転職AI
保存・履歴

保存と履歴は、この端末のブラウザにだけ残ります。会員登録すると、スマホとPCで同じ一覧を見られ、条件に合う新着求人もメールで届きます。

ログインマイページ
求人へ
職種・勤務地・キーワードで探す
条件を変える

こだわり条件

こだわり条件
条件をクリア
東京都の機械学習エンジニアの求人198件

Software Engineer - LLM Post-training / 大規模言語モデル 事後学習エンジニア

株式会社Preferred Networks

この会社の求人 74件

掲載中・1日前に確認

給与
応相談募集要項に金額の記載がなく、経験・能力などに応じて決まります
勤務地
東京都千代田区
休日
土曜日
雇用形態
正社員

どんな仕事かAIによる生成

大規模言語モデルの事後学習を行い、実用化に必要なモデルを作り上げるための研究開発に取り組みます。事後学習手法、高品質なデータ合成手法、ベンチマークおよびその構築手法について、既存研究の調査・実装から新規手法の研究開発まで担当します。LLMを利用したプロダクトや他ドメインに特化したプロジェクトとも連携し、大規模言語モデルの産業応用を推し進めます。

応募資格・募集要項・仕事内容を見る

この求人に応募

給与応相談

募集元で応募する株式会社Preferred Networksの採用ページへ
相談する共有準備中

応募は募集元の採用ページで受け付けています。当サイトに応募フォームはありません。

応募資格

必須

  • コンピュータサイエンスの知識や関心
  • コンピューターサイエンスのすべての分野への精通を目指し、常に最先端の技術を追いかけ続けていること
  • 特に、機械学習または自然言語処理に関する研究または実務の経験および実績
  • Pythonを使ったソフトウェア開発経験
  • コンピューターアーキテクチャーを理解し、ソフトウェアの実効効率や、計算量を意識したプログラムの作成が出来ること
  • 数学、自然科学（物理、化学など）に関する、大学卒業程度の知識（もしくは学習により習得可能なこと）
  • チームでの課題解決の経験
  • 業務内容の一部として、特定の国籍の方が従事できないプロジェクトを含む場合があること

歓迎

  • 公開されているフロンティアモデルの事後学習手法・データ生成手法・ベンチマーク手法を継続して追いかけていること
  • 広く利用されている基本的な事後学習手法(SFT/DPO/GRPO/OPDなど)に対する理解
  • 広く利用されている基本的なベンチマークやその測定方法に対する理解
  • 大規模言語モデルの事後学習経験
  • 分散学習フレームワーク(FSDP, DeepSpeed)やより高位の学習フレームワーク(TRL, slime)を使った開発経験
  • データ生成、学習、評価までのパイプラインの構築経験
  • 大規模言語モデルの学習データセットやベンチマークなどの作成経験
  • 機械学習OSSへのコントリビューション経験
  • プログラミング競技コンテスト、ゲームAIコンテスト、データ分析コンテスト（Kaggleなど）などの実績・経験
  • 研究に対する優れた実績
  • 開発プロジェクトにおける3名以上のチームのリーダーシップ経験

求める人物像

  • その開発に携わりたい方
  • 熱意のある方

募集要項最終確認 11/12

職種
機械学習エンジニア
雇用形態
正社員（試用期間3ヶ月、本採用と同条件）
給与
応相談
給与の詳細
経験、業績、能力、貢献に応じて、当社規定により優遇経験、業績、能力、貢献に応じて、当社規定により優遇 ※基本給及び固定残業代の金額及び内容については、オファー時に速やかに明示します年2回の人事評価及び会社業績に基づいて決定
手当
通勤手当在宅勤務手当
勤務地
東京都千代田区大手町１−６−１ 大手町ビル
働き方
ハイブリッド勤務（オフィス出社と在宅勤務を組み合わせての勤務）
勤務時間
専門労働型裁量労働制（みなし労働時間：8時間）もしくはフレックス制
休日・休暇
土曜日日曜日国民の祝日国民の休日年末年始当社規定による年次有給休暇制度（入社時26日付与）育児休暇慶弔休暇など
福利厚生
確定拠出年金制度ラップトップPC購入補助定期健康診断実施
社会保険
社会保険完備（厚生年金保険、健康保険、雇用保険、労災保険）
掲載日
2026/07/01 09:44（135日前）
最終確認
2026/11/12 18:56（1日前）

仕事内容

Job Description

  • 事後学習チームのミッションは「基盤モデルが持つ能力を極限まで高めること」です。LLMは主に事前学習と事後学習の2つに分けて開発されます。事前学習は大量の計算資源を必要としますが、その真価を発揮させるためには事後学習が欠かせません。事後学習では、人が実務で便利に使用するための様々な能力を高めます。具体的には有用性・正確性・安全性といった観点から、人間にとって好ましい応答を生成するようにしたり(アラインメント)、応答の前に推論を行うことができるようにしたり(推論能力の獲得)、基盤モデルの外にある様々なツールを使いこなすようにしたり(エージェンティックツール利用)と、その取り組みは多岐にわたります。
  • 大規模言語モデル - 事後学習エンジニアは、事前学習されたモデルに事後学習を行い実用化に必要なモデルを作り上げるための研究開発に取り組みます。最先端の事後学習手法・高品質なデータ合成手法・ベンチマークおよびその構築手法について、既存研究の調査と実装、新規手法の研究開発まで幅広く取り組んでいただきます。またLLMを利用したプロダクトや他ドメインに特化したプロジェクトとも密接に連携し、大規模言語モデルの産業応用を推し進めていただきます。

業務例

  • 基盤モデルの性能をさらに向上させるような事後学習手法の研究開発
  • 社内外からの様々な用途・要望に対応できるような、高品質かつスケールするデータ生成手法および収集・品質管理方法の研究開発
  • 基盤モデルの能力を測るためのベンチマークの調査および新規ベンチマークの人手または自動での構築
  • LLMを利用したプロダクト開発や、各ドメインに特化したLLM開発プロジェクトとの連携など
  • 実際の業務はこれに限定されるものではありません。入社後に実際にご担当いただく業務内容は、専門的知識・経験を考慮のうえ決定します。

募集内容

  • The Post-training team's mission is to "maximize the capabilities of foundation models to their absolute limits." LLMs are primarily developed through two phases: pre-training and post-training. While pre-training requires substantial computational resources, post-training is essential to fully realize their potential. During post-training, we enhance various capabilities to make these models practical and useful for humans. This involves multiple approaches including: aligning responses to be more human-favorable in terms of usefulness, accuracy, and safety; enabling reasoning capabilities before generating responses; and developing the ability to effectively utilize various tools external to the foundation model (agentic tool utilization). The scope of our work encompasses a wide range of such initiatives.
  • Large Language Models - Post-Training Engineers conduct research and development to refine pre-trained models into practical, production-ready systems. You will conduct comprehensive surveys of existing research on cutting-edge post-training methods, high-quality data synthesis techniques, and benchmark creation/evaluation methods, while also developing new methodologies. You will work closely with projects utilizing LLMs and domain-specific applications to drive industrial implementation of large-scale language models.

Your responsibilities may include:

  • Research and development of post-training methods to further enhance foundation model performance
  • Research and development of high-quality data generation methods and collection/quality control methods that can accommodate various applications and requirements from both within and outside the company
  • Research and development of benchmark methodologies for evaluating foundation model capabilities
  • Collaboration on LLM-based product development and support for domain-specific LLM development projects
  • Please note that these represent only the core responsibilities. Actual job duties will be determined based on your specialized knowledge and experience after joining our company.

この求人は、株式会社Preferred Networksの採用ページの内容をAIが読み取って整理したものです。応募の前に採用ページの原文を確かめてください。データの集め方企業サイト

同じ会社の求人74件

株式会社Preferred Networksの求人をすべて見る（74件）

職種と勤務地が似ている求人東京都の機械学習エンジニア 198件

東京都の機械学習エンジニアの求人をすべて見る（198件）

募集元の採用ページから応募できます

応募は株式会社Preferred Networksの採用ページで受け付けています。このページは採用ページの掲載内容をもとに構成しているため、最新の応募条件は募集元でご確認ください。

募集元の採用ページを開く

この求人と近い条件で探す数字はリンク先ページの掲載件数

応募資格の語から探す

この職種で探す

この勤務地で探す

働き方・年収で探す

この職種を募集する企業

募集元で応募する採用ページへ
AI相談