• RAG 파이프라인 ​개선 - RAG 시스템의 ​전반적인 구조와 동작 원리를 ​심도 ​있게 분석하여, ​각 구성 요소의 ​효율성을 극대화할 ​수 ​있는 개선 ​전략을 ​수립 ​및 구현합니다. • Retriever 성능 ​최적화 ​- 대규모 문서 ​후보군 ​중 ​질문과 밀접하게 연관된 ​문서를 빠르고 ​정확하게 ​선별할 수 ​있는 고성능 ​검색 ​알고리즘을 설계 및 ​개발합니다. • Agent RAG ​개발 - 기존 RAG 시스템에 에이전트 기능을 통합하여, 질문에 대해 자율적으로 계획을 수립하고 최적의 답변을 생성할 수 있는 혁신적인 파이프라인을 구축합니다.

[주요업무] • RAG 파이프라인 ​개선 - RAG 시스템의 ​전반적인 구조와 동작 원리를 ​심도 ​있게 분석하여, ​각 구성 요소의 ​효율성을 극대화할 ​수 ​있는 개선 ​전략을 ​수립 ​및 구현합니다. • Retriever 성능 ​최적화 ​- 대규모 문서 ​후보군 ​중 ​질문과 밀접하게 연관된 ​문서를 빠르고 ​정확하게 ​선별할 수 ​있는 고성능 ​검색 ​알고리즘을 설계 및 ​개발합니다. • Agent RAG ​개발 - 기존 RAG 시스템에 에이전트 기능을 통합하여, 질문에 대해 자율적으로 계획을 수립하고 최적의 답변을 생성할 수 있는 혁신적인 파이프라인을 구축합니다. [자격요건] • 2년 이상 AI 관련 분야에서 근무하신 분 (석사 학위 취득 시 관련 경력으로 인정) • 딥러닝 및 NLP의 개념을 깊게 이해하고 원리를 설명 가능하신 분 • RAG 파이프라인에 대해 이해하고 관련 개발 경험이 있으신 분 • 백엔드의 코드 변경이 고객에게 어떤 영향을 미치는지 고객 관점에서 생각하실 수 있는 분 [우대사항] ※산업기능요원 전직 및 보충역 편입 가능(전공학과 또는 경력 2년 이상) • Agent 관련 개발 경험이 있으신 분 • 최신 NLP (특히 LLM) 모델을 사용하거나 공부한 경험이 있으신 분 • AI 관련 Challenge 수상 실적(캐글 및 해커톤 등) 또는 논문 작성 경험이 있으신 분 • 대화형 인공지능 제품을 많이 사용해보고, 어떻게 하면 좋은 답변을 제공할지 고민해보신 분 [채용절차] • 서류검토(온라인코딩테스트 포함) -> 1차 기술 인터뷰(사전과제) -> 2차 인터뷰 -> 3차 CEO인터뷰 -> 레퍼런스체크(Optional) -> 처우 협의 후 Offer letter 전달 • 인터뷰는 비대면(화상회의)으로 진행됩니다. (CEO 인터뷰의 경우 대면으로도 진행 가능)