Job offer curation - ⁨Linear Algebra⁩

職務内容 ・大規模言語モデル『Sarashina』のモデルの価値をユーザの価値に変えるシステムの構築 ・チームの開発プロセスの設計管理や生産性向上のための各種活動 ミッション ・「国産LLM『Sarashina』を通じて圧倒的なユーザー体験を創出し、AIジャイアントと戦い、勝ち抜く」 ・モデルとユーザー体験の間に横たわるあらゆる課題を機械学習技術とシステム設計の創意工夫で乗り越え、極限まで磨き抜かれた性能・スケーラビリティを実現することを使命としています。 ・LLMを主軸に据え、アルゴリズムからプロダクトへの実装・運用までライフサイクル全体を担い、技術的挑戦を厭わず、成果に誇りを持つMLエンジニアであることを信条とします。 仕事の魅力 ・海外ベンダにも引けを取らない計算基盤を使って正面から戦えること ・ユーザに対して価値のあるプロダクトを自ら考え提案し開発までを一貫して行うことができること ・プロダクトに必要なことであれば技術領域を問わず何でもできる環境があること

このページは、Wevox事業責任者の森山が、いまはまだ着手していないけれど今後 Wevox が実現したい社会を求人と紐付けてまとめたものです。「どうやってやるのか」を考えるところから、実現まで一緒に走ってくれる人を大募集。興味を持ってくれた方には、できる限り最新の構想・思考や社内のリソース／リアルを共有し、イメージを膨らませてもらうために書いています。面白いなと感じたら、ぜひ一度お話ししましょう。 かっこよさよりも伝わりやすさや人間味を優先したいと考えた結果、実際にこの構想を社内に打ち明けた時にメンバーから出た質問に答える Q&A（AMA風）で構成しています。アトラエの空気感をそのまま届けるため、なるべく飾らずに書きます。読んでいて「ここ分かりづらいな」があれば、遠慮なくご連絡ください。絶対にご連絡ください。 まず僕の定義する「配属ガチャ」は、入社後の配属先や勤務地が、本人の希望や適性ではなく運で決まってしまう状況を指しています。本人のやってみたいという希望はもちろんですが、実際に一緒に働く上司・同僚との相性、その時点での自身のスキルや資質と、そのポジションで成果を出すうえで必要な条件がどれだけ重なるか。エンゲージメント観点で言えば、一度下がると上がりづらいという結果も出ている。だからこそ入口のマッチングが超重要だと思っています。会社視点でみても同じです。採用した人にはいきいき活躍してほしいし、持っている才能を事業成長に最大限ひもづけたい。これはどの社長も本音で思っているはず。だからこそ、本来どちらにとっても人事配置をうまくやることはwin-winなのですが... ① 結果指標の置き方が難しい ② 結果を説明する変数が多すぎる という2点から、ずっとサイエンスが難しい領域でした。ただ、僕らにはパルスサーベイで毎月集まるデータがある。ここを起点にサイエンスしていけば、この難題を解ける確度が上がってきたのでは？と、手応えがあるフェーズまでやっとこれました。 前述の通り、まず単純に変数が多い。影響を与える要素が複雑すぎて、人が考えるには限界がある。もう1つ。これが実は大きいと思っているのですが、会社側が「うちはガチャじゃない。ちゃんと考えて配置している」と思っているケースが多いんです。社会的には大問題だけど、「うちは大丈夫」みたいな。でも話を聞いてみると、最後はエイヤで決めていたりする。「本人の希望が通ればOKでしょ」で終わっていたり。そりゃ希望を尊重するのは大事なんですが、あくまで理想は「活躍できる配属にすること」ですよね。キャリアが浅ければ、当然本人でさえ自身の才能にまだ気づいていないこともあると思うので、希望は通ったけど、いざ配属されたら活躍できずエンゲージメントが低い……みたいなこと、よくありますよね。さらにこの領域はシミュレーションがしづらい。しづらいというかできない。当たり前ですが、気軽にA/Bテストできるわけじゃないので、仮にうまくいってそうだったとしても、最適だったかは断言しづらい。結果、「結局配属ガチャだったのか否かわからない」という振り返りになりがちで、PDCAが回らない。ここで多くの取り組みがフェードアウトしちゃうのかなと。 2017年に Wevox を始めて以来、エンゲージメントの結果に関してはかなり手厚くデータがあります。一方で、ぶっちゃけるとそれ以外のデータがあまりなかった。だから、エンゲージメント観点で配属の良し悪しは分かっても、なぜそうなったかの詳細までは追い切れなかったのがこれまでです。でもここ最近、（どこまで書くかは要相談ですが笑）、個人の特性診断がデータとして溜まり始め、Skill機能のデータ基盤も整備されてきて、多角的にデータが取れる状態になってきた。ようやく挑戦する土台ができたし、価値に変換する自信もついてきました。っていうのが半分の理由で、もう半分は単純にこの課題はめちゃくちゃ難しいじゃないですか？いくら膨大で正確なデータがあっても、解くのは人。今いる優秀メンバーは別の大きな課題に向き合っているので、ここを一緒に解く優秀な仲間を集める必要があります（苦笑）採用って大変。

大規模言語モデル（LLM）の開発に特化したエンジニアとして、クライアントと連携しながら高度な言語モデル技術の研究開発を行います。具体的には、7B規模以上のLLMのFine-tuningおよびPre-training、大規模コーパスからのトレーニングデータ作成、業務特化型の小規模言語モデル（SLM）の開発を担当します。複数のGPUを活用した高度な機械学習モデルの構築、Embedding ModelやRerankingModelの開発も重要な業務となります。実際の使用シーンを意識したモデル開発を行い、複数部門からのフィードバックを得ながら、組織に大きなインパクトを与える革新的なAIソリューションの創出に貢献します。