【JAPAN AI】Research Engineer, LLM modeling / Japanese
株式会社ジーニー
給与：1200万円〜2000万円
雇用形態：正社員
勤務地：東京都
仕事内容
・エージェント研究開発
‐異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等)
‐新しい推論・計画・検索手法の研究開発
‐マルチモーダル・長文コンテキスト対応の技術開発
‐最新論文の調査・再現・改良実装
・評価・ベンチマーク
‐大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装
‐合成データ生成・評価ベンチマーク設計
‐モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体)
・プロダクション課題の解決
‐推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等)
‐モデル学習用データミックスの作成・最適化
‐エージェント評価フレームワークの高度化
‐本番環境での品質改善・パフォーマンスチューニング
・技術移転・発信
‐Agentic Product Engineer チームへの技術移転・メンタリング
‐学術機関・OSS コミュニティとの連携
業務シナリオ例
※以下は想定される業務シナリオの例です
■ シナリオ 1 : SaaS 横断検索のためのナレッジグラフ
RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。
「成果責任 (KR/メトリクス)」
・ベンチマークスコア改善率 (社内 / 公開ベンチマーク)
・新手法のプロダクション適用数 (四半期あたり)
・推論レイテンシ / コスト改善率
・論文・技術ブログ発表数
・社内技術移転完了数
「開発環境」
・言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX
・ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases
・インフラ : GCP (コンテナ / K8s), Docker
・ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion
・AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin
・作業環境 : Mac (Apple Silicon), デュアルモニタ対応
応募資格
・コンピュータサイエンス、ソフトウェア工学、人工知能、機械学習、数学、物理、それらの関連分野における修士号・博士号を有すること
・LLM を用いた複雑なエージェントシステムの開発経験
・ソフトウェアエンジニアリングと ML における十分な実務経験
・LLM のプロンプト作成、および / または言語モデルを使ったプロダクト開発の経験
・PyTorch / JAX での大規模モデル学習・推論の経験
・LLM / Transformer アーキテクチャの深い理解
・論文読解・再現実装の能力
・Python での高品質なコード実装力
・言語レベル : いずれか必須
‐日本語 : Fluent (プロダクト開発において齟齬なく議論を行えるレベル)
‐英語 : ビジネスレベル