1064【Dev】自然言語処理リサーチャー（LLM）

以下のいずれかの経験・知見が求められます。

• 自然言語処理・機械学習に関する研究開発経験
• Pythonを用いた機械学習モデルの実装・実務経験
• 固有表現抽出・テキスト分類・文書要約などのNLP技術の実務・研究経験
• LLMのファインチューニング・RAG・エージェント構築の経験
• 知識グラフ・ナレッジグラフの設計・構築経験

• 自律的・主体的な行動力:
  人材育成やタスク推進を個人の裁量に委ねる文化が強く、指示を待つのではなく自ら課題を設定し推進できる姿勢が求められます。
• 研究とプロダクトを結びつける思考力:
  Research部門はプロダクトチームと密接に連携するため、学術的な研究成果をビジネスやプロダクトへの実装に落とし込む視点が重要です。
• 論文・技術トレンドのキャッチアップ習慣:
  自然言語処理・LLM領域の進化が速いため、最新の研究動向を継続的に追い、実務に応用する学習姿勢が必要です。
• チームを横断したコミュニケーション能力:
  Research DivisionはLLM Unitを含む複数のチームで構成されており、プロダクト・ビジネス側とも協働するため、専門知識を分かりやすく伝える能力が求められます。
• 曖昧な課題を構造化する問題解決力:
  ニュース記事の構造化や知識グラフ構築など、正解のない課題に向き合い、仮説を立てて検証・改善するサイクルを回せる能力が不可欠です。

• 査読あり国際学会・英文学術誌への論文採択実績:
  アカデミアとの連携が強い組織であり、研究者としての実績は即戦力評価につながります。
• ビジネスレベルの英語力:
  最新の国際的なNLP・LLM研究論文を読み込む、または海外研究者との連携において英語力があると業務の幅が広がります。
• レコメンデーションシステムの設計・開発経験:
  ニュース記事のレコメンデーション手法の開発が業務範囲に含まれるため、推薦システムの知見は直接活かせます。
• RAG・エージェント技術の実装経験:
  生成AI×SaaSプロダクトに実装するRAGやエージェント技術の経験は、即戦力として高く評価されます。

• 国産LLMの設計・開発ノウハウ:
  フルスクラッチで1,000億パラメータのLLMを開発してきた組織で、モデル設計・事前学習・評価に関する希少な実務知識を習得できます。
• 大規模実データを活用したNLP研究開発スキル:
  1億記事超のニュースデータと大手企業のユーザーログという、スタートアップでは珍しい大規模データを使った研究開発経験を積めます。
• 知識グラフ・ナレッジエンジニアリングの実践スキル:
  東北大学乾研究室との共同研究を通じて、ビジネス文書からの知識グラフ構築という先端領域の技術を実践的に習得できます。
• 研究成果のプロダクト実装・社会実装力:
  研究部門とプロダクト部門の距離が近い組織構造のなか、研究から実装・リリースまでの一貫したサイクルを経験し、社会実装力を高められます。
• エンタープライズ向けAIプロダクト開発の視点:
  日経225企業の約30%を顧客に持つプロダクト開発に携わることで、大企業向けAIシステムに求められる信頼性・品質基準を体得できます。