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

以下のいずれかの経験・知見が求められます。

• LLM・大規模言語モデルに関する研究・実装経験
• AIエージェント（推論・計画・メモリ・ツール使用）の開発経験
• 機械学習・深層学習に関する実務または研究経験
• Python等を用いたMLシステムの設計・実装経験
• 最新AI研究論文の調査・再現・改善の経験
• 推論レイテンシ・コスト最適化の経験

• 研究者としての探究心と実装力:
  論文を読むだけでなく、再現・改善まで自走できる研究者マインドと、実際にコードへ落とし込む実装力の両方が求められます。
• 英語での技術コミュニケーション能力:
  求人タイトルに"English"と明記されており、英語での論文読解・チーム内外のコミュニケーションが日常的に発生します。
• 本番環境での問題解決思考:
  研究成果をプロダクションレベルに引き上げるため、パフォーマンス・品質・コストを同時に意識した実践的な問題解決能力が必要です。
• 知識共有・メンタリング意欲:
  Agentic Product Engineerチームへの技術移転が期待されており、自分の知識を他者に伝え組織全体のレベルを引き上げるコミュニケーション姿勢が重視されます。
• 変化の激しい領域での自己学習能力:
  LLM・エージェント技術は進化が非常に速いため、最新の研究動向を継続的にキャッチアップし、自らアップデートし続ける自律的な学習姿勢が求められます。

• マルチモーダル・長文コンテキスト処理の経験:
  画像・音声等を含むマルチモーダルモデルや、長文コンテキストを扱う技術（コンテキスト圧縮等）の開発経験があると活躍の幅が広がります。
• 合成データ生成・評価ベンチマーク設計の経験:
  大規模エージェントタスクの定量評価や、合成データを活用したベンチマーク設計の経験は即戦力として高く評価されます。
• オープンソースコミュニティや学術機関との協働経験:
  GitHub上でのOSS貢献実績や、学会発表・論文投稿の経験があると、同社の知識共有・アウトリーチ活動にも貢献できます。
• RAG・検索システムの設計・実装経験:
  JAPAN AI STUDIOのワークフローにも深く関わる検索拡張生成（RAG）システムの設計・実装経験は特に歓迎されます。
• ファインチューニング・トレーニングデータ最適化の経験:
  モデルのファインチューニングやトレーニングデータミックスの作成・最適化を実務で行った経験があると、より幅広い役割を担えます。

• AIエージェントアーキテクチャの深い設計知見:
  メモリ、コンテキスト圧縮、エージェント間通信など、最先端のエージェントハーネス設計・比較評価の実践経験を積むことができます。
• LLM評価・ベンチマーキングの専門スキル:
  大規模エージェントタスクの定量ベンチマーク設計から合成データ生成まで、LLM評価の一連のプロセスを実プロダクトで経験できます。
• 本番環境でのML推論最適化ノウハウ:
  推論レイテンシ・コスト最適化など、研究フェーズから本番環境まで一貫した問題解決のノウハウを獲得できます。
• 学術・OSS両面での対外発信力:
  学術機関やオープンソースコミュニティとの協働を通じて、研究成果の発信力とネットワークを構築する経験が得られます。
• 技術メンタリング・チームリード経験:
  Agentic Product Engineerチームへの技術移転を通じ、研究エンジニアとしての専門性を組織に還元するリーダーシップ経験が積めます。