LLM 학습 파이프라인을 설계하고 강화학습을 통해 생성형 언어모델의 품질을 고도화합니다. Deep Learning/NLP 경력 3년 이상과 PyTorch 기반의 모델 학습 및 최적화 역량을 필수적으로 요구합니다.
LLM Engineer(Reinforcement Learning)는 LLM학습 파이프라인을 설계하여 실서비스에서 활용 가능한 생성형 언어모델을 학습합니다. 지속적인 품질 향상을 위하여 끊임없이 새로운 방법론을 시도하여, 실사용자에게 꼭 필요한 서비스를 출시하고, LLM 스스로 품질을 개선할 수 있도록 가다듬는 일에 기여합니다.
LLM학습 과정의 효율 향상
PLM 또는 Fine-tuned LLM의 Direct Alignment Algorithm / PPO, GRPO, DPO 등을 이용한 학습 과정의 전반적인 효율 향상
생성 결과의 전반적인 정확성과 안정성 향상
생성 결과의 품질 향상을 위하여 Reward Hacking을 방지하고, Self-Refine이 가능한 학습 구조 설계
외부 지식 및 API와 연동 가능한 기초 모델 개발
지시의 종류에 따라 스스로 필요한 외부 연동 Tool을 선택하는 LLM 학습
Deep Learning 또는 NLP 관련 경력 3년 이상 (석사 신입 지원 가능)
숙련된 프로그래밍 (Python & pytorch) 능력
PyTorch를 활용한 모델 설계, 학습, 평가 및 최적화 경험
GPU를 활용한 LLM 학습 및 Trouble shooting 능력
분산 학습 프레임워크(Slurm, DDP, Horovod 등) 사용 경험
동료와의 원활한 협업 능력
Deep Learning/NLP 관련 논문 제출 또는 석박사 학위 소지자
주요 학술 대회(ACL, EMNLP, NeurIPS 등) 논문 발표 경험
Docker 및 Kubernetes에 대한 경험
GPU 클러스터를 활용한 학습 파이프라인 설계 및 관리 경험
GPU를 활용한 학습 및 서비스 개발 경험
GPU 기반의 Training 또는 Inference 시스템 구축 경험
LLM의 Post-training 관련 경험
Supervised Fine-Tuning 및 Parameter Efficient Fine-Tuning 활용 경험
서류전형 - 코딩테스트 - 화상면접 (1시간 내외) - 대면 혹은 화상면접 (3시간 내외) - 최종합격
전형절차는 직무별로 다르게 운영될 수 있으며, 일정 및 상황에 따라 변동될 수 있습니다.
전형일정 및 결과는 지원서에 등록하신 이메일로 개별 안내드립니다.
이력서 제출 시 주민등록번호, 가족관계, 혼인 여부, 연봉, 사진, 신체조건, 출신 지역 등 채용절차법상 요구 금지된 정보는 제외 부탁드립니다.
모든 제출 파일은 30MB 이하의 PDF 양식으로 업로드를 부탁드립니다. (이력서 업로드 중 문제가 발생한다면 이력서와 함께 지원하시고자 하는 포지션의 URL을 recruit@42dot.ai으로 전송 부탁드립니다.)
인터뷰 프로세스 종료 후 지원자의 동의하에 평판조회가 진행될 수 있습니다.
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.
3개월의 수습기간이 적용될 수 있습니다.
42dot이 일하는 방식, 42dot Way 보러가기 →
42dot만의 업무몰입 프로그램, Employee Engagement Program 보러가기 →
