포지션 상세
㈜이자(eZar Inc.)는 2017년에 설립된 회사로 사원수 20명 규모의 벤처기업입니다. 서울 영등포구 의사당대로 83 (여의도동, 오투타워)에 위치하고 있으며, LLM AI Agent 개발사업을 하고 있습니다.
1. Vision
인공지능이 인간을 자유롭게 만든다고 확신합니다.
Lucy는 그 인공지능의 핵심인 데이터를 혁신적으로 개선합니다. 훌륭한 데이터셋이 있어야 금융, 의학, 법률 등 수많은 분야에서 인공지능이 문제해결을 더 잘할 수 있습니다.
LLM의 성능을 향상 시키는 데이터는 반드시 필요하고, 증가하는 AI 수요를 감당하기 위해 computational power를 줄여주는 데이터는 반드시 필요하며 궁극적으로 인류의 삶을 발전시키는데 앞장서고자 합니다.
2. What we do - Proprietary Technology
피터 틸이 말한 Monopoly가 되기 위해 가장 중요한 것은 proprietary technology 입니다.
인공지능에서 최적의 성능을 내는 데이터 구조는 전통적인 json 구조가 아니라 다른 형태로 전환하는 proprietary technology를 개발합니다.
3. 당사는 성과 중심의 회사입니다.
ㆍ꼼꼼하게 업무 처리하고, 성장하고, 성과를 내실 `프로 의식`을 가진 분만 지원해주시기 바랍니다.
ㆍ대신 성과가 뛰어나면 파격적인 경제적 보상 및 성장 기회를 제공합니다.
ㆍ재택근무 가능하지만 업무성과를 위한 엄격한 재택근무 원칙이 있습니다.
ㆍSFT, RLHF, RAG, Continual Learning 등 다양한 방법론을 적용하고, 데이터 활용 방식에 따른 모델 성능 비교·분석
ㆍ새로운 금융 데이터가 지속적으로 추가되는 환경에서 기존 성능을 유지하면서 새로운 지식을 효율적으로 반영하는 방법론 연구
ㆍ모델 및 데이터 실험을 체계적으로 비교·검증하기 위한 Evaluation Dataset 및 평가 파이프라인 구축
ㆍ최신 LLM Training / Post-training 연구를 검토하고 실제 금융 데이터에 적용하여 효과를 실험적으로 검증
ㆍ그 외 유관 업무
ㆍSFT, RLHF, Continual Learning 등 LLM 학습 방법론에 대한 이해 또는 관련 연구·개발 경험
ㆍLLM 학습 데이터의 전처리, 구성, 품질 관리 및 데이터셋 구축 경험
ㆍ최신 논문과 연구를 이해하고 아이디어를 실제 실험으로 구현·검증할 수 있는 역량
ㆍ가설 설정부터 데이터 구성, 모델 학습, 평가 및 결과 분석까지 연구 사이클을 독립적으로 수행할 수 있는 역량
1. Vision
인공지능이 인간을 자유롭게 만든다고 확신합니다.
Lucy는 그 인공지능의 핵심인 데이터를 혁신적으로 개선합니다. 훌륭한 데이터셋이 있어야 금융, 의학, 법률 등 수많은 분야에서 인공지능이 문제해결을 더 잘할 수 있습니다.
LLM의 성능을 향상 시키는 데이터는 반드시 필요하고, 증가하는 AI 수요를 감당하기 위해 computational power를 줄여주는 데이터는 반드시 필요하며 궁극적으로 인류의 삶을 발전시키는데 앞장서고자 합니다.
2. What we do - Proprietary Technology
피터 틸이 말한 Monopoly가 되기 위해 가장 중요한 것은 proprietary technology 입니다.
인공지능에서 최적의 성능을 내는 데이터 구조는 전통적인 json 구조가 아니라 다른 형태로 전환하는 proprietary technology를 개발합니다.
3. 당사는 성과 중심의 회사입니다.
ㆍ꼼꼼하게 업무 처리하고, 성장하고, 성과를 내실 `프로 의식`을 가진 분만 지원해주시기 바랍니다.
ㆍ대신 성과가 뛰어나면 파격적인 경제적 보상 및 성장 기회를 제공합니다.
ㆍ재택근무 가능하지만 업무성과를 위한 엄격한 재택근무 원칙이 있습니다.
주요업무
ㆍ당사가 보유한 대규모 금융 공시 데이터를 활용한 LLM 학습 방법론 연구 및 실험ㆍSFT, RLHF, RAG, Continual Learning 등 다양한 방법론을 적용하고, 데이터 활용 방식에 따른 모델 성능 비교·분석
ㆍ새로운 금융 데이터가 지속적으로 추가되는 환경에서 기존 성능을 유지하면서 새로운 지식을 효율적으로 반영하는 방법론 연구
ㆍ모델 및 데이터 실험을 체계적으로 비교·검증하기 위한 Evaluation Dataset 및 평가 파이프라인 구축
ㆍ최신 LLM Training / Post-training 연구를 검토하고 실제 금융 데이터에 적용하여 효과를 실험적으로 검증
ㆍ그 외 유관 업무
자격요건
ㆍTransformer 및 LLM의 Pre-training / Fine-tuning / Post-training에 대한 이해ㆍSFT, RLHF, Continual Learning 등 LLM 학습 방법론에 대한 이해 또는 관련 연구·개발 경험
ㆍLLM 학습 데이터의 전처리, 구성, 품질 관리 및 데이터셋 구축 경험
ㆍ최신 논문과 연구를 이해하고 아이디어를 실제 실험으로 구현·검증할 수 있는 역량
ㆍ가설 설정부터 데이터 구성, 모델 학습, 평가 및 결과 분석까지 연구 사이클을 독립적으로 수행할 수 있는 역량
