1012【Dev】VLM / MLLM リサーチャー

以下のいずれかの経験・知見が求められます。

• VLM / MLLM（マルチモーダル大規模言語モデル）の研究・開発経験
• ドキュメント読解・Document AI関連の研究または実務経験
• 深層学習・自然言語処理・コンピュータビジョンの実装経験
• Pythonを用いたモデル学習・評価パイプラインの構築経験
• 学術論文の読解・執筆能力（英語論文含む）

• 研究推進力と自律性:
  学術・産業両面の研究課題に対して自ら仮説を立て、実験・評価サイクルを回しながら成果を出せる自律的な研究推進力が求められます。
• 論文・技術情報のキャッチアップ力:
  VLM・Document AI領域は進化が速く、最新の国際会議論文（ACL / EMNLP / CVPR / ICCV等）を継続的にフォローし、自社研究へ応用できる情報収集力が必要です。
• プロダクトチームとの連携力:
  研究成果をプロダクトに実装するためにエンジニアやPMと協働する場面が多く、技術を非専門家にも分かりやすく説明・提案するコミュニケーション能力が求められます。
• データ品質への高い感度:
  学習データ・評価データ・アノテーション基準の設計など、データ品質がモデル性能に直結するため、細部へのこだわりと品質意識が重要です。
• オープンな情報発信姿勢:
  技術ブログ・学会発表・モデル公開などを通じた社外発信が業務に含まれるため、知識を積極的に共有し、コミュニティへ貢献する姿勢が歓迎されます。

• 日本語特化モデルの開発経験:
  日本語・ビジネス・製造業ドキュメントに特化したLLM/VLMの事前学習・ファインチューニング経験があると、プロジェクトへの即戦力として活躍できます。
• データ合成・アノテーション設計の経験:
  ペルソナベースのデータ合成、合成データを用いたChain-of-Thought学習、品質フィルタリング手法など、学習データ構築に関する知識・経験が歓迎されます。
• ハルシネーション抑止・信頼性評価の研究経験:
  VLMの出力に対する根拠提示・バリデーション手法・ハルシネーション抑止に関する研究や実装経験があれば、直接的に業務課題に貢献できます。
• 国際会議への論文投稿・採択実績:
  ACL / EMNLP / CVPR / ICCV / ACMMult等の査読付き国際会議での発表・採択経験は、研究者としての即戦力として高く評価されます。
• 製造業ドメイン知識:
  製造業の技術文書・仕様書・図面・化学式などのドメイン知識を持つ方は、課題設定やデータ設計において強みを発揮できます。

• ビジネスドキュメント特化VLMの開発スキル:
  図表・図面・化学式・レイアウトなど実社会の複雑な文書を対象としたマルチモーダルモデルの研究開発を通じ、Document AI領域の高度な専門技術を習得できます。
• データ合成・ベンチマーク構築の実践力:
  OmniDocBench-JASynのような独自ベンチマーク構築や、ペルソナベースのCoTデータ合成パイプライン設計を通じ、評価基盤の構築ノウハウを実践的に習得できます。
• 産学連携・共同研究のプロジェクト推進スキル:
  産総研・東北大との共同研究を通じて、学術機関との連携ノウハウや研究マネジメントスキルを身につけることができます。
• 論文執筆・学会発表スキル:
  国際会議への投稿を業務として実施するため、英語論文の執筆能力・プレゼンテーション力・研究の社会的発信力を実務の中で磨くことができます。
• 生成AI・LLM領域の最先端技術知見:
  純国産LLM開発（1000億パラメーター規模）を手がける企業において、最新の生成AI技術スタック全体への幅広い技術的理解を深めることができます。