Software Engineer - LLM Inference Optimization / 大規模言語モデル 推論基盤エンジニア

給与

経験、業績、能力、貢献に応じて、当社規定により優遇
※基本給及び固定残業代の金額及び内容については、オファー時に速やかに明示します

Preferential treatment in accordance with Company regulations, based on experience, performance, ability, and contributions.
note - The amounts and details of base salary and fixed overtime pay will be clearly specified promptly at the time of the offer.

雇用形態

正社員（試用期間3ヶ月、本採用と同条件）

Full-time regular employment (3 months of probation period under the same condition as regular employment)

休日

休日：土曜日、日曜日、国民の祝日、国民の休日、年末年始
当社規定による年次有給休暇制度（入社時26日付与）
育児休暇、慶弔休暇など

Holiday: Saturdays and Sundays, public holidays, Year-end and new-year
Annual paid leave based on company regulations (26 days granted upon hire)
Parental leave, congratulation / condolence leave etc.

福利厚生

社会保険完備（厚生年金保険、健康保険、雇用保険、労災保険）
確定拠出年金制度
ラップトップPC購入補助
定期健康診断実施

Various social insurance programs: pension insurance, health insurance, employment insurance, workers’ compensation
Defined contribution pension
Allowance for purchasing a laptop PC
Regular health checks

Job Description
Preferred Networks (PFN) では、大規模言語モデル (LLM) を中心としたマルチモーダルな基盤モデルの開発を進めています。基盤モデル開発に加え、エンタメ、科学計算、ロボットといった自社事業領域を強化する形での導入を目指した応用開発や、多様な産業への応用研究も行っています。

推論最適化チームのミッションは、最先端のモデルと現実世界のプロダクトを結ぶ「架け橋」となることです。自社開発のLLMのポテンシャルを極限まで引き出し、実運用環境で求められる厳しい品質・速度・コスト要件を満たす形で最適化し提供することを通じて、PFNのプロダクトやソリューション事業の拡大を技術の出口から支援します。代表的な業務内容の例は以下の通りです。

• LLMモデルの推論性能向上: 量子化・推論エンジンの改善・パフォーマンスチューニングなどを通じて、モデルの出力品質を担保しながら、ターゲット環境におけるスループットの向上やレイテンシ/メモリ使用量の削減を行う。
• LLM推論エンジンの開発: SaaS環境やオンプレミス環境でのサービングに必要となる推論エンジンと、その周辺機能の開発およびインテグレーションを行う。
• LLMのカスタマイズ・デプロイの支援: 案件ごとのニーズに応じてLLMモデルのカスタマイズを行うためのワークフローや、デプロイのパイプラインを整備する。
• OSSコミュニティ活動: vLLMをはじめとするLLM推論エンジンのエコシステムで、新機能の実装・バグフィックスのアップストリーム対応を行う。また、必要に応じて、関連イベントへの登壇や情報発信を行う。

入社後に実際に担当いただく業務内容は、専門・ご経験を考慮のうえ決定します。

Preferred Networks (PFN) is developing multimodal foundation models centered around Large Language Models (LLMs) and is expanding its research into applied development and industrial application research to strengthen its business domains in entertainment, scientific computing, robotics, and others.

The mission of the Inference Optimization Team is to serve as a "bridge" connecting cutting-edge models with real-world products. By fully realizing the potential of PFN's LLMs and optimizing them to meet the stringent quality, performance, and cost requirements of production environments, we support the expansion of PFN's product and solution business from the technical implementation perspective. Typical responsibilities include:

• Improving Performance of LLM Inference: Increasing throughput and reducing latency/memory usage in target environments while ensuring the model output quality, through techniques such as quantization, inference engine optimization, and performance tuning.
• Developing LLM Inference Engines: Create and integrate the necessary inference engines and supporting functions required for serving LLMs in SaaS environments and on-premise deployments.
• Supporting LLM Customization and Deployment: Establish workflows and deployment pipelines to enable customized LLM models according to each project's specific requirements.
• Contributing to OSS Communities: Participate in the development of the LLM inference engine ecosystem, particularly for vLLM, by implementing new features and upstream bug fixes. Additionally, when needed, present at relevant events and disseminate information.

The specific responsibilities you will actually handle after joining will be determined based on your expertise and experience.

Qualifications

• コンピュータサイエンスの知識や関心
  コンピューターサイエンスのすべての分野への精通を目指し、常に最先端の技術を追いかけ続けていること
• Pythonを使ったソフトウェア開発経験
  コンピューターアーキテクチャーを理解し、ソフトウェアの実効効率や、計算量を意識したプログラムの作成が出来ること商用環境・オンプレミス環境など、品質要件の高いソフトウェアの開発経験
• LLM推論フレームワークの利用経験
• LLM推論最適化に関する各種技術に対する理解
• LLM推論に関連する最先端の技術動向を主体的にキャッチアップし、専門性を深める意欲
• CUDAアプリケーションの実装・性能改善・デバッグの経験
• チーム内外のメンバーと協働しながら課題解決ができること
• 既存フレームワークのコードや英語のドキュメントが抵抗なく読めること

• Knowledge and interest in Computer Science
  Aim to be familiar with all areas of computer science and continually pursue the latest technologyEspecially, research or practical experience and achievements in machine learning or natural language processing
• Experience in software development using Python
  Understand computer architecture and be able to create programs considering the actual efficiency of software and computational complexityExperience in developing software with high quality requirements in commercial environments or on-premises environments
• Experience working with LLM inference frameworks
• Understanding of optimization techniques for LLM inference
• Proactive ability to keep up with cutting-edge developments in LLM inference technology and deepen specialized knowledge
• Experience implementing, optimizing, and debugging CUDA applications
• Ability to collaborate effectively with team members both within and outside the organization
• Ability to understand existing framework code and English documentation

Preferred Qualifications

• LLM推論エンジンのコア技術（演算のスケジュール制御やKV cacheの管理機構など）の開発経験
• 商用環境や実際のユースケースにおけるLLM推論の性能測定・最適化の経験
• LLM推論に関連するOSSや、データサイエンス関連のOSSへのコントリビューション経験
• C++またはRustでのソフトウェア開発経験
• GPUクラスタ（Kubernetes等）の利用経験
• MLの学習・評価を行うワークフローフレームワーク（Argo, MLFlow等）の利用経験
• ビジネスレベルの英語・日本語コミュニケーション能力

• Development experience in core LLM inference engine technologies (e.g., scheduling control and KV cache management mechanisms)
• Experience in measuring and optimizing LLM inference performance in commercial environments and real-world use cases
• Experience contributing to open-source projects related to LLM inference or data science
• Software development experience in C++ and/or Rust
• Experience using GPU clusters (such as Kubernetes)
• Experience with workflow frameworks for ML training and evaluation (such as Argo and MLFlow)
• Business-level English and Japanese communication skills

Salary
経験、業績、能力、貢献に応じて、当社規定により優遇
Experience, performance, skills, contribution are taken into consideration.

Location
東京都千代田区大手町１−６−１ 大手町ビル / Otemachi Bldg., 1-6-1 Otemachi, Chiyoda-ku, Tokyo, Japan 100-0004

勤務形態 / Work style
専門労働型裁量労働制（みなし労働時間：8時間）もしくはフレックス制
ハイブリッド勤務（オフィス出社と在宅勤務を組み合わせての勤務）

Discretionary-work (deemed work hours: 8 hours) or Flex-time system
Hybrid work (Combination of working from the office and working from home)

昇給・賞与 / Salary increase & bonus
年2回の人事評価及び会社業績に基づいて決定

Based on the result of a individual performance review (twice a year) and company’s performance

諸手当 / Allowances
通勤手当、在宅勤務手当

Commutation allowances / teleworking allowances

Company name / 社名
Preferred Networks, Inc.

Established / 設立年月日
March 26, 2014

Co-Founders / 共同創業者
Toru Nishikawa, Chairman / Daisuke Okanohara, CEO

Web site URL
https://www.preferred.jp/ja/

Job openings / 求人一覧
キャリア採用（第二新卒含む）
新卒採用
インターンシップ

経験、業績、能力、貢献に応じて、当社規定により優遇
※基本給及び固定残業代の金額及び内容については、オファー時に速やかに明示します

Preferential treatment in accordance with Company regulations, based on experience, performance, ability, and contributions.
note - The amounts and details of base salary and fixed overtime pay will be clearly specified promptly at the time of the offer.