[NAVER Cloud] Vision 강화 학습 LLM 개발 (경력)

부서소개 저희 부서는 HyperCLOVA X를 기반으로, 이미지와 비디오 등의 Multimodal 도메인으로의 기능 확장을 위한 아키텍처 설계 및 모델 생산을 담당하고 있습니다. 최종적으로는 Native Multimodal 및 입출력 측면에서 Any-to-Any 까지의 확장을 목표로 하고 있습니다. 2024년 9월 한국 최초로 Vision LLM 기능을 HyperCLOVA X 에 적용해 서비스를 시작하였고, 특히 2025년 4월에도 역시 대한민국 AI 생태계를 위하여 국내 최초로 상업용 오픈소스 AI 모델을 공개했습니다.(관련 링크 Click) 나아가 Global Frontier Big Tech 와 경쟁하기 위해 NAVER의 자산인 데이터와 기술 측면에서 오랫동안 축적된 경험과 우수한 인재를 바탕으로 다양한 프로젝트에 도전하고 있습니다. 대용량의 Computing과 양질의 데이터는 Machine Learning 에 있어 핵심입니다. Computing 자원은 생산을 반복할 때마다 비용에 산입이 되기에, 학습 효율성 및 성능 향상을 위해 데이터를 정교하게 Filtering 하고 Curation하는 것이 중요합니다. 이를 위해 해당 데이터들을 여러 방법론을 통하여 (Model Driven) 학습 공정을 단축하고 데이터와 모델의 상호작용을 탐구하며 SOTA 수준의 성능 개선을 목표로 합니다. 담당업무 생산 공정 중 Multimodal RL (RLVR, RLHF) 학습 완성 및 Reasoning 관련 Target Benchmark 의 SOTA 급 성능 달성 • Hyperscale 규모의 GPU 자원 (InfiniBand 기반 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 기반 GPU Cluster)에서의 Multimodal RL 학습, Ablation 및 모델 생산 자동화 • LLM의 Text 성능 및 기존 Vision 성능의 Forgetting 을 최소화 및 Reasoning 능력 향상 연구 자격요건 • 석사 학위 보유자 혹은 2년 이상의 유관 경력을 보유하신 분 • VLM (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 이해도를 갖추신 분 • Python 및 LLM 개발 관련 Library, FW, Platform(PyTorch, Hugging Face) 활용 역량을 보유하신 분 우대사항