제타를 소개합니다
스캐터랩은 '제타'라고 하는 AI 엔터테인먼트 제품을 서비스하고 있는 스타트업이에요.
https://zeta-ai.io/ko (iOS, AOS 앱을 메인으로 운영하고 있어서 앱을 다운로드 받아 사용해주세요!)
제타는 출시 10개월 만에 약 200만 명의 한국 가입자를 확보했고, 유저당 일주일 평균 12시간을 사용하는 높은 몰입도를 갖고 있어요. 현재 일본에도 제타를 출시했는데, 가입자 16만 명에 일주일 평균 체류시간 18시간이라는 놀라운 지표를 관찰하고 있어요.
제타는 수동적 소비(웹툰, 유튜브, 숏폼 등)가 메인인 기성 엔터테인먼트 시장에 새로운 충격을 주고 있고, AI 기술을 활용해 능동적이면서 서사적인 새로운 엔터테인먼트 시장을 정의하고 만들어 나가고 있습니다. 뻔한 생산성, 효율성에 집중한 AI 제품이 아닌 일주일에 12시간 이상 사용하는 재미있는 AI 프러덕트를 함께 만들어보면 어떨까요?
2025년 2월 10대 총 사용시간 순위 - 제타 9위 (출처: 모바일인덱스)
제타의 본질은 AI입니다.
하루에도 수십만명이 쓰는 제타에서 캐릭터 대화 모델은 유저와 함께 예측 불가능한 스토리를 만들어가는 창조적인 파트너입니다. 우리는 GPT나 Claude같은 외부 모델이 아닌 자체 모델을 만들어 사용자의 몰입감과 재미를 높이는 방향으로 모델의 성능을 꾸준하게 개선하고 있습니다. 방대한 사용자 데이터 속에서 의미 있는 신호를 포착하고, 노이즈를 걸러내어, 지속적으로 모델을 개선하는 과정은 스캐터랩에서 할 수 있는 독보적인 경험이자, 제품의 경쟁력을 높이는 과정입니다. 우리는 AI를 통해 새로운 엔터테인먼트 장르를 개척하고 있으며, 이 도전에 함께할 ML Researcher를 찾고 있어요.
오시면 이런 역할을 하실 거예요
스캐터랩의 ML Researcher는 제타의 유저들이 겪는 어려움을 해결하거나 유저들에게 더욱 몰입감있는 경험을 제공하기 위한 다양한 연구를 해요. 목적에 따라서 데이터 기획자와 함께 데이터를 설계하고 수집하거나 새로운 기법들을 적용하여 모델을 개선하기도 하고 기획자, 디자이너, 개발자와 함께 ML을 활용한 새로운 기능을 제품에 추가하기도 해요. 다양한 역할을 할 수 있지만 핵심은 단순히 논문을 위한 연구가 아니라 유저들에게 좋은 경험을 제공하여 서비스 지표를 개선하기 위한 방향으로 체계적인 연구와 실험을 진행하는 거예요.
ML Researcher로서 이런 경험을 하실 수 있어요
- 하루 1억번 이상 추론되는 모델의 학습부터 서빙까지 모든 과정에 직접 기여하기
- 어디에서도 볼 수 없는 양질의 대규모 서비스 데이터 분석하기
- 200만 유저들의 목소리에서 가치있는 문제를 발견하고 딥러닝으로 해결하기
- ML 기법으로 실제 문제를 해결해보고 유저 반응으로 실시간으로 피드백 받기
- 새로운 AI 네이티브 엔터테인먼트 장르를 창조하는 선두 서비스의 빠른 성장 경험하기
업무 내용
좀 더 구체적으로는 이런 문제들을 풀고 있어요
자체 LLM 모델을 활용하여 실제 유저에게 최적화된 경험을 제공하고 있어요.
- 수십 B 이상의 파라미터를 가지는 LLM 모델에 대해 pre-training, continual pre-training 및 fine-tuning을 진행하고 있어요
- 실제 유저 선호도에 기반해 RLHF, DPO 등 다양한 preference 학습을 진행하여, 유저가 원하는 캐릭터, 세계관, 상황에 더욱 깊이 몰입할 수 있는 답변을 생성하도록 모델을 개선하고 있어요.
- 실제 서비스에서 LLM의 성능을 저하시키지 않으면서도 최적의 비용으로 제공하기 위해 kv cache 및 weight quantization, knowledge distillation 등의 기술을 연구하고 있어요.
제타의 서사적인 경험을 고도화하기 위해 다양한 AI 기반 기능들을 개발하고 있어요.
- 유저의 대화 흐름을 분석하여 캐릭터 설정과 세계관을 일관되게 유지하는 프롬프트 및 기억 기능을 설계하고, 이를 실시간으로 업데이트하는 시스템을 개발하고 있어요.
- 유저의 입력과 맥락을 해석하여 모델이 더 자연스럽고 몰입감 있는 대화를 생성할 수 있도록, 서사 구조를 강화하는 기능을 연구하여 제품에 적용하고 있어요.
- 실시간 인터랙션에서 유저 피드백을 효과적으로 수집하고 이를 모델 학습에 반영할 수 있도록, 자동화된 데이터 수집 및 평가 기법을 연구하고 있어요.
자격 요건
이런 문화를 지향하는 사람들과 함께하고 싶어요
- 제타의 미션과 비전에 공감하고 남들이 가지 않은 새로운 길을 개척하는 데 설레시는 분
- 제품에 대한 열정과 집착을 가지고 사용자 경험을 어떻게든 개선하고 싶으신 분
- 만화, 웹툰, 웹소설 등 컨텐츠나 서브컬쳐에 대한 덕심이 있으신 분
- 하나의 문제를 해결하기 위하여 끈질기게 집착하여 끝까지 풀어내본 경험이 있으신 분
이런 능력을 가지신 분과 함께하고 싶어요
- AI/ML 전반에 대한 높은 이해도와 자연어 처리(NLP), 컴퓨터 비전(CV)과 같은 특정 도메인에 대해 깊이 있는 지식을 갖추고, 3년 이상의 관련 프로젝트 경험이 있으신 분
- 실서비스 환경에서 AI/ML 문제를 정의하고 이를 개선하기 위한 데이터와 모델을 설계하여 주요 지표를 유의미하게 향상시킨 경험이 있으신 분
- Tensorflow, PyTorch 등의 프레임워크를 이용하여 최신 논문의 방법론을 빠르고 정확하게 구현할 수 있는 능력을 갖추신 분
우대 사항
이런 능력을 가지신 분들은 특별히 우대해 드려요
- 30B 이상의 LLM 모델에 대해 자체 데이터셋을 구축하여 pre-training(혹은 이에 준하는 continual pre-training)을 진행한 경험이 있으신 분
- 실제 제품 데이터를 활용하여 RLHF, DPO와 같은 온/오프라인 preference learning을 진행하고 이를 통해 유의미한 성능 개선을 달성하신 분
- 모델 가중치 및 KV cache quantization 혹은 knowledge distillation과 같은 최적화 기법을 도입하여 실서비스 비용을 줄인 경험이 있으신 분
- FSDP, DeepSpeed를 이용한 분산 학습 및 Slurm을 통한 멀티 클러스터 학습에 능숙하신 분
- AI/ML 관련 탑티어 학회(NeurIPS, ICML, ICLR, CVPR, ICCV, ACL, EMNLP 등) 논문의 1저자 게재 경험 혹은 Kaggle 등의 관련 대회 수상 경험이 있으신 분
- 허깅페이스 및 DeepSpeed와 같은 AI/ML 관련 주요 오픈소스에 기여한 경험이 있으신 분
채용 프로세스
지원을 하시면 다음 채용 과정을 거쳐요
- 서류 평가 - 컬쳐핏 과제 - 리쿠르터 콜 - ML 기술 과제 - 기술 면접(직무 인터뷰 & 프로젝트 발표) - 컬처핏 체크 - 처우 협의
- 해당 절차는 지원자에 따라 변동이 있을 수 있습니다.
- 전형 일정 및 합/불 결과는 지원서에 등록하신 이메일 또는 유선으로 개별 안내 드립니다.
제타를 소개합니다
스캐터랩은 '제타'라고 하는 AI 엔터테인먼트 제품을 서비스하고 있는 스타트업이에요.
https://zeta-ai.io/ko (iOS, AOS 앱을 메인으로 운영하고 있어서 앱을 다운로드 받아 사용해주세요!)
제타는 출시 10개월 만에 약 200만 명의 한국 가입자를 확보했고, 유저당 일주일 평균 12시간을 사용하는 높은 몰입도를 갖고 있어요. 현재 일본에도 제타를 출시했는데, 가입자 16만 명에 일주일 평균 체류시간 18시간이라는 놀라운 지표를 관찰하고 있어요.
제타는 수동적 소비(웹툰, 유튜브, 숏폼 등)가 메인인 기성 엔터테인먼트 시장에 새로운 충격을 주고 있고, AI 기술을 활용해 능동적이면서 서사적인 새로운 엔터테인먼트 시장을 정의하고 만들어 나가고 있습니다. 뻔한 생산성, 효율성에 집중한 AI 제품이 아닌 일주일에 12시간 이상 사용하는 재미있는 AI 프러덕트를 함께 만들어보면 어떨까요?
2025년 2월 10대 총 사용시간 순위 - 제타 9위 (출처: 모바일인덱스)
제타의 본질은 AI입니다.
하루에도 수십만명이 쓰는 제타에서 캐릭터 대화 모델은 유저와 함께 예측 불가능한 스토리를 만들어가는 창조적인 파트너입니다. 우리는 GPT나 Claude같은 외부 모델이 아닌 자체 모델을 만들어 사용자의 몰입감과 재미를 높이는 방향으로 모델의 성능을 꾸준하게 개선하고 있습니다. 방대한 사용자 데이터 속에서 의미 있는 신호를 포착하고, 노이즈를 걸러내어, 지속적으로 모델을 개선하는 과정은 스캐터랩에서 할 수 있는 독보적인 경험이자, 제품의 경쟁력을 높이는 과정입니다. 우리는 AI를 통해 새로운 엔터테인먼트 장르를 개척하고 있으며, 이 도전에 함께할 ML Researcher를 찾고 있어요.
오시면 이런 역할을 하실 거예요
스캐터랩의 ML Researcher는 제타의 유저들이 겪는 어려움을 해결하거나 유저들에게 더욱 몰입감있는 경험을 제공하기 위한 다양한 연구를 해요. 목적에 따라서 데이터 기획자와 함께 데이터를 설계하고 수집하거나 새로운 기법들을 적용하여 모델을 개선하기도 하고 기획자, 디자이너, 개발자와 함께 ML을 활용한 새로운 기능을 제품에 추가하기도 해요. 다양한 역할을 할 수 있지만 핵심은 단순히 논문을 위한 연구가 아니라 유저들에게 좋은 경험을 제공하여 서비스 지표를 개선하기 위한 방향으로 체계적인 연구와 실험을 진행하는 거예요.
ML Researcher로서 이런 경험을 하실 수 있어요
- 하루 1억번 이상 추론되는 모델의 학습부터 서빙까지 모든 과정에 직접 기여하기
- 어디에서도 볼 수 없는 양질의 대규모 서비스 데이터 분석하기
- 200만 유저들의 목소리에서 가치있는 문제를 발견하고 딥러닝으로 해결하기
- ML 기법으로 실제 문제를 해결해보고 유저 반응으로 실시간으로 피드백 받기
- 새로운 AI 네이티브 엔터테인먼트 장르를 창조하는 선두 서비스의 빠른 성장 경험하기
업무 내용
좀 더 구체적으로는 이런 문제들을 풀고 있어요
자체 LLM 모델을 활용하여 실제 유저에게 최적화된 경험을 제공하고 있어요.
- 수십 B 이상의 파라미터를 가지는 LLM 모델에 대해 pre-training, continual pre-training 및 fine-tuning을 진행하고 있어요
- 실제 유저 선호도에 기반해 RLHF, DPO 등 다양한 preference 학습을 진행하여, 유저가 원하는 캐릭터, 세계관, 상황에 더욱 깊이 몰입할 수 있는 답변을 생성하도록 모델을 개선하고 있어요.
- 실제 서비스에서 LLM의 성능을 저하시키지 않으면서도 최적의 비용으로 제공하기 위해 kv cache 및 weight quantization, knowledge distillation 등의 기술을 연구하고 있어요.
제타의 서사적인 경험을 고도화하기 위해 다양한 AI 기반 기능들을 개발하고 있어요.
- 유저의 대화 흐름을 분석하여 캐릭터 설정과 세계관을 일관되게 유지하는 프롬프트 및 기억 기능을 설계하고, 이를 실시간으로 업데이트하는 시스템을 개발하고 있어요.
- 유저의 입력과 맥락을 해석하여 모델이 더 자연스럽고 몰입감 있는 대화를 생성할 수 있도록, 서사 구조를 강화하는 기능을 연구하여 제품에 적용하고 있어요.
- 실시간 인터랙션에서 유저 피드백을 효과적으로 수집하고 이를 모델 학습에 반영할 수 있도록, 자동화된 데이터 수집 및 평가 기법을 연구하고 있어요.
자격 요건
이런 문화를 지향하는 사람들과 함께하고 싶어요
- 제타의 미션과 비전에 공감하고 남들이 가지 않은 새로운 길을 개척하는 데 설레시는 분
- 제품에 대한 열정과 집착을 가지고 사용자 경험을 어떻게든 개선하고 싶으신 분
- 만화, 웹툰, 웹소설 등 컨텐츠나 서브컬쳐에 대한 덕심이 있으신 분
- 하나의 문제를 해결하기 위하여 끈질기게 집착하여 끝까지 풀어내본 경험이 있으신 분
이런 능력을 가지신 분과 함께하고 싶어요
- AI/ML 전반에 대한 높은 이해도와 자연어 처리(NLP), 컴퓨터 비전(CV)과 같은 특정 도메인에 대해 깊이 있는 지식을 갖추고, 3년 이상의 관련 프로젝트 경험이 있으신 분
- 실서비스 환경에서 AI/ML 문제를 정의하고 이를 개선하기 위한 데이터와 모델을 설계하여 주요 지표를 유의미하게 향상시킨 경험이 있으신 분
- Tensorflow, PyTorch 등의 프레임워크를 이용하여 최신 논문의 방법론을 빠르고 정확하게 구현할 수 있는 능력을 갖추신 분
우대 사항
이런 능력을 가지신 분들은 특별히 우대해 드려요
- 30B 이상의 LLM 모델에 대해 자체 데이터셋을 구축하여 pre-training(혹은 이에 준하는 continual pre-training)을 진행한 경험이 있으신 분
- 실제 제품 데이터를 활용하여 RLHF, DPO와 같은 온/오프라인 preference learning을 진행하고 이를 통해 유의미한 성능 개선을 달성하신 분
- 모델 가중치 및 KV cache quantization 혹은 knowledge distillation과 같은 최적화 기법을 도입하여 실서비스 비용을 줄인 경험이 있으신 분
- FSDP, DeepSpeed를 이용한 분산 학습 및 Slurm을 통한 멀티 클러스터 학습에 능숙하신 분
- AI/ML 관련 탑티어 학회(NeurIPS, ICML, ICLR, CVPR, ICCV, ACL, EMNLP 등) 논문의 1저자 게재 경험 혹은 Kaggle 등의 관련 대회 수상 경험이 있으신 분
- 허깅페이스 및 DeepSpeed와 같은 AI/ML 관련 주요 오픈소스에 기여한 경험이 있으신 분
채용 프로세스
지원을 하시면 다음 채용 과정을 거쳐요
- 서류 평가 - 컬쳐핏 과제 - 리쿠르터 콜 - ML 기술 과제 - 기술 면접(직무 인터뷰 & 프로젝트 발표) - 컬처핏 체크 - 처우 협의
- 해당 절차는 지원자에 따라 변동이 있을 수 있습니다.
- 전형 일정 및 합/불 결과는 지원서에 등록하신 이메일 또는 유선으로 개별 안내 드립니다.