크래프톤 AI Research 본부에서 Foundation Model 연구 및 개발을 수행할 Research Engineer를 채용합니다. 대규모 언어모델(LLM)의 학습, 평가, 배포를 위한 end-to-end 파이프라인 설계가 핵심 업무입니다. 머신러닝 및 딥러닝에 대한 깊은 이해와 대규모 코드베이스를 다룰 수 있는 소프트웨어 엔지니어링 역량이 필수입니다. 분산 학습 및 모델 최적화 경험이 있는 분을 우대합니다.
KRAFTON AI Research Division은 대규모 언어모델(LLM)을 중심으로, AI 기반 차세대 게임 제작 패러다임을 구축하고 있습니다. 우리는 모델 설계, 데이터 구성, 대규모 학습, 최적화, 평가, 배포 및 운영에 이르는 전 과정을 직접 수행하며, 게임 제작 효율화와 새로운 플레이 경험 창출을 목표로 합니다.
그 방향성은 크게 두 가지입니다.
딥러닝 기술 개발을 통한 게임 제작 효율성 및 보편성 증대
유저와 함께 게임 플레이를 할 수 있는 Co-Playable Character 개발
Foundation Model Engineering
Foundation Model Engineering은 AI Research 본부의 연구 방향을 실제 대규모 모델과 시스템으로 구현하는 역할을 수행합니다. Research Engineer는 연구 아이디어와 논문 수준의 가설을 실제 학습 가능한 모델, 재현 가능한 실험, 확장 가능한 파이프라인, 안정적인 평가·배포 시스템으로 전환합니다.
수십억에서 수백억 파라미터 규모의 모델을 안정적으로 학습시키기 위한 분산 학습, 메모리 최적화, 통신 최적화, 체크포인트 관리, 실험 자동화 기술을 다룹니다.
연구자가 제안한 방향을 실행 가능한 실험 단위로 구체화하고, 결과를 분석하여 다음 연구 방향을 제안할 수 있는 근거를 만듭니다.
모델 학습부터 추론, 평가, 배포까지 이어지는 end-to-end Foundation Model 개발 체계를 구축합니다.
Culture Fit
AI Research 본부는 다양한 전문성을 가진 구성원들이 함께 문제를 정의하고 해결하는 조직입니다. 연구자, 엔지니어 등 여러 분야의 팀원들과 협업하며, 직급이나 연차와 무관하게 기술적 근거에 기반한 의견 개진이 장려됩니다.
대규모 Foundation Model 개발은 모델링, 데이터, 시스템, 평가가 분리될 수 없는 문제입니다. 따라서 한 영역에만 머무르기보다, 문제의 병목이 어디에 있는지 스스로 추적하고 필요한 영역까지 파고드는 태도를 중요하게 생각합니다.
우리 팀과 함께할 미션을 소개합니다.
Research Engineer로서 다음과 같은 업무를 수행합니다.
대규모 LLM 및 Multi-modal Foundation Model의 학습, 평가, 추론, 배포를 위한 end-to-end 파이프라인을 설계하고 구현합니다.
모델 성능 향상 및 안정성 개선을 위한 학습 알고리즘, 데이터 구성 방식, 최적화 전략, 평가 방법론을 실제 코드와 실험 시스템으로 구현합니다.
연구 방향과 가설을 검증 가능한 실험 단위로 구체화하고, 실험 설계, 구현, 실행, 분석, 문서화 전 과정을 주도합니다.
대규모 분산 학습 환경에서 모델 병렬화, 데이터 병렬화, 파이프라인 병렬화, 통신 최적화, 메모리 최적화, 체크포인트 전략 등을 적용하고 개선합니다.
새로운 모델 아키텍처, 학습 기법, 최적화 기법을 기존 학습 코드베이스와 실험 파이프라인에 통합하고 실험적으로 검증합니다.
재현 가능하고 반복 가능한 실험 환경을 구축하여, 모델 개선의 원인을 명확히 분석할 수 있는 실험 체계를 만듭니다.
모델 학습 중 발생하는 성능 저하, 불안정성, 수렴 실패, 분산 시스템 오류, 데이터 병목, 평가 불일치 등의 문제를 분석하고 해결합니다.
모델 성능, 학습 효율, 시스템 효율, 평가 결과를 정량적으로 분석하고, 연구자 및 엔지니어가 의사결정할 수 있는 형태로 공유합니다.
이런 경험을 가진 분과 함께 성장하고 싶습니다! (필수요건)
AI, 컴퓨터공학, 통계학, 전기전자공학 또는 관련 분야 학사 학위 이상, 혹은 이에 준하는 실무 경험을 보유하신 분
머신러닝, 딥러닝, Foundation Model에 대한 연구·개발 경험이 있으신 분
대규모 코드베이스에서 모델, 학습 루프, 데이터 로더, 평가 파이프라인, 실험 설정 등을 이해하고 수정할 수 있는 소프트웨어 엔지니어링 역량을 갖추신 분
실험 결과를 정량적으로 분석하고, 성능 변화의 원인을 가설화하여 다음 실험으로 연결할 수 있는 분
복잡한 구현 내용, 실험 설정, 결과 분석을 명확하게 문서화하고 공유할 수 있는 커뮤니케이션 능력을 갖추신 분
연구자, 엔지니어, 제품 조직과 협업하며 문제를 구조화하고 해결할 수 있는 분
이런 경험들이 있다면 저희가 찾는 그 분입니다! (우대요건)
대규모 LLM 또는 Multi-modal Foundation Model의 학습·평가·추론 경험이 있으신 분
분산 학습, 학습 최적화, 모델 병렬화 등 대규모 모델 개발에 필요한 시스템적 문제를 다뤄본 경험이 있으신 분
학습 불안정성, 성능 병목, 평가 불일치, 데이터 품질 문제 등 Foundation Model 개발 과정의 복합적인 문제를 분석하고 해결해 본 경험이 있으신 분
모델 학습부터 평가, 추론, 배포까지 이어지는 ML 파이프라인을 설계하거나 개선해 본 경험이 있으신 분
LLM agent, reasoning, tool use, reinforcement learning, multi-modal learning 등 최신 연구 주제에 대한 이해 또는 경험이 있으신 분
연구 아이디어를 실제 동작하는 코드와 재현 가능한 실험으로 구현하는 데 강점이 있으신 분
크래프톤의 도전에 함께 하기 위해 아래의 전형 과정이 필요합니다.
서류 전형 > 사전 인터뷰 (Phone Interview) > *직무 테스트 (Pre-Test) > 직무 면접 (Technical Fit Interview) > 종합 면접 (Culture Fit Interview) > 학/경력, 평판조회 > 처우협의 > 최종 합격 및 입사
*해당 전형은 포지션에 따라 변동될 수 있습니다.
각 전형의 세부 진행 방식은 개별 안내드립니다.
필요 시 직무 테스트 또는 면접 전형이 추가될 수 있으며, 이에 대한 상세 내용은 개별 안내드립니다.
전형 결과는 지원서에 기재된 이메일로 2주 이내 발송되며, 내부 일정에 따라 다소 지연될 경우 별도 안내드립니다.
Those eligible for an affirmative action program such as individuals with disabilities or with distinguished service to the state will be given hiring preference according to relevant laws
False statements in your resume may lead to the withdrawal of the employment offer
A 5-month probationary period applies. Based on the mid-term evaluation, employment may be terminated early or not continued. No changes in employment type or salary during this period.
