42dotでは、LLM評価システムとプラットフォームを構築するエンジニアを募集しています。LLMの学習または評価分野で3年以上の経験が必須であり、Pythonによる開発能力と評価フレームワークの活用経験が求められます。Argo WorkflowsやMLflowを用いた自動化パイプラインの設計およびモデル品質の検証を担当します。
LLM Engineer (LLM Evaluation)는 대규모 언어 모델(LLM)의 성능을 신뢰성 있게 평가하고, 평가 결과를 기반으로 모델 품질을 지속적으로 개선할 수 있는 평가 체계와 플랫폼을 구축합니다.
빠르게 변화하는 LLM 환경 속에서 benchmark dataset, evaluation protocol, automation pipeline을 설계하여 모델의 품질과 안정성을 지속적으로 향상시키고, 실서비스 수준의 검증 체계를 운영하는 데 기여합니다.
또한 Kubernetes 기반 환경에서 Argo Workflows 및 MLflow를 활용하여 모델 평가–실험 관리–배포 검증까지 이어지는 end-to-end evaluation workflow를 구축하고, 반복 가능하고 재현성 있는 평가 환경을 고도화합니다.
LLM Evaluation & Benchmark 설계
LLM 성능 평가를 위한 벤치마크 데이터셋 구축 및 평가 지표(Human/LLM-based) 설계
공정한 모델 비교를 위한 평가 프로토콜 수립 및 재현성(Reproducibility) 확보
Evaluation Automation 및 Workflow 연동
Argo Workflows, MLflow 기반의 평가 자동화 환경 구축 및 ML 파이프라인 통합
모델 배포 시 성능 저하(Regression) 자동 감지 및 알림 체계 설계
Model Quality Validation 및 운영 고도화
반복 가능한 평가 워크플로우를 통한 대규모 모델 품질 및 안정성 검증
평가 결과를 바탕으로 한 지속적인 모델 품질 개선 프로세스 운영
LLM 학습 또는 평가 관련 분야 3년 이상 경력
Deep Learning 또는 NLP 관련 연구 및 개발 경험
LLM evaluation framework 사용 경험 (lm-eval, HELM, OpenAI Evals 등)
Python 기반 서비스 개발 경험 (async/비동기 처리 포함)
실험 관리 및 reproducibility에 대한 이해
모델 평가 및 validation workflow 설계 경험
동료와의 원활한 협업 능력
Kubernetes 및 컨테이너 기반 환경 개발 경험
대규모 데이터 처리 또는 pipeline 설계 경험
GPU 기반 분산 inference 또는 대규모 모델 평가 경험
Datadog, Prometheus 등을 활용한 모니터링 구축 경험
MLflow, Argo Workflows 기반 ML workflow 운영 경험
GPU 클러스터 기반 evaluation pipeline 설계 및 운영 경험
LLM 품질 평가 자동화 및 운영 경험
서류 전형
코딩·과제 테스트
1차 면접 (화상, 1시간 내외)
2차 면접 (대면 혹은 화상, 3시간 내외)
처우 협의·입사
전형 절차는 일정 및 진행 상황에 따라 일부 변경될 수 있으며, 각 전형 결과는 등록하신 이메일로 개별 안내드립니다.
지원서 제출 시 주민등록번호, 가족관계, 혼인 여부, 연봉, 사진, 신체조건, 출신 지역 등 채용절차법상 요구 금지된 정보는 제외 부탁드립니다.
지원서 접수 중 오류가 발생하거나 기타 문의 사항이 있을 경우, recruit@42dot.ai로 문의해 주시기 바랍니다.
국가보훈대상자 및 취업보호 대상자는 관계법령에 따라 우대합니다.
장애인 고용 촉진 및 직업재활법에 따라 장애인 등록증 소지자를 우대합니다.
42dot은 의뢰하지 않은 서치펌의 이력서를 받지 않으며, 요청하지 않은 이력서에 대해 수수료를 지불하지 않습니다.
지원서 내용 중 허위 사실이 발견될 경우, 입사가 취소될 수 있습니다.
인터뷰 프로세스 종료 후 지원자의 동의하에 평판조회가 진행될 수 있습니다.
3개월의 수습기간이 적용될 수 있습니다.
