[부서역할]

Pretrained Language Model에 Supervised Fine-Tuning을 적용해 Vision 능력을 추가하는 파이프라인은 잘 알려진 VLM 개발 방식임에도, Pretrain 단계에서 다양한 모달리티를 함께 학습해 Vision 역량을 근본적으로 강화하는 Omni Training의 효과는 여러 가설이 있을 뿐, 실제 성능 개선에 대한 Ablation 연구는 충분히 공개되지 않았습니다. 우리 부서는 Vision Foundation Model의 성능을 높이기 위해 더 정교한 Multimodal Backbone 개발에 집중하고 있습니다.

[인턴십 분야]

- SuperPod 자원을 활용한 Multimodal Backbone 의 Vision 능력 추가를 위한 모델 학습 관련 과제

- SuperPod 을 통한 Backbone 생산을 위한 FW 도입과 관련된 Engineering

- 다양한 Multimodal Backbone 이 최종 모델의 성능에 미치는 영향 탐색

- 효과적인 Pretraining Recipe 탐색과 Pretraining Data 에 대한 Curation 및 Filtering 작업 등

[지원자격]

- 국내/외 정규 대학(학사) 재학생 또는 기 졸업자

- 인턴십 기간(약 3개월) 동안 Full-Time 근무가 가능하신 분

- Vision Language Model (LLaVA, Qwen VL, DeepSeek VL)에 대한 기본적인 지식 및 학습 과정에 대한 이해가 있으신 분

- Distributed Training에 대한 이해가 있으신 분

- Python 활용 능력이 있으신 분

[우대사항]

- Challenge 참가 경험 또는 상위 입상 경험이 있으신 분

- Deepspeed Zero 등의 학습 가속을 위한 지식이나 경험이 있으신 분

- 1개월 이상 진행된 팀 프로젝트를 성공적으로 완료한 경험이 있으신 분

[부서역할]

Machine Learning에서는 대용량 컴퓨팅 자원과 양질의 데이터가 핵심 요소이고 특히, 컴퓨팅 자원은 반복적으로 사용할 때마다 비용이 발생하므로, 학습 효율성과 모델 성능을 높이기 위해 데이터를 정교하게 필터링하고 큐레이션하는 것이 중요합니다. 저희부서는 Multimodal LLM을 개발하고 있으며 모델 학습에 활용되는 데이터 관련 다양한 태스크를 수행합니다. 또한 Model-Driven 접근법을 통해 학습 공정을 최적화하고, 전반적인 모델 성능 향상을 목표로 하고 있습니다.

[인턴십 분야]

- Visual Instruction Data의 영향도 및 최종 성능에 미치는 영향 탐구

- 대량 데이터 정제 및 학습된 최종 모델의 성능 영향도에 대한 반복 실험 및 분석

- 모델 기반의 학습 데이터 Assessment 에 대한 방법론 탐구 등

[지원자격]

- 국내/외 정규 대학(학사) 재학생 또는 기 졸업자

- 인턴십 기간(약 3개월) 동안 Full-Time 근무가 가능하신 분

- Vision Language Model (LLaVA, Qwen VL, DeepSeek VL) 에 대한 기본적인 지식 및 학습 과정에 대한 이해가 있으신 분

- Python 활용 능력이 있으신 분

[우대사항]

- Challenge 참가 경험 또는 상위 입상 경험이 있으신 분

- Model Driven Data Filtering 지식이나 경험이 있으신 분

- 1개월 이상 진행된 팀 프로젝트를 성공적으로 완료한 경험이 있으신 분