株式会社ELYZAの1A06.【研究開発】リサーチエンジニア（LLM開発）の求人

ELYZAについて

ELYZAは東大松尾研発のAIスタートアップです。「未踏の領域で、あたりまえを創る」をミッションに、先端技術の研究と実用化の両輪で活動しています。NLP・LLM領域にいち早く研究投資し、2020年の「ELYZA DIGEST」に始まり、「Llama-ELYZA-JP」シリーズや医療特化モデル、Diffusion Model など日本語モデルの研究成果を発表してきました。

これまで培ったLLM技術を中核としつつ、VLM/VLAや音声基盤モデル、AIエージェント、さらには Physical AI 領域へと挑戦幅を広げています。得られた知見を広く社会に還元すること、そしてソリューション事業やプロダクト事業と連携し、先端技術を社会実装につなげていくことを目指しています。

募集背景

現在、KDDIとの業務提携により大規模な計算基盤の整備が進み、研究開発をさらに加速できるフェーズに入りました。基盤モデルの研究開発はモデル規模や学習データ量、利用する計算資源が急速に拡大しており、分散学習を前提とした実験設計・実装の重要性が高まっています。

それに伴い、研究経験に裏打ちされた「技術的理解」と、アイデアを形にする「実装力」を兼ね備えたリサーチエンジニアの役割がより一層大きくなっています。そこでELYZAでは、そのいずれか、あるいは両方に強みを持ち、研究とエンジニアリングの両面で専門性のさらなる向上を志向される方を募集しています。

求める期待・役割

リサーチエンジニアは、大規模基盤モデルの学習・評価などに関わる実験基盤を構築し、高速かつ確かな仮説検証を実現することで研究開発を前に進める、エンジニアリング面での中心的な役割を担っていただきます。

• アルゴリズム開発・実験・分析： モデル性能向上のためのアーキテクチャ改良や学習手法の最適化
• 実験パイプラインの設計・開発： 基盤モデルの追加事前学習（Continual Pre-training）、事後学習（SFT/RLHF等）、評価システムの構築・運用
• 生産性向上への寄与： コード品質管理、実験管理、モニタリング基盤の整備による開発サイクルの高速化
• プロトタイピング： プロプライエタリモデルのAPIや自社モデルを活用した、実用可能性を探るデモ開発
• 研究開発のリード： 生成AI領域における未知の研究課題の特定とソリューションの提示

本ポジションの魅力

• 国内最大級の計算資源（GPU）を活用した基盤モデルの研究開発を通して、研究とエンジニアリングの両面で専門性を高めることができる
• ソリューションチームやプロダクトチームと密に連携しながら、実社会の課題解決を目的とした研究開発に携わることができる
• 経産省「GENIAC」や産総研プロジェクトなど、大規模な国策プロジェクトにも参画できる
• 高品質データ作成を内製化しており、データ設計からモデル改善まで一貫したデータ駆動型の研究サイクルを高速で回すことができる

開発環境

セキュリティ意識を高く保ちつつ、利用可能な場面では Claude Code、Devin などの最新のAI開発ツールをフルに活用しています。

• 開発言語：Python, (Shell Script)
• インフラ：Azure, Google Cloud, AWS, ABCI
• コンテナ基盤：Docker, Singularity
• 機械学習関連ツール：Hugging Face, W&B
• ドキュメント・バックログ管理：Notion
• コード管理：GitHub
• コミュニケーションツール：Slack, Google Meet, Discord

• ELYZAのコア・バリューである「Long Term Greedy」の考え方に共感してくださる方
• オーナーシップと高い倫理観をもって業務を遂行できる方
• 不確実な状況でも自分で論点を定めて手を動かし、物事を前に進められる方
• 再利用性・保守性を意識したコードを書くことができる方
• 研究に留まらず、その先の社会実装と実用化に関心が高い方（論文発表に重心がある方は合わないです）

• Pythonを用いた2年以上の開発経験
• 機械学習・深層学習分野に関する深い理解と、1年以上の実践的な経験
• Git/GitHubを用いたチームでの開発経験
• Docker、Kubernetes等を用いたコンテナベースの開発経験
• 日本語でのビジネスレベルのコミュニケーションスキル / Native-level Japanese proficiency

• FSDP, DeepSpeed, Megatron-LM 等を用いたマルチノード分散学習の実装・運用経験
• Transformerアーキテクチャの実装経験・改良経験
• LLMの事後学習（SFT/RLHF/DPO等）の実装・評価経験
• WebアプリケーションやAPIサーバー等の開発経験
• 機械学習の国際会議（NeurIPS, ICML, ICLR, ACL等）での論文採択や発表経験
• Kaggle等のデータ分析コンペティションでの上位入賞経験