주식회사 카카오, AI Research Engineer (Search & Agent) 경력직 모집
주식회사 카카오가 AI Research Engineer (Search & Agent) 포지션의 경력직 채용을 진행할 예정이다. 이번 모집은 Agentic Search LLM, Search Ranking Model, Search Data Modeling 세 개 분야를 대상으로 하며, 각 분야별로 전문성을 갖춘 인재를 찾고 있다.
이번 포지션에서는 카카오의 다양한 AI 서비스와 검색 서비스 전반에 활용되는 AI Search Platform과 핵심 모델을 연구·개발하게 된다. 공통 업무로는 상품·장소·웹 문서·대화 등 서로 다른 도메인을 아우르는 AI 검색 모델 연구, 검색 품질 평가를 위한 데이터셋·벤치마크·학습 파이프라인 구축, 연구 결과의 카카오 실제 서비스 적용 및 대규모 트래픽 환경에서의 성능 검증을 담당하게 된다. Agentic Search LLM 분야에서는 검색 과정에서 스스로 계획하고 탐색하며 도구를 활용하는 Agentic Search LLM 연구, GRPO 등 Policy Optimization 기반 LLM 학습 및 성능 최적화, 실제 검색 인덱스·API와 상호작용하는 환경에서의 Agent 학습을 경험하게 되며, Search Ranking Model 분야에서는 대규모 검색 로그·클릭 데이터를 활용한 Embedding, Cross Encoder 학습과 Dense Retrieval, Reranking, Hybrid Search 등 검색 파이프라인 전반의 랭킹 품질 개선, 대규모 트래픽 환경에서의 서빙 및 추론 최적화를 맡게 된다. Search Data Modeling 분야에서는 어뷰징·스팸·중복 문서/상품 등 저품질 데이터 탐지 모델 연구, 대용량 상품·웹 문서의 속성 추출 및 정규화 모델링, LLM-as-a-Judge 기반 품질 평가 체계 구축 및 사람 평가와의 정합성 검증을 담당하게 된다.
지원을 위해서는 관련 경력 2년 이상이 필수이며, 머신러닝의 기본 개념을 이해하고 모델의 학습 원리를 설명할 수 있어야 한다. 또한 Loss, Optimization, Sampling, Evaluation Metric의 선택 이유를 설명할 수 있는 분, 학습이 잘되지 않을 때 가설을 세우고 재현 가능한 실험으로 원인을 좁혀나간 경험이 있는 분, 오프라인 지표와 실제 서비스 품질의 차이를 이해하고 학습부터 추론·평가·배포까지 고려해 문제를 풀어본 분을 필요로 한다. 각 분야별 필수 경험으로는 Agentic Search LLM의 경우 PPO·GRPO 등 Policy Optimization 방법을 활용한 LLM 강화학습 경험과 LLM 학습 결과를 분석하고 실험을 통해 성능을 개선한 경험이 요구되며, Search Ranking Model의 경우 Embedding Model, Bi-Encoder 또는 Cross Encoder를 학습하고 성능을 개선한 경험과 검색 모델의 학습 데이터 구성, Negative Sampling 및 평가 경험이 필요하다. Search Data Modeling의 경우 LLM, Embedding Model 또는 분류 모델을 학습해 데이터 품질 문제를 해결한 경험과 주관적이거나 모호한 데이터 품질 기준에 대해 평가 데이터셋과 지표를 직접 설계하고 구현한 경험을 요구한다. 공통 우대사항으로는 새로운 논문을 빠르게 이해하고 실제 모델과 시스템으로 구현하는 것을 즐기는 분, 정답이 정해지지 않은 문제를 스스로 정의하고 풀어본 분, 연구 결과를 동료들과 투명하게 공유하고 함께 더 나은 방향을 찾아가는 분을 우대한다.
근무지는 판교이며, 자세한 내용은 '주식회사 카카오'의 홈페이지에서 확인할 수 있다.
주식회사 카카오가 AI Research Engineer (Search & Agent) 포지션의 경력직 채용을 진행할 예정이다. 이번 모집은 Agentic Search LLM, Search Ranking Model, Search Data Modeling 세 개 분야를 대상으로 하며, 각 분야별로 전문성을 갖춘 인재를 찾고 있다.
이번 포지션에서는 카카오의 다양한 AI 서비스와 검색 서비스 전반에 활용되는 AI Search Platform과 핵심 모델을 연구·개발하게 된다. 공통 업무로는 상품·장소·웹 문서·대화 등 서로 다른 도메인을 아우르는 AI 검색 모델 연구, 검색 품질 평가를 위한 데이터셋·벤치마크·학습 파이프라인 구축, 연구 결과의 카카오 실제 서비스 적용 및 대규모 트래픽 환경에서의 성능 검증을 담당하게 된다. Agentic Search LLM 분야에서는 검색 과정에서 스스로 계획하고 탐색하며 도구를 활용하는 Agentic Search LLM 연구, GRPO 등 Policy Optimization 기반 LLM 학습 및 성능 최적화, 실제 검색 인덱스·API와 상호작용하는 환경에서의 Agent 학습을 경험하게 되며, Search Ranking Model 분야에서는 대규모 검색 로그·클릭 데이터를 활용한 Embedding, Cross Encoder 학습과 Dense Retrieval, Reranking, Hybrid Search 등 검색 파이프라인 전반의 랭킹 품질 개선, 대규모 트래픽 환경에서의 서빙 및 추론 최적화를 맡게 된다. Search Data Modeling 분야에서는 어뷰징·스팸·중복 문서/상품 등 저품질 데이터 탐지 모델 연구, 대용량 상품·웹 문서의 속성 추출 및 정규화 모델링, LLM-as-a-Judge 기반 품질 평가 체계 구축 및 사람 평가와의 정합성 검증을 담당하게 된다.
지원을 위해서는 관련 경력 2년 이상이 필수이며, 머신러닝의 기본 개념을 이해하고 모델의 학습 원리를 설명할 수 있어야 한다. 또한 Loss, Optimization, Sampling, Evaluation Metric의 선택 이유를 설명할 수 있는 분, 학습이 잘되지 않을 때 가설을 세우고 재현 가능한 실험으로 원인을 좁혀나간 경험이 있는 분, 오프라인 지표와 실제 서비스 품질의 차이를 이해하고 학습부터 추론·평가·배포까지 고려해 문제를 풀어본 분을 필요로 한다. 각 분야별 필수 경험으로는 Agentic Search LLM의 경우 PPO·GRPO 등 Policy Optimization 방법을 활용한 LLM 강화학습 경험과 LLM 학습 결과를 분석하고 실험을 통해 성능을 개선한 경험이 요구되며, Search Ranking Model의 경우 Embedding Model, Bi-Encoder 또는 Cross Encoder를 학습하고 성능을 개선한 경험과 검색 모델의 학습 데이터 구성, Negative Sampling 및 평가 경험이 필요하다. Search Data Modeling의 경우 LLM, Embedding Model 또는 분류 모델을 학습해 데이터 품질 문제를 해결한 경험과 주관적이거나 모호한 데이터 품질 기준에 대해 평가 데이터셋과 지표를 직접 설계하고 구현한 경험을 요구한다. 공통 우대사항으로는 새로운 논문을 빠르게 이해하고 실제 모델과 시스템으로 구현하는 것을 즐기는 분, 정답이 정해지지 않은 문제를 스스로 정의하고 풀어본 분, 연구 결과를 동료들과 투명하게 공유하고 함께 더 나은 방향을 찾아가는 분을 우대한다.
근무지는 판교이며, 자세한 내용은 '주식회사 카카오'의 홈페이지에서 확인할 수 있다.
_original_bithumb_RGB%20(2).png)