인프라 & 운영

• 대규모 LLM 인퍼런스(Inference) 인프라를 설계하고 최적화해요.
• GPU 클러스터 환경에서 모델 서빙 및 성능 튜닝을 담당해요.
• 수백만 유저를 감당할 수 있는 확장 가능한 LLM 서비스 아키텍처를 구축해요.

모델 학습 & 데이터

• LLM 파인튜닝을 위한 데이터 정렬(Alignment) 파이프라인을 구축해요.
• 분산 학습 환경(Distributed Training)에서 모델 트레이닝 및 실험을 관리해요.
• AI 캐릭터와의 대화 품질을 높이기 위한 고품질 학습 데이터를 큐레이션하고 전처리해요.

시스템 개발

• RAG(Retrieval-Augmented Generation) 시스템을 설계하고 구현하여 캐릭터의 대화 품질을 고도화해요.
• 대화 컨텍스트 관리 및 프롬프트 엔지니어링을 최적화해요.
• LLM 에이전트(Agent) 시스템을 개발하고 고도화하여 캐릭터가 더 다양한 기능을 수행할 수 있도록 만들어요.

다음 중 최소 1개 영역 이상에서 실무 경험이 필수예요.

• (인프라) vLLM, SGLang 등 대규모 LLM 인퍼런스 처리 경험
• (트레이닝) GRPO, SFT, DPO 등 데이터 정렬 및 모델 학습 경험
• (시스템) RAG 시스템 또는 LLM 에이전트 구현 경험

인프라 영역

• Kubernetes, Docker 기반 컨테이너 오케스트레이션 경험
• AWS/GCP/Azure 등 클라우드 환경 운영 경험
• 모델 양자화(Quantization) 및 최적화 기술 이해

트레이닝 영역

• PyTorch 등 분산 학습 프레임워크 경험
• Hugging Face 생태계 활용 경험
• Instruction tuning 데이터셋 설계 경험

시스템 영역

• 벡터 데이터베이스(Vector DB) 활용 경험
• LangChain, n8n 등 LLM 프레임워크 경험
• Function calling, Tool use 등 에이전트 기술 구현 경험

AI 캐릭터 채팅, 서브컬쳐(Subculture) 등 Babechat 서비스 도메인에 대한 관심과 이해도가 높은 분

서류 전형 → 1차(기술/실무) 인터뷰 → 2차(리더십) 인터뷰 → 레퍼런스 체크 → 최종 합격 및 오퍼 미팅