名前

名前よみがな

携帯キャリアメールは非推奨です。携帯キャリアメールを登録した場合、通知メール等が迷惑メールと誤認されて届かない可能性があります。

メールアドレス

現所属

年齢

最終学歴

経歴

ポートフォリオサイトやSNSアカウントなど、ご自身に関するWebサイトのURLをご記載ください。

リンク

現年収

希望年収

応募先へのメッセージ

履歴書

職務経歴書

その他のファイル

現在、転職をお考えの時期感についてご教示ください。
・1〜3ヶ月以内に転職したい
・半年以内に転職を考えている
・その他

転職のご意向について

差し支えなければ、転職を検討されている理由を簡単にご記入ください。

転職をお考えの理由について

例：SNS、note、新聞記事、知人の紹介 など

差し支えなければ、Rechoを知っていただいたきっかけをご教示ください

LLMトレーニングエンジニア（シニア / Post-training ）

**【この求人を一言でいうと】**
Recho（レコー）のAIモデルを、特訓（ポストトレーニング）で自社向けにもっと賢くするLLMトレーニングエンジニアのポジションです。学習の手法・“採点”のしくみ（報酬設計）・教材（学習データ）を自ら設計し、モデルの賢さそのものに責任を持ちます。汎用AIを自社ユースケースに最適化し、将来はその性能をAPIとして外部提供する事業化も見据えます。チーム内の公用語は英語（日本語不問）で、年収は1,000万～2,000万円（応相談）。勤務地は原則として、半蔵門オフィス（ハイブリッド前提）です。ただし、海外居住者や遠方の方からのご応募、フルリモート・ビザ取得サポート等についても柔軟に相談に応じます。

**■こんな経歴の方に向いています**
- 機械学習エンジニア／リサーチャーとして、LLMの学習（特にポストトレーニング）に深く従事してきた方
- SFT・選好最適化・RLHFを本番モデルに適用し、リリースまで経験した方
- 情報系・数理系のバックグラウンド（修士／博士、または同等の実務経験）で、国際会議発表やOSS実績がある方

**■役割：ポストトレーニングでLLMを自社ユースケースに最適化し、モデル品質に責任を持つ**
Rechoでは、汎用のLLMをそのまま使うのではなく、ポストトレーニングで自社のユースケースに最適化し、プロダクトへ深く組み込んでいます。本ポジションの中心的なミッションは、SFT・選好最適化・強化学習（RL）といった学習手法を設計・実装・運用し、単一モデルのポストトレーニングにおける学習品質に責任を持つことです。

報酬設計（報酬モデル・RLVR・LLM-as-a-Judge）や学習データの品質・混合比の設計、ポストトレーニングのアルゴリズム自体の改良（損失関数・KLペナルティ・advantage推定の改善、学習の安定化）まで、モデルを賢くするコアに踏み込んでいただきます。
さらに、ここで得た性能をAPIとして外部提供し、事業の第二の柱に育てていく構想もあります。long CoT・reasoning、tool use・function callingなど、エージェント用途のポストトレーニングも対象です。

**【このポジションで「やらないこと」】**
- オンラインサービスのSLA管理、オンコール、障害復旧、インフラ保守を主目的とするポジションではありません
- GPUクラスタそのものの保守運用、一般的なSRE／DevOps業務は主業務ではありません（運用保守は別チームが担当します）
- 学習・推論を回す基盤システムそのものの構築（Rollout基盤・重み同期・GPUリソース配分）は別ポジション「RL基盤エンジニア」が担当します（本ポジションは学習アルゴリズム・報酬・データに責任を持ち、基盤チームと連携します）
- 事前学習（Pre-training）をゼロから行うことは主務ではありません（ポストトレーニングが中心です）

**■お任せしたい主な業務**
**1. 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
- long CoT／reasoning、tool use・function calling・エージェント用途のポストトレーニング
- 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）

**2. 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

**3. 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

**4. 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

※より詳細な業務内容については、カジュアル面談や面接の際にお話しさせていただきます。

**■このポジションの魅力**
**1. モデルを賢くする“コア”に責任を持てる**
汎用LLMを自社ユースケースに最適化する学習アルゴリズム・報酬・データのコアを担い、単一モデルのポストトレーニング品質に責任を持てます。基盤を使うのではなく、モデルの賢さそのものを設計する立場です。

**2. 事業の第二の柱を一から作れる**
ポストトレーニングで得た性能をAPIとして外部提供し、事業の第二の柱に育てる構想。プロダクト最適化から事業化までを見据えて動けます。

**3. 最先端の手法を本番で回せる**
GRPO等のオンラインRL、long CoT・reasoning、エージェント用途のポストトレーニングなど、トップラボ水準の手法を、大手企業が本番運用するプロダクトに直接適用できます。

**■利用サービス・技術スタック一覧**
- 言語・実装：Python ／ PyTorch
- 学習手法：SFT ／ DPO・KTO・ORPO・SimPO ／ PPO・GRPO・RLOO
- 報酬・評価：報酬モデル ／ RLVR（検証可能報酬）／ LLM-as-a-Judge
- RL・分散学習：verl ／ OpenRLHF ／ TRL ／ FSDP ／ DeepSpeed ／ Megatron-LM
- ロールアウト推論：vLLM ／ SGLang
- 実験管理・リソース：Weights & Biases 等 ／ Slurm ／ Kubernetes

**■プロダクトの優位性について**
人間と区別がつかないレベルの自然な対話を実現する「Recho AI Voice Platform」の開発と、大手企業への「Voice AI Agent」の導入・運用支援を行っています。
最大の強みは、高品質なAI Agentを効率よく構築・改善できるプロダクト基盤にあります。業界の暗黙知を吸収し、ユーザーからのフィードバックデータをもとに、継続改善のサイクルを圧倒的な速度で回せる仕組みです。この技術により、金融・メーカー・行政などの実業務において複雑で大規模なコールセンターのAI化が急速に拡大しており、人間のオペレーターへの引き継ぎゼロ（完結率100%）を達成したプロジェクト実績もあります。

**■面接・選考プロセス**
カジュアル面談 ⇒ ケース課題・一次面接 ⇒ トライアル業務委託* ⇒ 最終面接 ⇒ オファー面談
*トライアル業務委託は、1日〜連続2日間オフィスにお越しいただき、実際にオフィスで業務に取り組んでいただく機会です（有償）。メンバーと協働し、カルチャーマッチと業務理解を確認し合う期間です。
*※場合によってリファレンスチェックを依頼させていただくことがございます*
*※スケジュールや副業規定で業務委託が難しい場合には、ご相談くださいませ*

**■Rechoについて**
Rechoは、カスタマーサポート領域の効率化を牽引する「AI Agent」の基盤モデル開発から、顧客への実装・プロジェクトデリバリーまでを同一組織内で一気通貫で行うテクノロジー企業です。

現在は、フルスクラッチで自社開発した「音声AI」技術を最大の強みとし、業界の長年の課題であった品質とコストのトレードオフを解消するソリューションをエンタープライズ向けに提供しています 。シリーズAで約7億円の資金調達を完了し、SBI新生銀行やKDDIといった大手企業のシビアな本番環境への社会実装を急進させているフェーズです。

Rechoについて詳しく知りたい方に向けて、会社やプロダクトに関する公開情報をまとめたページをご用意しました。このページでは、弊社の事業内容やプロダクトの詳細、所属メンバーについてご覧いただけます。

**■参考情報**
- [コーポレートサイト](https://recho-ai.com/)
- [チームメンバーのインタビューnote](https://note.com/recho_ai)
- [Company deck](https://recruit.recho-ai.com/)
- [事例：KDDI、アルティウスリンクと協業](https://prtimes.jp/main/html/rd/p/000000021.000159800.html)
- [導入事例：SBI新生銀行様](https://mainichi.jp/articles/20260130/k00/00m/020/275000c)
※[2分程度の音声デモ](https://recruit.recho-ai.com/#2f276fb799f480d5bba7d5784d6ad31e)もぜひお聞きください※


LLMトレーニングエンジニア（シニア / Post-training ） 応募フォーム

LLMトレーニングエンジニア（シニア / Post-training ）応募フォーム