業務内容

最先端の生成基盤モデル（Diffusion Models、Autoregressive Models、マルチモーダルLLM）をベースに、商用・産業用途に耐えうる独自生成モデルの研究開発および推論パイプラインの最適化を担うポジションです。モデルの基礎研究・選定から、ドメイン適応、パイプライン実装、推論効率化までを一貫して主導します。

当社では、クリエイティブ制作やエンタープライズ業務の高度化に向けて、独自データセットの構築から高精度なモデルファインチューニング、制御機構の統合までを推進しています。品質・生成速度・計算リソースのトレードオフを高度に見極め、実用性と圧倒的な表現力を両立するAIエンジニアリングを追求します。

  • 画像・動画生成基盤モデルの研究開発、評価、および最新論文の再現・実証実験
  • 企業固有のブランドトーンやプロダクト意匠を忠実に再現するLoRA/ControlNet等のアダプター開発
  • マルチモーダル基盤モデル（MLLM）を活用したコンテキスト理解および生成誘導パイプラインの設計・実装
  • 大規模GPUクラスタ環境における分散学習、追加事前学習（Continual Pre-training）の実施
  • TensorRT、vLLM、量子化（AWQ/GPTQ）、蒸留技術を駆使した推論レイテンシおよびインフラコストの極限最適化
  • 生成物の品質評価（FID/CLIPスコア等の定量的指標および人手評価）の自動化フレームワーク設計
  • ワークフロー全体を自動化する生成エージェントおよびMLOpsパイプラインの構築

応募要件

必須スキル

  • PythonおよびPyTorchを用いた機械学習・深層学習モデルの研究・開発実務経験（3年以上）
  • コンピュータビジョン（CV）、画像処理、動画処理に関する高度な専門知識
  • Diffusion Models、Transformer等の生成AIアーキテクチャへの深い理解
  • 英語の最新論文（arXiv等）を読み解き、自力で実装・検証まで落とし込める技術力

歓迎スキル

  • 大規模GPU環境（AWS / GCP）での分散学習・クラスタ運用の実務経験
  • 画像・動画生成モデルのファインチューニングや商用化プロダクトへの実装経験
  • CUDAプログラミングやTensorRT等によるモデルの推論高速化・最適化経験
  • オープンソースコミュニティ（Hugging Face、GitHub等）へのコントリビューションや独自モデルの公開実績
  • MLOps基盤（MLflow、Weights & Biases、Kubeflow等）の構築・運用経験

応募時に伺いたいこと

これまで研究・開発に携わられた機械学習モデルや生成AIの実装事例（取り組んだ課題、採用したアーキテクチャ、工夫した点、成果など）をお聞かせください。公開されているリポジトリ、論文、技術記事等があればぜひ共有してください。

待遇

  • 完全リモートワーク
  • フレックスタイム制（コアタイムなし）
  • 完全週休2日制
  • 各種社会保険完備
  • スキルアップ支援制度