부서소개 저희 부서는 HyperCLOVA 를 기반으로, 이미지와 비디오 등의 Multimodal 도메인으로의 기능 확장을 위한 아키텍처 설계 및 모델 생산을 담당하는 팀 입니다. 최종적으로는 Native Multimodal 및 입출력 측면에서 Any to Any 까지의 확장을 목표로 하고 있습니다. 2024년 9월 한국 최초로 Vision LLM 기능을 HyperCLOVA X 에 서비스 시작하였고 특히 올해 4월에는 대한민국 AI 생태계를 위하여 역시 국내 최초로 상업용 오픈소스 AI 모델을 공개했습니다(링크). Global Frontier Big Tech 와 경쟁하기 위해 NAVER의 자산인 데이터와 기술 측면에서 오랫동안 축적된 경험과 우수한 인재를 바탕으로 다양한 프로젝트에 도전하고 있습니다. 최근의 Reasoning Model 들은 Inference Time 의 computation 을 활용하여 고성능과 Explainable AI 라는 두 가지 목표를 동시에 달성하고 있습니다. 더 효율적인 Reasoning Process 구축과 모든 Domain의 고른 성능 향상을 위해 저희 부서는 해당 연구를 실증적으로 진행하고 있습니다. 담당업무 생산 공정 중 Multi-modal RL (RLVR, RLHF) 학습 완성 및 Resoning 관련 Target Benchmark 의 SOTA 급 성능 달성 • Hyperscale 규모의 GPU 자원 (IF 로 묶인 GPU Cluster)과 VERL, VeOmni 를 활용한 Vision RL 관련 학습 환경 개발 및 실험 • RLVR 을 위한 Target Scenario 탐색 및 Reward Design, 관련 학습 Data 가공 및 확보 • RLHF 학습을 위한 Reward Model (RM) 학습 및 관리, Reward 기반 Policy 최적화 실험 • Hyperscale 규모의 GPU 자원 (InfiniBand 로 묶인 GPU Cluster)에서의 Multi-modal RL 학습, Ablation 및 모델 생산 자동화 • LLM의 Text 성능 및 기존 Vision 성능의 Forgetting 을 최소화 및 Reasoning 능력 향상 연구 자격요건 • 박사 학위 보유자 혹은 2년 이상의 유관 경력을 보유하신 분 • Vision Language Model (LLaVA, Qwen VL, DeepSeek VL 등) 의 구조 및 학습 과정에 대한 상세한 이해도를 갖추신 분 • Code Level 의 경험을 보유하신 분 • RL 관련 기본 지식 (RLHF, DPO, PPO, GRPO 등) 및 실무적인 학습 경험을 보유하신 분 • Vision RL 에서 사용되는 데이터의 특성, 종류에 대한 이해가 있으신 분 • Python 및 LLM 개발 관련 Library, FW, Platform(Pytorch, Hugging Face) 활용 능력을 보유하신 분 우대사항 • 상용 수준의 Vision Language Model 개발 경험을 보유하신 분 • 대규모 GPU Infra 운용 경험 (Multinode, Slurm, K8S)을 보유하신 분 • Top-tier 논문 1저자 이력이 있으신 분 • LLM, VLM 관련 학위를 보유하신 분 • Challenge 참가 경험 또는 상위 입상 경험을 보유하신 분 • 최소 3개월 이상 소요된 팀 프로젝트를 성공적으로 완료한 경험과 해당 프로젝트를 성공으로 이끈 데에 기여도가 높으신 분 • 상기 담당업무 중 하나를 진행함에 있어 최고 수준의 역량을 보유하신 분 전형절차 및 기타사항 [전형절차] 서류 전형(기업문화적합도 검사 및 직무 테스트 포함) ▶ 1차 인터뷰 ▶ 레퍼런스체크 및 2차 인터뷰 ▶ 처우협의 ▶ 최종합격 ※ 1차 인터뷰 전형에 Job Talk 및 논문 세미나가 포함될 수 있습니다. ※ 전형 절차는 일정 및 상황에 따라 변동 될 수 있으며, 전형 별 결과에 따라 절차(추가 인터뷰 등)가 추가될 수 있습니다. ※ 정해진 결과 발표 일정은 없으며, 지원서 검토 후 면접 일정은 대상자에게 개별로 안내 드릴 예정입니다. [근무지] 경기 성남시 분당구 불정로 6 (그린팩토리) ※ 근무지는 회사 내부 사정에 따라 변동될 수 있습니다.