AI Research Scientist - Specialized Model

우리는 게이머의 로망을 실현하기 위해, 누구도 가지 않는 길을 갑니다.
예상을 뛰어넘는 과감한 상상력과 기술로, 전 세계 팬들이 잊지 못할 세상을 만들기 위해 담대하게 도전하고 개척합니다.

We pioneer the path to players' dreams.
With bold imagination and breakthrough technology, we create unforgettable worlds for fans across the globe.

우리 팀(프로젝트)을 소개합니다.

[AI Research 본부 비전]

• 크래프톤 AI Research 본부는 게임과 비게임 분야를 위한 자체 AI 핵심 기술을 연구 개발하여, 기존 사업의 경쟁력을 강화하는 동시에 AI 기술의 사업화를 지원하며 새로운 가치와 혁신을 창출합니다:
  • Multimodal Foundation Model, AI Agent 등 차세대 AI 핵심 기술을 연구·개발하여 게임과 현실 세계에서 사람과 자연스럽게 상호작용하는 지능형 Agent를 구현합니다.
  • AI 기술을 게임 개발과 서비스는 물론 다양한 산업 분야에 적용하여 제작 혁신, 새로운 사용자 경험, AI 기반 서비스와 사업 기회를 창출합니다.

[Team 비전]

• 저희 팀은 특화 모델(Specialized Model) 을 개발합니다. 많은 기업이 반복되는 고정 업무에 frontier 모델 API를 사용하지만, 실제로 필요한 것은 범용 능력의 일부임에도 매 호출마다 범용성 전체에 대한 비용을 지불하게 됩니다. 저희는 오픈소스 파운데이션 모델을 특정 업무에 맞게 빠르게 finetuning하여,
• 특화 모델 개발 영역에서는 frontier 모델을 기준으로 타겟 업무의 품질·비용 기준을 수립하고, 다양한 규모의 오픈소스 모델을 평가하여 개발에 적합한 모델을 선정합니다. 이후 모델을 타겟 업무에 맞게 고도화하여 frontier 수준의 성능과 높은 비용 효율성을 동시에 달성합니다.
• 평가 체계 영역에서는 특화 모델의 품질을 신뢰할 수 있게 측정하는 방법론을 설계합니다. Human gold label 기반 정량 지표, LLM-judge 기반 pairwise 비교, 결함 포착률 분석 등 업무 특성에 맞는 평가 프로토콜을 구축하고, 정량 평가와 정성 감사를 결합해 배포 판단의 근거를 만듭니다.
• 또한 이러한 과정을 자동화된 파이프라인으로 발전시키는 것을 목표로 하고 있습니다.
• 새로 합류하시는 분께서는 모델 증류와 finetuning, LLM 평가 등 특화 모델 개발의 전 과정을 함께 추진하며, AI 기술의 실질적인 비즈니스 가치를 만들어가게 됩니다.

우리 팀과 함께할 미션을 소개합니다.

새로 합류하시는 분께서는 비게임 도메인 특화 모델(Specialized Model) 개발을 중심으로, 데이터 구축·모델 학습·평가·자동화까지 이어지는 End-to-End AI/ML 모델 개발 업무를 담당합니다.

• 특화 모델 개발
  • 고객사 업무 데이터를 기반으로 frontier 모델과 대·소형 오픈소스 모델을 동일 기준으로 실측 평가
  • 모델별 품질·비용 Baseline 구축 및 Teacher/Student 모델 선정
  • Distillation 및 SFT를 활용한 타겟 업무 성능 개선
  • 학습 데이터 구성·정제, 학습 실험 설계, 오류 분석 및 성능 개선
  • 품질과 추론 비용을 함께 고려한 모델 및 학습 전략 최적화
• 모델 평가
  • 특화 모델의 품질을 신뢰성 있게 측정할 수 있는 평가 체계 설계 및 운영
  • Human Gold Label 기반 정량 평가, LLM-as-a-Judge 기반 Pairwise 비교, 결함 포착률 분석 등 업무 특성에 맞는 평가 프로토콜 구축
  • 정량 평가와 정성적 분석을 결합한 Failure Case 및 모델 결함 분석
  • 평가 결과를 기반으로 배포 가능 여부 및 개선 우선순위 판단
• End-to-End 개발 체계 및 자동화
  • 고객사와 함께 문제 정의, 목표 성능 및 평가 기준 수립
  • 데이터 구축 → 모델 학습 → 평가 → 개선으로 이어지는 End-to-End 개발 파이프라인 구축
  • 새로운 고객사 및 업무 도메인으로 특화 모델 개발 체계 확장
  • 모델 품질과 비용 양면에서 실질적인 비즈니스 가치 창출

이런 경험을 가진 분과 함께 성장하고 싶습니다! (필수요건)

• Computer Science, Machine Learning, Artificial Intelligence, Data Science 또는 관련 전공의 학위 또는 이에 준하는 전문 역량과 실무 경험
• PyTorch 등 주요 딥러닝 프레임워크를 활용한 AI/ML 모델 개발 및 성능 개선 경험
• 모델 학습·실험·평가뿐 아니라 데이터 특성 분석, 학습 전략 수립, 하이퍼파라미터 튜닝, 오류 분석 등을 통해 모델 성능을 유의미하게 개선한 경험
• LLM의 특정 업무 특화를 위한 post-training 경험
• SFT, 지식 증류(distillation), 선호 최적화(DPO/RLHF) 등 post-training 기법 적용 또는 오픈소스 LLM 파인튜닝 경험과 학습 데이터 구축·정제·검수 및 결함 분석 경험
• LLM 기반 시스템의 평가 체계 설계 및 운영 경험
• 정답 라벨 기반 정량 지표, LLM-as-a-Judge, pairwise 비교 평가, 평가 결과의 통계적 해석, 오류 유형 분석 및 개선 루프 구축 경험과 실제 서비스 품질을 반영하는 평가 체계에 대한 이해
• 데이터·모델·평가를 종합적으로 바라보는 문제 해결 역량
• 모델 성능이 학습 방식뿐 아니라 데이터의 품질과 구성, 평가 체계의 신뢰성에 의해 결정된다는 이해를 바탕으로 실제 서비스 환경에서 품질과 비용을 함께 고려하여 문제를 정의하고 해결한 경험
• 해외 출장에 결격 사유가 없는 분

이런 경험들이 있다면 저희가 찾는 그 분입니다! (우대요건)

• 오픈소스 LLM의 다양한 규모에서의 post-training 경험
• SFT뿐 아니라 지식 증류(on-policy/off-policy distillation), 선호 최적화(DPO/RLHF), 자기 증류 등 다양한 학습 기법에 대한 실험 경험 및 수십B 규모 이상의 모델 학습·서빙 경험
• 대형 모델을 활용한 합성 데이터 생성 및 품질 개선 경험
• Teacher 모델의 응답 생성, 품질 필터링, 데모 데이터 정제, 프롬프트 설계 등 학습 데이터 생성 파이프라인 구축 경험과 다양성, 중복, 형식 결함, 언어 혼입, 편향 등 합성 데이터의 품질 요소를 분석·개선한 경험
• LLM 평가 체계 설계 및 운영 경험
• LLM-as-a-Judge의 자기선호, 위치, 길이 편향 등에 대한 이해와 통제 경험, pairwise 비교 및 합의 기반 gold label 구축 경험, 도메인 특화 벤치마크 및 결함 분류 체계 설계 경험
• 통계적 분석 및 실험 설계 역량
• 데이터 분포, 샘플링, 편향, 신뢰구간, 실험 설계 및 성능 검증에 대한 이해와 성능 변화의 통계적 유의성을 판단하고 원인을 데이터와 실험 관점에서 분석할 수 있는 역량
• GPU 클러스터 환경에서의 대규모 학습·추론 운영 경험
• SLURM 등 클러스터 스케줄러 활용, 분산 학습, vLLM/SGLang 기반 고처리량 서빙, FP8/FP4 등 양자화 및 경량화 실험, 처리량·비용 측정 및 최적화 경험
• 최신 딥러닝 연구를 빠르게 습득하고 구현할 수 있는 역량
• NeurIPS, ICML, ICLR 등 머신러닝·인공지능 관련 주요 학회 또는 저널 논문 게재 경험이나 최신 연구를 기반으로 학습 방법 및 데이터 활용 전략을 구현·검증한 경험
• 대화형 AI 및 실제 사용자 데이터 활용 경험
• 대화형 AI, 에이전트 AI, 고객 상담(CS/CX) 등 사용자 상호작용 도메인의 데이터 처리 경험, 다국어 데이터 처리 및 개인정보 탐지·마스킹 등 품질·보안 프로세스 구축 경험, 외부 고객사와의 요구사항 조율 및 협업 경험

크래프톤의 도전에 함께 하기 위해 아래의 전형 과정이 필요합니다.

• 서류 전형 > 사전 인터뷰 (Phone Interview) > *과제 전형 > 인성검사 (Personality Assessment) > 직무면접 (Technical Fit Interview) > 종합면접 (2-3회) (Culture Fit Interview) > 합격 및 입사
• *해당 절차는 각 포지션 및 후보자에 따라 변동이 있을 수 있습니다.
• 상시 채용으로 채용 완료 시 조기 마감될 수 있습니다.
• 필요 시, 인터뷰 및 직무 테스트가 추가될 수 있습니다.
• 전형 일정 및 합격 또는 불합격 결과는 지원서에 등록하신 이메일 또는 유선으로 개별 안내 드립니다.

필요 서류를 확인해주세요!

• 입사지원서 (자유 양식), 자기소개서, 경력기술서, 포트폴리오 (필요 시), 성적증명서(필수)
• 신입일 경우 자기소개서를, 경력일 경우 경력기술서를 중심으로 기술해 주시기 바랍니다.
• 포트폴리오 첨부 시, 하단 안내 사항을 확인해 주시기 바랍니다.

근무지

• 역삼 센터필드

고용형태

• 계약직 (1년, 정규직 전환 비대상)

아래 안내 사항을 확인해주세요!

• 장애인 및 국가 유공자 등 취업 보호 대상자는 관계 법령에 따라 우대합니다.
• 지원서 내용 중 허위사실이 있는 경우에는 합격이 취소될 수 있습니다.
• 5개월의 수습기간을 적용합니다. 회사는 수습기간에 대한 평가 결과에 따라 본채용을 거부할 수 있으며, 수습기간 중이라도 중간평가 결과에 따라 수습기간을 조기 종료하고 본채용을 거부할 수 있습니다. 수습기간 내 고용형태 및 급여 조정은 없습니다.
• 채용 전형 중 궁금하신 사항은 크래프톤 채용 FAQ 내에서 확인하실 수 있습니다.

BE BOLD, LEARN AND WIN! 크래프톤의 성장과 도전의 스토리를 알아가고 싶다면?

• 크래프톤 제작 스튜디오
• 크래프톤 게임
• 크래프톤 비전 & 핵심가치
• 크래프톤 라이프 & 복리후생
• 크래프톤 공식 유튜브 채널
• 배틀그라운드 공식 유튜브 채널
• 크래프톤 인스타그램
• 크래프톤 블로그

Please check the information below

• Those eligible for an affirmative action program such as individuals with disabilities or with distinguished service to the state will be given hiring preference according to relevant laws
• False statements in your resume may lead to the withdrawal of the employment offer
• A 5-month probationary period applies. Based on the mid-term evaluation, employment may be terminated early or not continued. No changes in employment type or salary during this period.
• Please contact career@krafton.com for other inquiries

BE BOLD, LEARN AND WIN! Would you like to explore KRAFTON’s growth and adventure stories?

• KRAFTON Production Studios
• KRAFTON Games
• KRAFTON Vision and Core Values
• KRAFTON Life & Welfare Benefits
• KRAFTON Youtube Channel
• BATTLEGROUNDS Youtube Channel
• KRAFTON Instagram
• KRAFTON Blog

Academic degree in Computer Science, Machine Learning, AI, Data Science or equivalent practical experience; Proven experience with AI/ML model development and performance improvement using deep learning frameworks like PyTorch; Demonstrated experience in significantly improving model performance through data analysis, strategy formulation, hyperparameter tuning, and error analysis; Hands-on experience with post-training techniques for LLM specialization (SFT, knowledge distillation, preference optimization) and associated data handling; Experience in designing and operating LLM-based system evaluation frameworks, including human gold label metrics, LLM-as-a-Judge, and error type analysis; Strong problem-solving skills integrating data, models, and evaluation with an understanding of quality and cost trade-offs in real-world service environments; No travel restrictions for overseas business trips.