[AI Research Div.] Research Scientist Intern - Theory (2년 이상 / 인턴) at KRAFTON

Seoul, , South Korea -

Full Time

Start Date

Immediate

Expiry Date

09 Sep, 26

Salary

0.0

Posted On

11 Jun, 26

Experience

2 year(s) or above

Remote Job

Yes

Telecommute

Yes

Sponsor Visa

Skills

Deep Learning, Machine Learning, PyTorch, JAX, Optimization Theory, Generalization Theory, Reinforcement Learning, Algorithm Design, Mathematical Theory, LLM, Gaming Agents

Industry

Computer Games

Description

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. AI Research 본부에 대한 더 많은 내용은 크래프톤 AI Research 본부 홈페이지 (아래 이미지 클릭) 및 크래프톤 AI Research 본부 소개 영상을 통해 확인하실 수 있습니다. (바로가기 : KRAFTON AI) 우리 팀(프로젝트)을 소개합니다. KRAFTON AI Research Division은 대규모 언어모델 (LLM)을 중심으로, AI 기반 차세대 게임 제작 패러다임을 구축하고 있습니다. 우리는 모델 설계부터 학습, 최적화, 배포 및 운영에 이르는 전 과정을 직접 수행하며, 게임 제작 효율화와 새로운 플레이 경험 창출을 목표로 합니다. 특히 Language Model 기반 Gaming Agent 기술을 통해 게임 환경을 이해하고, 상황에 맞게 행동하며, 플레이어와 자연스럽게 상호 작용할 수 있는 지능형 에이전트 개발에 집중하고 있습니다. 저희 부서에서는 이러한 연구 방향 아래에서 파운데이션 모델에 필요한 알고리즘들에 대한 이론적 분석을 통해 "왜/어떻게" 잘 작동하는지를 파악하고 이에 대한 이해를 바탕으로 더 나아가 새로운 효율적인 알고리즘을 디자인합니다. 이러한 선행 연구를 바탕으로 우리는 게임을 넘어 궁극적으로는 Physical AI 및 인터랙티브 인텔리전스 영역까지 확장하며, 현실 세계와 연결되는 지능 시스템을 만들어가고 있습니다. 우리 팀과 함께할 미션을 소개합니다. Research Scientist (Theory) 로써 하게 될 일은 다음과 같습니다: 딥러닝 모델의 성능 탐구 및 향상을 위한 응용 연구 ML/DL 모델의 generalization capability, optimization 등을 이론적으로 분석하기 위한 이론적 문제 정의 최신 딥러닝 논문 파악 및 구현 이런 경험을 가진 분과 함께 성장하고 싶습니다! (필수요건) 딥러닝 관련 분야 전공 석사 졸업 이상 혹은 이에 준하는 연구 경력 AI/ML 탑티어 학회 (NeurIPS, ICLR, ICML, COLT etc.) 또는 관련 분야 탑티어 저널 논문 작성을 경험하신 분 연구를 주도할 수 있으며 딥러닝 관련 논문 및 수학적 이론을 빠르게 이해하고 구현할 수 있는 능력 새로운 domain에 빠르게 적응할 수 있는 분 원활한 업무 커뮤니케이션 능력 해외 여행 결격 사유가 없는 분 이런 경험들이 있다면 저희가 찾는 그 분입니다! (우대요건) 주요 딥러닝 프레임워크(PyTorch, JAX, etc.)의 능숙한 사용 딥러닝 분야에서 이론적인 연구 경험 (ex. 논문 publish/submit) RL, Optimization, Generalization theory에 대한 경험 크래프톤의 도전에 함께 하기 위해 아래의 전형 과정이 필요합니다. 서류 전형 > 사전 인터뷰 (Phone Interview) > *직무 테스트 (Pre-Test) > 직무 면접 (Technical Fit Interview) > 종합 면접 (Culture Fit Interview) > 학/경력, 평판조회 > 처우협의 > 최종 합격 및 입사 *해당 전형은 포지션에 따라 변동될 수 있습니다. 각 전형의 세부 진행 방식은 개별 안내드립니다. 필요 시 직무 테스트 또는 면접 전형이 추가될 수 있으며, 이에 대한 상세 내용은 개별 안내드립니다. 전형 결과는 지원서에 기재된 이메일로 2주 이내 발송되며, 내부 일정에 따라 다소 지연될 경우 별도 안내드립니다. 본 공고는 상시채용으로 진행되며, 우수 인재 채용 시 조기 마감될 수 있습니다. 필요 서류를 확인해주세요! 입사지원서 (CV 형식/가이드라인), 자기소개서, 경력기술서, 포트폴리오 (필수) 신입일 경우 자기소개서를, 경력일 경우 경력기술서를 중심으로 기술해 주시기 바랍니다. 포트폴리오 첨부 시, 하단 안내 사항을 확인해 주시기 바랍니다. 근무지 성수 고용형태 인턴 (3개월) 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

Responsibilities

Conduct applied research to explore and improve deep learning model performance and define theoretical problems for analyzing generalization and optimization. Implement the latest deep learning papers to design efficient algorithms for foundation models and interactive intelligence.