本文へ移動
JobLinks

電話・メール・フォームで受付/メールは1営業日以内に返信します

  1. トップ
  2. 求人一覧
  3. LLMトレーニングエンジニア(シニア / Post-training )

製造エンジニア / 東京都

LLMトレーニングエンジニア(シニア / Post-training )

製造エンジニアの求人(社名は面談時にご案内)

  • 未経験OK
  • 年間休日120日以上
  • フレックス勤務
  • 時短勤務あり
  • 副業OK
  • リモートワークOK
  • 転勤なし
給与
年収 1000万円〜2000万円
勤務地
東京都
雇用形態
正社員

  • 仕事ポストトレーニングの設計・実装・運用
  • 時間10:00〜19:00
  • 給与年収 1000万円〜2000万円

この仕事について

ポストトレーニングの設計・実装・運用

この求人のポイント

勤務地
東京都
年収の目安
初年度 1000万円〜2000万円
転勤
求人票に記載なし
寮・社宅
求人票に記載なし
この求人の条件
未経験OK

勤務地エリアの情報

東京都のイメージ
東京都
46231件東京都の掲載求人
1,280円東京都の最低賃金(時給)

仕事内容と労働条件

仕事内容
ポストトレーニングの設計・実装・運用
SFT/選好最適化(DPO・KTO・ORPO・SimPO 等)/オンラインRL(PPO・GRPO・RLOO 等)の設計・実装・運用
ポストトレーニングのアルゴリズム改良(損失関数・KLペナルティ・advantage推定の改善、学習の安定化・サンプル効率の改善)
報酬設計
報酬モデル、RLVR(検証可能報酬)、LLM-as-a-Judge パイプラインの構築
報酬ハッキング・報酬の過最適化の検知・分析・対処
学習データの品質管理
合成データ生成とデータ品質管理(混合比の最適化、難易度制御、重複除去、ベンチマーク汚染検査)
選好データ・合成データの生成・フィルタリング
評価基盤の内製化
製品品質と相関する社内評価セットの新規設計
評価基盤の設計・内製化、人手評価・A/Bテストの設計とアノテーションガイドライン整備
応募資格
※語学力:英語を用いた、専門的な技術コミュニケーション能力
※海外在住者の応募歓迎:日本への移住を伴う場合、就労ビザの取得支援およびリロケーションサポートを提供します

ポストトレーニングの設計・実装(SFT・選好最適化・RL)
LLMに対しSFT・選好最適化(DPO 等)を本番モデルに適用し、リリースまで完遂した経験
RLHF/RLAIFを理論と実装の両面で理解していること(PPO・GRPOを実装レベルで説明でき、KLペナルティ設計や報酬ハッキングに実際に対処した経験)
ポストトレーニングのアルゴリズム
就業場所
東京都 千代田区
就業時間・休憩
10:00〜19:00
休日・休暇
その他
待遇・福利厚生
社会保険完備・交通費支給
選考・応募書類
応募 → Periodとの面談 → 企業の選考
募集者
社名は面談時にお伝えします
取扱い
株式会社Period(有料職業紹介事業 13-ユ-315555)
掲載日
2026年10月21日

記載の労働条件は掲載時点のものです。詳しくは面談・面接の際にご確認ください。

選考の流れ

  1. 応募(このページのフォーム)
  2. Periodとの面談(オンライン・日本語または英語)
  3. 企業との面接
  4. 内定・入社の手続き

同じエリア・職種の求人

APPLY

この仕事に応募する

送信後、1営業日以内にPeriodからご連絡します。日本語・英語・ベトナム語どれでも大丈夫です。

応募する求人LLMトレーニングエンジニア(シニア / Post-training )製造エンジニアの求人(社名は面談時にご案内)(ID: pc579859)

会員登録は不要です。応募後、キャリアアドバイザーから1営業日以内にご連絡します。応募書類のアドバイスや、ほかの求人のご提案もできます(無料)。

この仕事に応募する →