포지션 상세
■ 팀스파르타 Foundation Model Research Engineer 를 소개해요
• 스파르타 AXOps팀은 AI가 가장 닿지 못한 곳에 가장 큰 기회가 있다고 믿습니다.
• 국방·공공·금융·의료 현장의 개발자들은 보안 규정 때문에 Claude도, Copilot도 쓸 수 없습니다. 하지만 이들이 짜는 코드가 사회의 핵심 인프라를 움직입니다. 인터넷이 완전히 끊긴 환경에서도 AI 에이전트가 실제 개발 업무를 끝까지 해낸다면, 얼마나 많은 것이 달라질까요?
• 우리는 그 가능성을 제품으로 증명하는 팀입니다. 외부 API 한 줄 호출할 수 없는 환경에서, 우리 손으로 학습하고 서빙하는 모델이 개발자 옆에서 함께 일하도록 만듭니다. 당신이 만들 모델이 이 솔루션의 심장입니다.
■ Foundation Model Research Engineer 는 이런 성장을 할 수 있어요
• 전통 SI 산업을 완전히 재설계하는 데 기여할 수 있는 기반 모델을 만들고 운영을 전담할 수 있습니다.
• R&D를 넘어 직접 고객 접점에서 문제를 정의하고 해결하는 사이클을 경험할 수 있습니다.
• 임팩트에 비례하는 연구/개발 환경의 물적·인적 서포트(GPU 등 인프라, 뛰어난 동료)를 약속합니다.
• 인터넷이 닿지 않는 환경에서 동작하는 자체 파운데이션 모델의 학습을 전담합니다. 사전학습(pre-training)·지속사전학습(CPT)부터 사후학습(SFT·DPO·RLVR)까지 전체 파이프라인을 직접 설계하고 돌립니다.
• 코딩·개발 도메인에 특화된 데이터 파이프라인을 구축합니다. 정형·비정형 데이터를 수집하고 분류·정제·토큰화·적재하는 흐름을 설계하며, 모델 성능을 좌우하는 데이터 품질을 관리합니다.
• 학습한 모델을 폐쇄망·온프레미스 환경에 직접 서빙합니다. vLLM 등 추론 스택에 자체 모델을 통합하고, 양자화·커스텀 커널·서빙 최적화로 저비용 하드웨어에서 실사용 가능한 속도를 만듭니다.
• 코드 벤치마크와 자체 평가 harness로 모델을 측정하고, 그 결과를 다음 학습 사이클에 반영해 성능을 끌어올립니다. 공식 리더보드 같은 외부 검증에도 도전합니다.
• R&D에만 머무르지 않습니다. 국방·공공·금융·의료 현장의 실제 개발 업무에 모델을 적용하여 고객 문제를 정의하고 해결하며, 현장 피드백을 모델 개선으로 연결하는 사이클을 주도합니다.
• 에어갭 배포를 전제로 모델을 경량화·패키징(Docker 등)하고 재현 가능한 운영 체계를 만듭니다.
• LLM/딥러닝 모델 학습 실무 경험 — pre-training 또는 post-training(SFT/RLHF/DPO 등) 파이프라인을 직접 돌려본 경험이 있으신 분
• PyTorch 기반 학습 코드를 읽고 고치고 확장할 수 있는 역량을 갖추신 분
• transformers/디스트리뷰티드 트레이닝(DeepSpeed·FSDP 등) 및 GPU 자원 운영 경험이 있으신 분
• LLM 추론 서빙(vLLM·TGI·TensorRT-LLM 등) 및 양자화에 대한 실무 이해도가 높으신 분
• Linux·Docker·GPU 환경에서 문제를 끝까지 파고들어 해결하시는 분
• 스파르타 AXOps팀은 AI가 가장 닿지 못한 곳에 가장 큰 기회가 있다고 믿습니다.
• 국방·공공·금융·의료 현장의 개발자들은 보안 규정 때문에 Claude도, Copilot도 쓸 수 없습니다. 하지만 이들이 짜는 코드가 사회의 핵심 인프라를 움직입니다. 인터넷이 완전히 끊긴 환경에서도 AI 에이전트가 실제 개발 업무를 끝까지 해낸다면, 얼마나 많은 것이 달라질까요?
• 우리는 그 가능성을 제품으로 증명하는 팀입니다. 외부 API 한 줄 호출할 수 없는 환경에서, 우리 손으로 학습하고 서빙하는 모델이 개발자 옆에서 함께 일하도록 만듭니다. 당신이 만들 모델이 이 솔루션의 심장입니다.
■ Foundation Model Research Engineer 는 이런 성장을 할 수 있어요
• 전통 SI 산업을 완전히 재설계하는 데 기여할 수 있는 기반 모델을 만들고 운영을 전담할 수 있습니다.
• R&D를 넘어 직접 고객 접점에서 문제를 정의하고 해결하는 사이클을 경험할 수 있습니다.
• 임팩트에 비례하는 연구/개발 환경의 물적·인적 서포트(GPU 등 인프라, 뛰어난 동료)를 약속합니다.
주요업무
■ 합류하면 이런 업무를 해요• 인터넷이 닿지 않는 환경에서 동작하는 자체 파운데이션 모델의 학습을 전담합니다. 사전학습(pre-training)·지속사전학습(CPT)부터 사후학습(SFT·DPO·RLVR)까지 전체 파이프라인을 직접 설계하고 돌립니다.
• 코딩·개발 도메인에 특화된 데이터 파이프라인을 구축합니다. 정형·비정형 데이터를 수집하고 분류·정제·토큰화·적재하는 흐름을 설계하며, 모델 성능을 좌우하는 데이터 품질을 관리합니다.
• 학습한 모델을 폐쇄망·온프레미스 환경에 직접 서빙합니다. vLLM 등 추론 스택에 자체 모델을 통합하고, 양자화·커스텀 커널·서빙 최적화로 저비용 하드웨어에서 실사용 가능한 속도를 만듭니다.
• 코드 벤치마크와 자체 평가 harness로 모델을 측정하고, 그 결과를 다음 학습 사이클에 반영해 성능을 끌어올립니다. 공식 리더보드 같은 외부 검증에도 도전합니다.
• R&D에만 머무르지 않습니다. 국방·공공·금융·의료 현장의 실제 개발 업무에 모델을 적용하여 고객 문제를 정의하고 해결하며, 현장 피드백을 모델 개선으로 연결하는 사이클을 주도합니다.
• 에어갭 배포를 전제로 모델을 경량화·패키징(Docker 등)하고 재현 가능한 운영 체계를 만듭니다.
자격요건
■ 이런 분을 찾고 있어요• LLM/딥러닝 모델 학습 실무 경험 — pre-training 또는 post-training(SFT/RLHF/DPO 등) 파이프라인을 직접 돌려본 경험이 있으신 분
• PyTorch 기반 학습 코드를 읽고 고치고 확장할 수 있는 역량을 갖추신 분
• transformers/디스트리뷰티드 트레이닝(DeepSpeed·FSDP 등) 및 GPU 자원 운영 경험이 있으신 분
• LLM 추론 서빙(vLLM·TGI·TensorRT-LLM 등) 및 양자화에 대한 실무 이해도가 높으신 분
• Linux·Docker·GPU 환경에서 문제를 끝까지 파고들어 해결하시는 분
