【フルタイム雇用】LLM連携・RAG・エージェント機能を実装するアプリケーションエンジニア

仕事内容

職務内容 (研究者向け)【”実運用”で最先端スキルを磨く!】ドメイン特化型LLM/生成AI開発スペシャリスト このポジションのミッションは、特定ドメインにおいて、国産の「実運用に耐える生成AIモデル」を最短で創出することです。合成データ設計から改善サイクル、GPU学習、厳密な評価・レポート作成まで、　モデル開発の全工程を一気通貫で推進し、プロダクトの核となるAIの価値最大化に貢献いただきます。開発の全工程にあなたの裁量が及び、真のフルサイクル開発を経験できます！ 【圧倒的な事業インパクトとプロフェッショナルな仲間とのキャリア成長】 最先端の技術と知見を持つプロフェッショナルな仲間と共に、この重要なmissionに挑みます。 切磋琢磨できる環境で、一気通貫で開発したモデルは、特定ドメインの深い課題解決に直結し、プロダクト価値や重要KPIにダイレクトに貢献できます。 大手では身につけられないビジネスへの影響度の高さを肌で感じられる、非常に重要なポジションです。 【多様な知的領域への挑戦と、アカデミア産業界のトッププロフェッショナルとの共創】 名古屋大学をはじめとする大学や研究機関との共同研究や、様々な産業領域を代表する企業とのプロジェクトにて、宇宙物理・生命科学・材料工学など多様な知的領域の課題解決にかかわるチャンスがあります。アカデミアの最前線の研究者や、各産業のプロフェッショナルとの協働を通じて、専門性を深化させ、自身の研究を社会実装する経験を積むことができます。 （業務内容） LLMを用いた機能の企画・設計・実装を中心に担当していただきます。まずは、LLM研究室に所属していただき、以下の業務をご担当いただきます。 1. ドメイン特化の生成AIモデル開発 LLM/VLM/TTS等のモデル選定、および、追加事前学習（継続事前学習）・指示学習・DPO/RLHF等の設計と実装。モデルの推論品質・安全性・コスト・レイテンシ最適化。 2. データ戦略の推進（合成データを含む） instruction data / synthetic QA / self-training等のデータ生成パイプライン設計。データ品質評価（重複/汚染/リーク、難易度分布、ドメインカバレッジ）と改善。 3. GPU学習・学習環境の構築/運用 Docker等による再現可能な学習環境、ジョブ実行（単機〜分散）、学習の安定運用。実験管理（MLflow/W&B等）、モデル/データのバージョニング。 4. 評価とレポート 自社ドメインベンチマーク設計、オフライン評価＋（可能なら）オンライン評価の実施。レポート作成（実験結果、失敗/学び、リリース判定、モデルカード/データカード）。 ◇主なプロジェクト例◇ 生成AIモデル開発の最前線で、事業価値に直結する重要なプロジェクトをリードいただきます。 大規模言語モデル（LLM）のビジネス実装： ChatGPT、Anthropic Claude、Google Geminiなどの最先端API群を活用した、高度なLLMアプリケーションの設計・開発。 LangChain / LlamaIndexなどを基盤とした、信頼性の高いRAG（検索拡張生成）システムの構築と最適化。 AIエージェント・システム開発： LangGraph / LangSmithなどを駆使し、タスク分解、対話制御、既存業務フローとの連携を担う自律型AIエージェントの設計と実装。 ドメイン特化型モデルの精度向上： PyTorch / Transformersを用いた、LLMや既存機械学習モデルに対するドメイン特化のFine-tuning、および継続学習の実施。 【特徴】 単にLLMのAPIを呼び出すだけではなく、エージェント設計、情報統合、厳密な評価、そしてビジネスへの業務実装まで、モデルの価値の最大化に向けた全行程（フルサイクル）を担える点が、当社の開発環境の最大の特徴です。 【自社開発プロジェクト】 研究者や知識労働者の生産性を飛躍的に高める、特定ドメイン特化の生成AIプロダクト群を自社開発しています。 1paper｜ 研究翻訳・論文解析支援サービス高度なAI翻訳エンジンを搭載したプラットフォーム。専門性の高い英語論文や技術資料の理解・要約を高速化し、研究者・技術者の情報アクセスにおけるボトルネックを解消します。 1extract｜ AIによる文書構造化エンジン契約書、マニュアル、研究レポートなどの非構造化PDF文書から、AIが自動で高精度な構造化データを抽出する基盤エンジン。RAGシステムや知識検索システムの核として利用され、データの利活用を促進します。 ツキラク｜ 税理士向け業務支援サービス税務・会計領域に特化した監査業務支援AIエージェント。会計データの解析に基づき、リスク検出や定型チェック業務を自動化・高度化し、専門家の業務効率と品質を両立させます。 応募資格（必須） ＜スキル＞ Pythonおよび深層学習フレームワーク （例：PyTorch）を用いた学習/評価の実務経験 生成AI（LLM/VLM/TTS/拡散モデルなど）での追加学習（fine-tuning/継続学習/事後学習のいずれか） 経験 ＜その他＞ 技術検証から実装まで主体的に進められる方 中長期目線で働きたいと考えている方（目安：3年以上） 応募資格（歓迎） （歓迎要件） 合成データ/生成データ（instruction tuning用データ生成、合成評価セット等）の設計・運用 分散学習（DDP/FSDP/DeepSpeed等）、学習最適化（メモリ/スループット/安定性） 継続学習の運用（ドリフト検知、再学習トリガ、品質ゲート、ロールバック） MLOps（パイプライン、監視、ガバナンス）、K8s、クラウド/オンプレGPU運用 論文投稿・国際会議発表・特許など（研究アウトプット） （技術スタック例） Python / PyTorch / HuggingFace, DeepSpeed/FSDP, CUDA （任意）Docker / Kubernetes （任意）MLflow or Weights & Biases, Airflow/Dagster データ基盤（BigQuery/S3等） （必要に応じて）RAG 求める人物像 生成AI技術のキャッチアップと検証が好きな方 複雑な仕様を言語化し、改善提案ができる方 チームで協働しながら素早く実装を進められる方 自分の得意領域を伸ばしつつ、新しい技術にも前向きに取り組みたい方 賃金 年収：800万円〜1100万円（経験・スキルに応じて決定） 採用プロセス 応募 応募フォームより必要情報をご入力ください。 面接（2回） 1次面接：対面（オンライン相談可） 2次面接：オンライン （海外にいる開発メンバーとの面接になります） ※選考内容や回数は状況に応じて変更となる場合があります。 活かせるスキル/開発環境 機械学習：Python、OpenCV、Keras、Tensorflow、Pytorch フロントエンド：React.js、Redux Toolkit、Typescript、Material UI バックエンド：Django、AWS RDS (MySQL)、AWS EC2、AWS SES 勤務時間 フレックスタイム制度 勤務時間・曜日・コアタイムなし 標準的な実働時間：月160時間 稼働時間は100〜160時間の範囲で相談可 昇給・賞与 昇給年1回、賞与年2回（7月、12月） 諸手当 通勤手当 残業手当（契約条件に準ずる） 休日・休暇 完全週休2日制 福利厚生 ・【保険制度】雇用保険、労災保険、健康保険、厚生年金 ・会社契約のChatGPT/Claudeの利用、論文翻訳サービス「1paper」の利用 ・【ファイマ食堂】週1回、グルメな社長が厳選したおいしいお店にメンバー全員で 　ランチに行きます。技術的なこと、最近ハマった趣味の話など 　ベンチャー「らしい」カルチャーづくりの大切な時間となっています。 試用期間 試用期間あり 試用期間：6か月 試用期間中の労働条件：同条件

必須スキル

Feynmaの他の求人

あなたに最適な求人を、AIが推薦

15〜20分のAI面談で、スキル・経験・コミュニケーション・カルチャーフィットを評価。 その結果をもとに、掲載中の全求人から最適な案件を自動マッチング。