Research Scientist Internship(Agentic AI)

팀 소개

Data Intelligence Lab은 최신 Deep Learning 알고리즘을 연구/개발하여 고도화 된 데이터 분석 및 예측과 복잡한 데이터의 최적화를 수행합니다.
이를 통해 산업에 적용할 수 있는 실용적 기술을 통해 그룹의 다양한 사업적 난제를 해결하고, 업무 효율화 및 생산성 향상, 제품 기능 개선을 추진합니다.

그 중에서도 Agentic AI Tech Cell은 제조, 물류 현장의 복잡한 의사결정 문제를, 자연어 명세와 운영 데이터로부터 실행 가능하고 검증 가능한 코드로 풀어내는 code agent를 연구합니다.
수요예측, 재고관리, 생산계획, 시뮬레이션 같은 과제를 대상으로 환경 자동 생성, tool-use, verifiable reward 기반의 agentic post-training을 통합해, agent가 실제 산업 워크플로우에서 신뢰할 수 있는 결과를 내도록 만드는 것이 목표입니다.

수행 업무

Research on Industrial Code Agents & RL Environments

• Code Agent for Industrial Decision Automation: 문제 명세, 데이터, 제약 조건으로부터 환경, 정책, 평가, 검증 코드를 생성하고 실행하는 code agent 연구
• RL Environment & Simulator Generation: 제조, 물류 의사결정 문제를 위한 실행 가능 환경, 시뮬레이터, 평가 benchmark 자동 생성 연구
• Verifiable Reward & Agentic Post-training: 실행 가능성, 제약 만족, 결과 일관성 등 검증 가능한 신호를 활용한 RLVR/RLHF 기반 LLM agent post-training 연구
• Feedback-driven Code Agent Improvement: 실행 로그, 실패 사례, 사용자 수정 코드, 평가 결과를 활용해 code agent의 cross-task 성능을 개선하는 연구

지원자격

• 컴퓨터공학, 전기전자, 산업공학, 응용수학 등 관련 분야의 석사/박사 과정 재학 및 소지 또는 이에 준하는 연구 경험 보유
• LLM, RL, agent, code generation 중 하나 이상의 분야에서 연구 또는 프로젝트 수행 경험 보유
• 주요 ML/NLP/RL 학회 (NeurIPS, ICML, ICLR, ACL, EMNLP 등) 논문 게재 경험 보유 

우대사항

• LLM/RL/Code Agent 연구 경험: RLVR, GRPO, RLHF, SFT, program synthesis, code-level editing, tool-use agent 평가 경험 보유 
• Agent 환경, 검증 인프라 경험: Gymnasium/PettingZoo, simulator benchmark, sandboxed execution, unit test, constraint checker, executable reward 설계 경험 보유 
• 제조, 물류, SCM 도메인 경험: 수요예측, 재고관리, 생산계획, planning/scheduling, simulation, optimization 관련 경험 보유
• 대규모 LLM 실험, 운영 경험: verl, TRL, OpenRLHF, vLLM, SGLang, Docker/Kubernetes, on-prem GPU 환경 경험 보유

전형절차

• 서류심사 → 코딩테스트&LG Way Fit Test(인성검사) → Technical Interview(온라인) →  최종 합격

          * 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다.


현재 LG AI연구원은 병역지정업체가 아니므로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.
지원 시 문제가 있을 경우careers@lgresearch.ai 로 문의 부탁드립니다.