LLM Research Engineer (Post-training) (신입/경력)

Language Model Training팀은 카카오의 자체 Large Language Model인 Kanana를 A부터 Z까지 연구 및 개발하고, 이를 기반으로 카카오의 여러 서비스에 기여하고 있습니다. 자체 언어모델인 Kanana를 최고수준으로 개발하고싶은 분들의 지원을 기다립니다. 참고) 연구결과 논문 Let's Scale Step by Step: Compute-Efficient Hyperparameter Transfer for Large-Scale Mixture-of-Experts Mixture-Trained Merging for Unified Multi-Objective Models No Pain, More Gain: Iterative Merging for Effective Multi-Teacher On-Policy Distillation 블로그 더 작고 강해진 Kanana SLM 개발 (link) Kanana-2 개발기 (1): Pre-training에서의 의사결정들을 중심으로 (link) Kanana-2 개발기 (2): 개선된 post-training recipe를 중심으로 (link) 데이터는 없지만 LLM은 학습하고 싶어

• Code, Math 데이터 개발기 (link) Post-training을 위한 데이터 수집 및 생성 기술 개발 및 연구 Post-training에서 필요한 환경 개발 및 이를 이용한 강화 학습 (e.g. environment scaling) Post-training 학습 파이프라인 고도화를 위한 개발 및 연구 (e.g. domain-parallel rl) Post-training 학습 효율화 연구 (e.g. asynchronous rl) 분산 컴퓨팅을 바탕으로 학습 코드 구현 및 최적화 (e.g. Multi-node 혹은 device에서 slime, verl 등의 프레임워크를 이용한 학습) CS/AI/ML 등 관련 전공 석사 이상 혹은 이에 준하는 관련 프로젝트 경험을 보유하신 분 Torch distributed, deepspeed, ray 등의 분산처리를 이용한 언어 모델 학습 경험을 보유하신 분 SFT 와 RL 등을 포함한 LLM Post-training 경험을 보유하신 분 연구/개발에 대한 지속적인 관심과 새로운 기술/업무에 대한 도전 정신을 가지신 분 연구/개발에 그치는 것뿐만 아니라 이를 서비스 시나리오로 연결하는 것에 대한 관심을 가지신 분 ◆ 우대사항 LLM을 목적에 맞게 Fine-tuning 해서 서비스에 기여한 경험을 보유하신 분 Data/Model/Pipeline/Context/Expert Parallel 등 Model parallel 관련 연구 개발 경험을 보유하신 분 대규모 GPU/TPU 클러스터 환경에서 초거대 모델 학습을 위한 최적화 경험을 보유하신 분 강화 학습에 대한 이론과 엔지니어링 측면에서의 높은 이해도를 보유하신 분 LLM Post-training을 위한 데이터의 품질 향상과 평가를 위한 연구 개발 경험을 보유하신 분 LLM Post-training 관련 논문 출판 경험을 보유하신 분