-End 품질 개선
• 관련 분야(검색, 추천, 랭킹, ML 등) 경력 5년 이상
• 머신러닝/딥러닝에 대한 깊은 이해와 실무 적용 경험
• Python 능숙 및 ML 프레임워크(PyTorch, TensorFlow 등) 활용 경험
• 대규모 데이터 처리 및 분석 경험(SQL, Spark 등)
검색·랭킹 및 AI 검색 전문성
• 검색 또는 추천 시스템의 랭킹/매칭 모델 개발 경험
• 렉시컬 검색과 벡터 검색에 대한 이해 및 개발 경험
• RAG 구조에서 Retrieval 품질이 답변 품질에 미치는 영향에 대한 이해
• LLM을 활용해 문제를 해결할 수 있는 역량(프롬프트 엔지니어링, SFT 등)
• 최신 논문을 읽고 직접 구현해 적용할 수 있는 역량
• 실험 설계 및 데이터 기반 의사결정 경험
많은 분들에게 익숙한 포털 다음(Daum)을 운영하고 있습니다.
Daum이 쌓아온 역사를 바탕으로, 더 풍부하고 다양한 콘텐츠를 통해 새로운 New Daum을 만들어 갈 예정입니다.
이 흥미진진한 여정에 동참할 열정 넘치는 분들을 기다리고 있습니다. 함께 꿈꾸고 함께 만들어가는 새로운 여정에 여러분을 초대합니다!
[조직소개]
AI 검색 개발팀은 Daum의 AI 검색 서비스를 연구·개발하는 조직입니다. 검색 랭킹 모델링, 검색어 서비스, 데이터 분석, AI 기술 연구
자연언어처리(NLP) 엔진까지 검색의 핵심 기술 전반을 직접 만들고 운영합니다.
AI 검색에서는 LLM이 얼마나 정확하고 믿을 수 있는 답을 내는지가 검색 품질을 좌우합니다. 그 답이 어떤 문서를 근거로 만들어지는지는 Retrieval과 Ranking이 결정합니다.
이 포지션은 전통적인 검색 랭킹과 LLM 기반 AI 답변 사이를 잇는 핵심 레이어를 설계하고 고도화하는 역할을 맡습니다.
주요업무
AI 검색을 위한 Retrieval·Ranking• AI 답변 생성(RAG)에 투입될 근거 문서·패시지의 검색, 선별, 랭킹 모델 설계 및 고도화
• 렉시컬 검색(BM25)과 벡터 검색(Dense Retrieval)을 결합한 하이브리드 검색 고도화
• 답변 근거로서의 적합성(관련성, 최신성, 신뢰도, 출처 다양성)을 반영한 컨텍스트 랭킹 및 LLM 리랭킹
• 멀티턴 대화 맥락을 반영한 질의 이해, 질의 재작성(Query Rewriting), 질의 확장
• AI 답변 내 출처(Citation) 선정 및 노출 랭킹
검색 랭킹 모델 개발
• 통계 기반(LTR 등)과 LLM 기반을 아우르는 랭킹 모델 설계 및 학습
• 사용자 맥락과 행동을 반영한 개인화 랭킹 적용
• 기존 검색 결과와 AI 답변 영역이 함께 노출되는 SERP의 통합 랭킹 및 블렌딩
평가 및 데이터
• 검색 랭킹 품질 평가 체계 구축(NDCG, MRR 등) 및 A/B 테스트 기반 개선
• AI 답변 관점의 Retrieval 품질 평가 체계 구축(Context Recall/Precision, Groundedness, 환각 기여도 분석 등)
• LLM-as-a-Judge, 클릭·피드백 로그 기반 학습 데이터 구축 자동화
• 질의-문서 관련성 피처 설계 및 피처 파이프라인 구축
연구 및 협업
• 최신 IR·랭킹·RAG 논문 리서치 및 직접 구현을 통한 프로덕션 적용
• AI Agent, LLM, 검색 서비스 조직과 협업하여 AI 검색 End-to-End 품질 개선
자격요건
공통• 관련 분야(검색, 추천, 랭킹, ML 등) 경력 5년 이상
• 머신러닝/딥러닝에 대한 깊은 이해와 실무 적용 경험
• Python 능숙 및 ML 프레임워크(PyTorch, TensorFlow 등) 활용 경험
• 대규모 데이터 처리 및 분석 경험(SQL, Spark 등)
검색·랭킹 및 AI 검색 전문성
• 검색 또는 추천 시스템의 랭킹/매칭 모델 개발 경험
• 렉시컬 검색과 벡터 검색에 대한 이해 및 개발 경험
• RAG 구조에서 Retrieval 품질이 답변 품질에 미치는 영향에 대한 이해
• LLM을 활용해 문제를 해결할 수 있는 역량(프롬프트 엔지니어링, SFT 등)
• 최신 논문을 읽고 직접 구현해 적용할 수 있는 역량
• 실험 설계 및 데이터 기반 의사결정 경험
