LLM이 만든 결과를 그대로 믿지 않고, JSON Schema와 Validator로 원문 근거를 검증하는 구조를 소개했습니다. 누락은 질문으로 남기고, 오류 응답과 실행 기록을 보존해 회귀 평가에 활용했습니다.
LLM Research Engineer (Post-training) (신입/경력)
카카오 · 신입·경력 · 판교
카카오 자체 LLM Kanana의 post-training을 위한 데이터 수집·생성, 강화학습 환경/파이프라인 고도화, 학습 효율화 및 분산 학습 코드 구현·최적화를 담당합니다. Torch distributed, deepspeed, ray 등 분산처리 기반 LLM 학습과 SFT·RL 포함 post-training 경험이 필요합니다.
Multimodal LLM Research Engineer (경력)
카카오 · 경력 · 판교
이미지·오디오·텍스트 등 다양한 모달리티를 다루는 Multimodal LLM 기반 서비스 특화 모델을 개발하고, SFT 및 Off-policy/On-policy RL로 성능을 고도화합니다. 또한 대규모 분산 학습 코드 개발, 데이터 파이프라인 설계, 모델 평가·벤치마킹을 수행하며 PyTorch/TensorFlow/JAX 중 하나 이상과 Python 활용이 필요합니다.
ML Engineer (LLM)
토스증권 · Seoul
토스증권 AI Tribe에서 LLM/NLP 모델의 학습·서빙·운영과 AI 서비스 문제 정의, 데이터셋 구축, AI 기능 설계를 함께합니다. LLM 또는 NLP 모델을 직접 만들고 운영해 본 경험이 필요합니다.
#LLM 주제를 이어서 읽기
LLM으로 대규모 기술 문서를 만들 때는 내용을 생성하는 것과 구조·서식을 통제하는 것을 분리해야 했습니다. BC 단위 분할, JSON 스키마, 정합성 검증으로 187쪽 초안을 43쪽 최종본으로 줄였습니다.
