[위프(WHIF)] Tech-AI Researcher
공고 요약
담당업무
SFT, DPO, RLHF, GRPO 등 Preference Optimization 기반 파인튜닝 및 효과 검증
캐릭터성, 기억력, 문체를 정량 지표로 정의하고 LLM 품질 개선
모델 변경 없이 프롬프트 엔지니어링으로 품질 한계 개선
Quantization, Knowledge Distillation을 활용한 비용 절감
모델 오케스트레이션 및 서빙 전략에 대한 기술 인사이트 제공
diffusion, TTS, STT 등 인접 모달리티의 제품 적용 가능성 탐구
재현 가능한 eval과 문서 작성, 결과의 지식 자산화 및 Product Engineer 핸드오프
자격요건
SFT 이상 LLM 파인튜닝 및 Preference Optimization 계열 적용 경험
실험 목표를 스스로 정의하고 결과를 정량 지표로 검증한 경험
Python과 PyTorch 기반 학습·평가 파이프라인 구현 및 개선 경험
모델 품질을 재현 가능한 수치로 만드는 eval 설계 경험
우대사항
DPO, RLHF, GRPO 등 Preference Optimization의 실제 서비스 적용 경험
Quantization, Knowledge Distillation 등 모델 경량화·비용 감축 경험
FSDP, DeepSpeed, Slurm 기반 멀티 클러스터 분산 학습 경험
diffusion, TTS, STT 등 인접 모달리티 탐구 또는 프로젝트 경험
캐릭터성, 페르소나 일관성, 장기 기억 등 대화 품질 문제 해결 경험
멀티 모델 오케스트레이션과 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 오픈소스 기여 경험
기술 블로그나 사내 문서 작성 및 재현 가능한 지식 공유 경험
보상과 복리후생
유연근무제
유연휴가제
개인 업무 장비
도서·교육비 지원
구주증여
스톡옵션
전형절차
협업 인터뷰 60분: 일하는 방식, 커뮤니케이션 스타일, 과거 협업 경험
Culture fit Interview 60분: 미션·비전 적합성, 가치관, 성장 방향
Technical Interview 60분: LLM 시스템 설계 및 과거 프로젝트 기반 기술 대화
처우 협의
근무환경
유연근무제 운영
유연휴가제 운영
개인 업무 장비 제공
원격근무 없음
마감기한
상시채용
벙커키즈 지원하기 전 이력서 Check
시간이 없다면 AI와 한번에 수정해보세요
공고 원문
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
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
기술스택
TypeScript, Python
채용절차
1. 서류 전형 — 지원서 및 포트폴리오 검토 2. 콜 스크리닝 (30분) — 간단한 유선 사전 인터뷰 3. 실무 인터뷰 (60분) — 직무 역량 및 전반적인 실무 인터뷰 4. 문화 인터뷰 (60분) — 회사 문화 적합성(컬처핏) 인터뷰 5. 처우 협의 — 최종 합격자 대상 연봉 및 처우 협의
