[위프(WHIF)]Tech-AI Researcher
공고 요약
주요업무
SFT, DPO, RLHF, GRPO 등 Preference Optimization 기반 파인튜닝 및 효과 검증
캐릭터성, 기억력, 문체를 정량 지표로 정의하고 LLM 품질 개선
모델 변경 없이 한계를 확장하는 프롬프트 엔지니어링
Quantization, Knowledge Distillation을 통한 비용 감축
모델 오케스트레이션 및 서빙 전략에 대한 기술 인사이트 제공
이미지 diffusion, TTS, STT 등 인접 모달리티 탐구
재현 가능한 eval과 문서화를 통한 지식 자산화 및 Product Engineer 핸드오프
자격요건
SFT 이상 LLM 파인튜닝 경험
Preference Optimization 계열 중 하나 이상 적용 경험
실험 주제와 목적을 스스로 정의하고 정량 지표로 결과를 검증한 경험
Python과 PyTorch 기반 학습·평가 파이프라인 구현 및 개선 경험
모델 품질을 재현 가능한 수치로 만드는 eval 설계 경험
보상과 복리후생
업계 평균 이상 연봉
스톡옵션
자기계발지원
자유로운 휴가
근무환경
유연근무
마감기한
상시채용
벙커키즈 지원하기 전 이력서 Check
시간이 없다면 AI와 한번에 수정해보세요
공고 원문
소개
[Overview] •시리즈 B 150억 투자유치(26년6월) •일본 등 7개국 진출 •2번의 EXIT을 경험하고, 쿠팡/토스/올웨이즈/Ridi 출신들이 모인 소수 정예 팀 •공동창업자 모두가 창업자 출신 [Introduction] 역사적으로 '기술의 패러다임이 전환되는 시기', 가장 위대한 회사들이 탄생했습니다. AI는 인류 역사상 가장 거대한 파도입니다. 그 어느 때보다 변화의 폭은 커지고 주기는 짧아진 지금, 함께 위대한 회사를 만들어 나갈 타이밍입니다. 인류 역사상 가장 큰 변화에 뛰어들어, 직접 변화를 만들어 나갈 분을 찾습니다. [What we do] • 콘텐츠 분야 중 가장 열광적인 반응이 있는 건 단연 AI 캐릭터 채팅을 위시한 AI Companion 시장입니다. 이 시장은 과거 인터넷 게임의 초창기 시장만큼이나 빠르게 성장하고 있고, 콘텐츠계의 새로운 큰 축이 될 것입니다. • 우리는 이 거대한 흐름의 중심에서 ‘Next Contents’를 가장 매력있게 전달하는 플랫폼이 되는 것을 목표로 합니다. 그 첫걸음으로 AI 캐릭터 채팅 서비스를 구축해나가고 있습니다. • AI 캐릭터 채팅 서비스는 기본적으로 유저들이 특정한 세계관과 설정을 가진 매력적인 캐릭터와 대화할 수 있는, 콘텐츠의 창작욕과 소비욕을 동시에 자극할 수 있는 진보된 형태의 콘텐츠 플랫폼입니다. • AI캐릭터 채팅 서비스는 텍스트에서 시작했지만 영상, 이미지, 웨어러블 기기 등 확장 가능성이 무한합니다. • 수많은 경쟁 기업들이 쏟아지고 있는 이 매력적인 신흥 시장에서, 유저에 대한 뾰족한 정의와 이해를 기반으로 누구보다 빠르게 가장 매력적인 서비스를 만들고 있습니다. [Why Bunkerkids?] 1. 실제 니즈가 시장에서 검증된, 매출을 내는 AI 프로덕트의 개발을 0에서 1, 1에서 10과 그 너머까지 함께하는 경험 2. 초기 단계 스타트업에서의 자율성/권한을 기반으로 한 압축 성장, 높은 업사이드 3. 기준을 낮추지 않는 채용 원칙 아래, 최고의 동료들과 함께하는 경험
주요업무
캐릭터 품질의 한계를 기술로 밀어내고, 그 결과를 팀의 지식으로 남깁니다. • 파인튜닝 — SFT부터 DPO, RLHF, GRPO 등 Preference Optimization까지 적용하고 효과를 검증 • LLM 품질 컨트롤 — 캐릭터성, 기억력, 문체를 정량 지표로 정의하고 개선 • 프롬프트 엔지니어링 — 모델 변경 없이 밀어낼 수 있는 한계까지 밀어내기 • 비용 감축 — Quantization, Knowledge Distillation 등으로 같은 품질을 더 싸게 • 기술 인사이트 제공 — 모델 오케스트레이션과 서빙 전략에 대한 판단 근거 제시 • 인접 모달리티 탐구 — diffusion(이미지), TTS, STT가 우리 제품에 무엇을 더할 수 있는지 • 지식 자산화 — 재현 가능한 eval과 문서로 결과를 남기고 Product Engineer에게 핸드오프
자격요건
• LLM 파인튜닝 경험 — SFT 이상, Preference Optimization 계열 중 하나 이상 적용해본 경험 • 무엇을 왜 실험할지 스스로 정의하고, 결과를 정량 지표로 검증해본 경험 • Python과 PyTorch로 학습·평가 파이프라인을 직접 구현하고 개선해본 경험 • 모델 품질을 재현 가능한 수치로 만드는 eval을 설계해본 경험 [기술 스택] • 언어: Python (리서치), TypeScript · Go (제품) • AI/LLM: 여러 LLM 프로바이더 + 자체 모델 호스트 • 학습: PyTorch 기반 학습·평가 파이프라인 • 인프라: GCP, GPU 클러스터 • 제품: React 기반 SPA + 모바일 하이브리드 앱, Python·TypeScript·Go 서버
우대사항
• DPO, RLHF, GRPO 등 Preference Optimization을 실제 서비스에 적용해본 경험 • Quantization, Knowledge Distillation 등 경량화·비용 감축 경험 • FSDP, DeepSpeed, Slurm 등으로 멀티 클러스터 분산 학습을 진행한 경험 • diffusion, TTS, STT 등 인접 모달리티를 탐구하거나 프로젝트로 다뤄본 경험 • 캐릭터성, 페르소나 일관성, 장기 기억 등 대화 품질 문제를 다뤄본 경험 • 멀티 모델 오케스트레이션(라우팅, 폴백, A/B 실험)과 서빙 전략에 대한 이해 • NeurIPS, ICML, ICLR, ACL, EMNLP 등 주요 학회 1저자 논문 또는 Kaggle 등 대회 수상 • Hugging Face, vLLM, DeepSpeed 등 AI/ML 오픈소스에 기여한 경험 • 기술 블로그나 사내 문서로 지식을 남기고 다른 사람이 재현하게 만들어본 경험
혜택 및 복지
• 연봉 범위: 경력/역량에 따라 협의 • 유연근무제 (08:30~10:30 중 희망 시간 출근) • 유연휴가제 (2시간 단위 반반차) • 개인 업무 장비 지급 • 업무 관련 도서, 교육비 지원 • 점심지원
