RAG가 기대만큼 답하지 못하는 문제를 다룹니다. 성공 요인을 LLM보다 문서 중앙화와 데이터에서 찾습니다.
LLM Research Engineer (Pre-training) (신입/경력)
카카오 · 신입·경력 · 판교
Kanana 사전학습을 위해 LLM 구조·학습·데이터 최적화와 대규모 데이터 수집·생성 기술을 연구·개발합니다. 관련 석사 이상 또는 프로젝트 경험과 Model Parallel 기반 모델 학습 경험이 필요합니다.
LLM Research Engineer (Post-training) (신입/경력)
카카오 · 신입·경력 · 판교
Kanana 언어모델의 Post-training 데이터·환경·학습 파이프라인 및 효율화 연구와 분산 학습 코드 구현·최적화를 담당합니다. 관련 석사 또는 프로젝트 경험과 분산처리 기반 언어모델 학습, SFT·RL 기반 LLM Post-training 경험이 필요합니다.
LLM Engineer (Optimization)
42dot · Pangyo (Software Dream Center), South Korea
LLM 추론 엔진·런타임과 모델 최적화를 개발해 GPU 클러스터부터 엣지·온디바이스 환경까지 지연시간·처리량·메모리 효율을 개선합니다. 관련 경력 3년 이상과 LLM 엔진/AI 런타임 개발, GPU·CUDA·병렬 컴퓨팅 및 최적화 기술 이해가 필요합니다.
같은 회사의 연관 글
생성형 AI 도입 과정에서 데이터 관리가 초기 과제로 제시됐습니다. 서버 밖 엔드포인트 데이터까지 포함한 문서중앙화의 필요성을 다룹니다.
