【JAPAN AI】Research Engineer, LLM/Agent / Japanese

以下のいずれかの経験・知見が求められます。

• LLM・生成AIを用いたシステム開発の実務経験
• RAG（検索拡張生成）・エージェントアーキテクチャの設計・実装経験
• Pythonによる機械学習・自然言語処理の実装経験
• モデルの評価・ベンチマーク設計の経験
• 論文調査・再現実装の経験（深層学習・NLP分野）
• 推論レイテンシ・コスト最適化（量子化・蒸留・キャッシュ等）の知識

• 自律的な研究推進力:
  最新論文を自ら調査・選別し、再現・改良実装まで主体的に推進できる自己主導性が求められます。
• 技術的なコミュニケーション能力:
  Agentic Product Engineerチームへの技術移転・メンタリングを担うため、複雑な技術内容を分かりやすく伝える能力が必要です。
• 高い学習・適応速度:
  AI業界は変化・進化が非常に速く、新しい知識や技術を継続的にキャッチアップできる柔軟性と学習速度が重視されます。
• 課題解決思考:
  プロダクション環境での品質改善やパフォーマンスチューニングなど、研究成果をビジネス課題に直結させる実践的な問題解決思考が求められます。
• 英語での技術情報収集力:
  最新の研究論文や技術情報は英語で発信されるため、英語での読解・情報収集能力が業務遂行上不可欠です。

• ナレッジグラフ・グラフRAGの研究・実装経験:
  SaaS横断検索や異なるデータソース間の関係性を構造化するナレッジグラフRAGに関する研究経験があると即戦力として活躍できます。
• マルチモーダル・長文コンテキスト技術の知見:
  マルチモーダルモデルや長文コンテキスト対応に関する実装・研究経験があると、技術開発の幅を広げることができます。
• 合成データ生成・ファインチューニングの経験:
  学習用データミックスの作成・最適化、合成データ生成の実務経験はポジションの中核業務に直結します。
• OSSへの貢献実績・学術論文の発表経験:
  GitHubでのOSS活動や学術論文の執筆・発表経験は、学術機関・OSSコミュニティとの連携業務において高く評価されます。
• 日本語NLPに関する専門知識:
  日本語固有の言語特性（形態素解析・日本語LLMの評価）に関する知識は、国内プロダクト展開において差別化要素となります。

• 最先端エージェントアーキテクチャの設計・実装スキル:
  メモリ管理・コンテキスト圧縮・エージェント間通信など、業界最先端のマルチエージェントシステムの設計・実装を実務で習得できます。
• LLM評価・ベンチマーク設計の専門知識:
  大規模エージェント型タスクの定量ベンチマーク設計・合成データ生成評価など、LLM評価における体系的なノウハウを習得できます。
• 推論最適化（量子化・蒸留・キャッシュ）の実践知識:
  プロダクション環境での推論レイテンシ削減・コスト最適化に関する実践的な技術スキルを、実際のビジネス課題を通じて習得できます。
• 技術移転・メンタリングのリーダーシップ経験:
  Agentic Product Engineerチームへの技術移転を担うことで、研究成果を組織全体に展開するテクニカルリーダーとしての経験を積めます。
• 産学連携・OSSコミュニティとの協業スキル:
  学術機関やOSSコミュニティとの連携を通じて、社外ネットワークを広げ研究者・エンジニアとしての対外的なプレゼンスを高めることができます。