LLM 포스트트레이닝 & Harness 엔지니어 (인턴 / 신입)

Alice, 샤오샨 학당(小山学堂), XSCT Bench 같은 실제 제품을 둘러싸고, 모델 포스트트레이닝부터 에이전트 하네스까지 이어지는 엔지니어링 루프 전체에 참여해요. 모델 성능, 작업 완수 품질, 시스템 안정성을 꾸준히 끌어올려요.

1. LLM 포스트트레이닝에 참여해요. SFT, 선호도 최적화, 강화학습 등 학습 방안을 실험하고 반복해요.

2. 학습·평가 데이터의 수집, 정제, 구성, 품질 분석, 버전 관리를 맡아요.

3. 자동 평가, A/B 테스트, 회귀 감지 프로세스를 구축하고, 실제 작업에서 나타나는 모델의 행동과 실패 사례를 분석해요.

4. 에이전트 하네스 엔지니어링에 참여해요. 툴 호출, 컨텍스트 관리, 워크플로 오케스트레이션, 오류 복구 같은 모델 실행 메커니즘을 만들어요.

5. 에이전트 실행 경로의 트레이싱, 옵저버빌리티, 디버깅 역량을 구축해 문제 파악과 반복 속도를 높여요.

6. 제품·알고리즘·엔지니어링 팀과 협업해 데이터, 학습, 평가, 배포, 피드백 환류까지 전 과정을 연결해요.

1. 재학생 또는 졸업 예정·신입이며 학사 이상이에요. 컴퓨터, 인공지능, 수학, 통계 등 관련 전공이면 우대해요.

2. 머신러닝·딥러닝 기초가 탄탄하고, Transformer, LLM 포스트트레이닝, 일반적인 평가 방법을 이해해요.

3. Python, PyTorch, Linux 환경에 익숙하고, 코드 역량, 엔지니어링 습관, 실험 재현 능력이 좋아요.

4. SFT, 선호도 최적화, 강화학습, 학습 데이터 구축, 모델 평가 중 최소 한 가지 실무 경험이 있어요.

5. 에이전트 하네스를 실제로 이해하고 있어요. 툴 호출, 컨텍스트 관리, 워크플로 오케스트레이션, 자동 평가, 트레이싱, 옵저버빌리티 경험이 있으면 우대해요.

6. 실패 사례와 지표에서 문제를 찾아 가설을 세우고, 실험으로 독립적으로 검증할 수 있어요.

7. 분산 학습, 추론 최적화, 오픈소스 프로젝트, 논문, 알고리즘 대회, 수준 높은 기술 작품이 있으면 우대해요.