![스몰티켓-[자회사] Vision-Language / LLM Research Engineer (오픈소스 모델 & 온프레미스)](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F6124%2Fxuagtlqd155xmkzs__1080_790.jpg&w=700&q=100)
포지션 상세
스몰티켓은 데이터 기반 위험관리에 집중하는 인슈어테크 기업으로, 모빌리티 시장과 기술진화에 따라 AI 자회사 'SMT AI'와 해외 기술 자회사를 설립하여 함께 Risk 관리 영역의 AX와 이를 통한 상품/서비스 혁신을 추진하고 있습니다.
AI 자회사인 SMT AI는 모빌리티·금융·보험·산업안전 등 실제 산업의 데이터와 고객 문제를 바탕으로 AI 기술을 서비스에 적용하고, 새로운 사업과 서비스를 만들어가고 있습니다.
사고 영상과 텍스트(진술서, 법적 인정기준 등)를 복합적으로 분석하여 신뢰도 높은 판정을 도출하는 멀티모달 의사결정 파이프라인을 구축합니다. SMT AI에서 상용 라이선스를 준수하는 오픈웨이트 LLM/VLM 모델을 기반으로 도메인 특화 파인튜닝, 추론 최적화, 온프레미스 서빙까지 전 과정을 주도할 엔지니어를 모십니다.
어떤 사람을 찾나요?
1. Mission First - 우리 미션을 우선순위 1위로 두고 헌신할 수 있는 사람
2. No Boundaries - 문제 앞에서 직무 구분을 지우는 사람
3. Results Only - 말이 아닌 결과로 커리어를 증명해온 사람
4. Impact Hungry - 큰 임팩트를 남기고 싶다는 욕심이 있는 사람
5. Why Obsessed - 문제의 본질에 집착해 끝을 보는 사람
우리는 몰입을 통해 더 큰 결과를 만들어갑니다.
빠르게 변화하는 환경에서 때로는 높은 집중력과 강한 실행력이 필요한 순간을 마주합니다.
그럼에도 새로운 가능성을 발견하고, 직접 만들고, 결과로 증명하는 과정에서 즐거움을 느낀다면 우리는 당신을 환영합니다.
• 상용 이용 및 온프레미스 배포가 가능한 오픈웨이트 LLM/VLM 탐색, 벤치마크 및 도입 검증
• 사고 영상 판독 및 정형/비정형 텍스트 기반 디시전 모델의 도메인 파인튜닝(SFT, LoRA/QLoRA)
2. 데이터셋 파이프라인 구축 및 평가 체계 수립
• 사고 영상, 사실 진술, 인정기준 조항을 결합한 멀티모달 학습·평가 데이터셋 설계 및 정제
• 사실 추출, 과실 도표 매핑, 당사자 역할 판정 등 단계별 정량 평가 지표 및 벤치마크 파이프라인 구축
• 판단 불가(Reject) 처리, 신뢰도 보정(Calibration) 등 안전성 및 오판 방지 로직 개발
3. 서빙 최적화 및 시스템 연동
• 온프레미스/내부 GPU 환경에서 vLLM, SGLang 등을 활용한 고효율 추론 서버 구축
• 양자화(Quantization), KV 캐시 최적화 등을 통한 Latency/Throughput 및 GPU 메모리 최적화
• 기존 CV 계측·영상 분석 모듈 및 규칙 기반 판정 엔진과의 인터페이스 연동
2. LLM/VLM 이해도:
• Transformer 아키텍처, Attention 메커니즘, 토큰화, 학습/추론 라이프사이클에 대한 깊은 이해
• Hugging Face Transformers, PEFT 기반 오픈웨이트 모델의 도메인 적응 학습(SFT, LoRA/QLoRA 등) 경험
3. 데이터 엔지니어링 및 분석 역량:
• 학습 목적에 부합하는 데이터셋 구축·정제, 데이터 누수(Data Leakage) 방지 및 품질 관리 경험
• 데이터, 모델 가중치, 프롬프트, 규칙 로직 간의 오차 원인을 명확히 분석하고 격리할 수 있는 역량
4. 인프라 및 엔지니어링 역량:
• Linux 환경, Docker 기반 GPU 서버 개발 및 운영 경험
• GPU 메모리 병목 분석, 혼합 정밀도(Mixed Precision) 학습 및 OOM/학습 오류 디버깅 역량
• Git 기반의 형상 관리 및 코드 리뷰 기반 협업 역량
5. 제품 관점의 균형 감각:
• 정확도, 처리 시간, GPU 인프라 비용 간의 Trade-off를 정량적으로 측정하고 설계할 수 있는 역량
• Apache 2.0 등 오픈소스 모델·코드·데이터의 상용 라이선스 준수 및 제약 검토 역량
AI 자회사인 SMT AI는 모빌리티·금융·보험·산업안전 등 실제 산업의 데이터와 고객 문제를 바탕으로 AI 기술을 서비스에 적용하고, 새로운 사업과 서비스를 만들어가고 있습니다.
사고 영상과 텍스트(진술서, 법적 인정기준 등)를 복합적으로 분석하여 신뢰도 높은 판정을 도출하는 멀티모달 의사결정 파이프라인을 구축합니다. SMT AI에서 상용 라이선스를 준수하는 오픈웨이트 LLM/VLM 모델을 기반으로 도메인 특화 파인튜닝, 추론 최적화, 온프레미스 서빙까지 전 과정을 주도할 엔지니어를 모십니다.
어떤 사람을 찾나요?
1. Mission First - 우리 미션을 우선순위 1위로 두고 헌신할 수 있는 사람
2. No Boundaries - 문제 앞에서 직무 구분을 지우는 사람
3. Results Only - 말이 아닌 결과로 커리어를 증명해온 사람
4. Impact Hungry - 큰 임팩트를 남기고 싶다는 욕심이 있는 사람
5. Why Obsessed - 문제의 본질에 집착해 끝을 보는 사람
우리는 몰입을 통해 더 큰 결과를 만들어갑니다.
빠르게 변화하는 환경에서 때로는 높은 집중력과 강한 실행력이 필요한 순간을 마주합니다.
그럼에도 새로운 가능성을 발견하고, 직접 만들고, 결과로 증명하는 과정에서 즐거움을 느낀다면 우리는 당신을 환영합니다.
주요업무
1. 도메인 특화 모델 개발 및 파인튜닝• 상용 이용 및 온프레미스 배포가 가능한 오픈웨이트 LLM/VLM 탐색, 벤치마크 및 도입 검증
• 사고 영상 판독 및 정형/비정형 텍스트 기반 디시전 모델의 도메인 파인튜닝(SFT, LoRA/QLoRA)
2. 데이터셋 파이프라인 구축 및 평가 체계 수립
• 사고 영상, 사실 진술, 인정기준 조항을 결합한 멀티모달 학습·평가 데이터셋 설계 및 정제
• 사실 추출, 과실 도표 매핑, 당사자 역할 판정 등 단계별 정량 평가 지표 및 벤치마크 파이프라인 구축
• 판단 불가(Reject) 처리, 신뢰도 보정(Calibration) 등 안전성 및 오판 방지 로직 개발
3. 서빙 최적화 및 시스템 연동
• 온프레미스/내부 GPU 환경에서 vLLM, SGLang 등을 활용한 고효율 추론 서버 구축
• 양자화(Quantization), KV 캐시 최적화 등을 통한 Latency/Throughput 및 GPU 메모리 최적화
• 기존 CV 계측·영상 분석 모듈 및 규칙 기반 판정 엔진과의 인터페이스 연동
자격요건
1. 경력 요건: Python 및 PyTorch 기반 딥러닝 모델 개발/연구 경력 3년 이상 (또는 이에 준하는 역량)2. LLM/VLM 이해도:
• Transformer 아키텍처, Attention 메커니즘, 토큰화, 학습/추론 라이프사이클에 대한 깊은 이해
• Hugging Face Transformers, PEFT 기반 오픈웨이트 모델의 도메인 적응 학습(SFT, LoRA/QLoRA 등) 경험
3. 데이터 엔지니어링 및 분석 역량:
• 학습 목적에 부합하는 데이터셋 구축·정제, 데이터 누수(Data Leakage) 방지 및 품질 관리 경험
• 데이터, 모델 가중치, 프롬프트, 규칙 로직 간의 오차 원인을 명확히 분석하고 격리할 수 있는 역량
4. 인프라 및 엔지니어링 역량:
• Linux 환경, Docker 기반 GPU 서버 개발 및 운영 경험
• GPU 메모리 병목 분석, 혼합 정밀도(Mixed Precision) 학습 및 OOM/학습 오류 디버깅 역량
• Git 기반의 형상 관리 및 코드 리뷰 기반 협업 역량
5. 제품 관점의 균형 감각:
• 정확도, 처리 시간, GPU 인프라 비용 간의 Trade-off를 정량적으로 측정하고 설계할 수 있는 역량
• Apache 2.0 등 오픈소스 모델·코드·데이터의 상용 라이선스 준수 및 제약 검토 역량
