AI Research Division
KRAFTON AI Research строит новое поколение AI-driven game production вокруг large language models. Команда самостоятельно работает по всей цепочке — model design, data composition, large-scale training, optimization, evaluation, deployment и operations — с двумя основными целями: повышать эффективность и доступность game production через deep learning и создавать Co-Playable Characters, способных играть вместе с пользователем.
Foundation Model Engineering
Foundation Model Engineering превращает research ideas и гипотезы уровня научных работ в реальные large-scale models и production systems. Research Engineer переводит исследовательское направление в обучаемые модели, воспроизводимые эксперименты, масштабируемые pipelines и стабильные evaluation/deployment systems.
Команда работает с distributed training, memory/communication optimization, checkpoint management и experiment automation для моделей от миллиардов до десятков миллиардов параметров. Инженер должен уметь разложить исследовательскую гипотезу на проверяемые эксперименты, проанализировать результаты и помочь определить следующее исследовательское направление. Цель — end-to-end Foundation Model pipeline от training до inference, evaluation и deployment.
Миссия
- Проектировать и реализовывать end-to-end pipelines для training, evaluation, inference и deployment крупных LLM и multimodal Foundation Models.
- Превращать training algorithms, data strategies, optimization approaches и evaluation methods в реальный код и экспериментальные системы.
- Формулировать research hypotheses как проверяемые эксперименты и вести design → implementation → execution → analysis → documentation.
- Улучшать model/data/pipeline parallelism, communication, memory optimization и checkpoint strategies в distributed training.
- Интегрировать новые model architectures, training techniques и optimization methods в существующий codebase и проверять их экспериментально.
- Строить reproducible experiment environments для точного анализа причин улучшения/ухудшения моделей.
- Анализировать training instability, convergence failures, distributed-system errors, data bottlenecks и evaluation inconsistencies.
- Количественно оценивать model performance, training efficiency, system efficiency и evaluation results и представлять выводы researchers/engineers.
Обязательные требования
- Бакалавриат или выше в AI, Computer Science, Statistics, Electrical/Electronic Engineering или эквивалентный опыт.
- R&D-опыт в machine learning, deep learning или Foundation Models.
- Сильный software engineering: способность понимать и изменять models, training loops, data loaders, evaluation pipelines и experiment configs в больших codebases.
- Умение количественно анализировать experiments, формулировать причины изменения performance и превращать их в следующие эксперименты.
- Умение ясно документировать сложную реализацию, experiment setup и результаты.
- Умение структурировать и решать задачи вместе с researchers, engineers и product organizations.
Будет преимуществом
- Training/evaluation/inference крупных LLM или multimodal Foundation Models.
- Опыт distributed training, training optimization, model parallelism и других system-level задач large-model development.
- Решение сложных проблем training instability, performance bottlenecks, evaluation mismatch и data quality.
- Проектирование или улучшение ML pipelines от training до evaluation/inference/deployment.
- Понимание LLM agents, reasoning, tool use, reinforcement learning и multimodal learning.
- Способность превращать research ideas в рабочий код и воспроизводимые experiments.
Найм и условия
Процесс: application review → phone interview → возможный Pre-Test → Technical Fit Interview → Culture Fit Interview → education/employment/reference checks → compensation discussion → final offer. Требуются CV, cover letter, career description, transcript и обязательное portfolio. Работа — Yeoksam Centerfield West Tower. Контракт на 1 год с возможностью перехода в permanent; AI Research применяет одинаковые compensation standards независимо от типа занятости. Применяется 5-месячный probation period.
Отклик принимает студия на своём сайте. LOOTWORK только показывает вакансию.