{"schema_version":"onlylabs.public_analysis_evidence.v1","title":"LG AI Research (EXAONE) analysis evidence pack","description":"Public onlylabs evidence pack for cited agent analysis: captured pages, ranked public signals, and stored web-search provenance used by the background analysis workflow.","url":"https://onlylabs.fyi/labs/lg-ai","json_url":"https://onlylabs.fyi/analysis/lg-ai/evidence.json","generated_at":"2026-06-13T13:17:52.733Z","org":{"slug":"lg-ai","name":"LG AI Research (EXAONE)","category":"neolab","category_label":"Neolab","dossier_url":"https://onlylabs.fyi/labs/lg-ai"},"analysis":null,"workflow":{"version":"onlylabs-deepagents-analysis-v3","provider":null,"model":null,"agent":null,"public_pack_mode":"local-pages-and-events","live_web_fetches":false,"note":"Public evidence exports do not trigger live Exa calls; stored Exa provenance is included when analysis metadata contains it."},"stats":{"pages":28,"events":86,"web":0,"evidence":88,"signal_desks":{"hiring":38,"forks":0,"releases":12,"talking":10,"repos":0},"data_radar_lanes":null,"data_radar_matches":null,"stored_analysis_evidence":null,"stored_analysis_web":null,"stored_analysis_signal_desks":null,"stored_analysis_data_radar_lanes":null,"stored_analysis_data_radar_matches":null},"stored_web_provenance":null,"evidence":[{"ref":"P1","kind":"page","title":"Information Security Internship","date":"2026-06-11T20:05:03.249372+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4653405005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 Information Security Internship 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nInformation Security Internship\nGangseo-gu, Seoul, South Korea\n\nApply \n\n팀 소개\n\nPlatform&Infra팀은 AI 모델의 개발부터 서비스 운영을 위한 IT Infra 관리 및 자원 최적화, MLOps 구축 및 운영, 서비스 안정성 확보를 위한 다양한 보안활동을 수행합니다.\n\n수행업무\n\n보안 진단 및 취약성 점검 개선 지원\n\nPublic Cloud 보안 설정 / 취약점 개선 지원\n\n전사 ISO27001/27701 인증 획득 등 정보보호 관리체계 수립 지원\n\n필요역량\n\n정보보안, 정보보호 유관 전공자 또는 정보보호 관련 과목을 이수하거나 자격증을 보유하신 분\n\n최신 기술에 대한 관심과 열정을 바탕으로 문제 해결 능력을 보유하신 분\n\n일에 대한 책임감과 원활하고 긍정적인 커뮤니케이션 역량을 가지신 분\n\n우대사항\n\n국내외 IT 기업 인턴십 경험\n\n전형 절차\n\n서류심사→ LG Way Fit Test(인성검사) / 1차 직무 인터뷰(온라인) → 2차 직무 인터뷰(오프라인)\n\n* 인턴십 계약은 3개월 단위로 진행되며, 약 6개월 간 함께 일하실 수 있는 분을 선호합니다. \n* 전형 절차 중 PT 과제 또는 개인 포트폴리오 발표가 진행될 수 있습니다.\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내해 드립니다.\n\n지원 시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드리겠습니다.\n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P2","kind":"page","title":"(인재풀) Research Scientist Internship - Computer Vision","date":"2026-06-11T20:05:02.4347+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4646683005","signal_url":null,"signal_json_url":null,"text":"Job Application for (인재풀) Research Scientist Internship - Computer Vision at LG AI Research \n\nBack to jobs \n(인재풀) Research Scientist Internship - Computer Vision\nSeoul, Seoul, South Korea\n\nApply \n\n해당 채용 공고는 석박사를 대상으로 하는 'Research Intern 인재풀' 등록 공고입니다. \n\n아래 5개 분야에 대해 인재풀을 모집 중이며, 본인에게 적합한 분야가 있다고 생각하신다면 지원해 주세요.\n\n등록하신 지원서는 주기적인 검토가 진행되며, 연구분야별 포지션이 오픈 될 경우 적합한 대상자에게 개별 연락 드릴 예정입니다. \n(*별도의 결과 안내는 드리지 않으니 참고 부탁드립니다.) \n\n팀 소개\n\nPhysical Intelligence Lab은 인간의 눈을 뛰어넘는 시각 지능 기술을 연구·개발하며, 현실과 가상 공간에서 새로운 경험을 만들어 내는 것을 목표로 합니다.\n단순히 ‘사물을 본다’를 넘어, 세계를 이해하고 사람을 연결하는 AI의 눈을 만드는 것이 우리의 비전입니다.\nPhysical Intelligence Lab의 연구 범위는 컴퓨터 비전 전반에 걸쳐 있습니다.\n이미지·영상 인식, 객체 탐지, 멀티모달 학습, 3D 이해를 비롯해 비전검사, Document AI, Robotics 등 다양한 응용 분야로 기술을 확장하고 있습니다.\n이를 통해 LG 그룹의 다양한 사업 영역에 적용 가능한 핵심 비전 기술과 서비스 기반을 마련하고, 나아가 미래 산업을 선도할 혁신적인 Application 개발에 기여하고 있습니다.\nPhysical Intelligence Lab의 연구원들은 “눈으로 세상을 새롭게 해석한다”는 철학 아래, 대규모 데이터와 최첨단 AI 모델을 활용해 현실의 복잡한 문제 해결에 도전합니다.\n또한 글로벌 학계·산업과의 협업을 통해 최신 연구를 빠르게 흡수하고, 이를 실제 제품과 서비스로 이어가며 연구와 비즈니스의 선순환을 만들어가고 있습니다.\nAI의 눈으로 미래를 열어갈 우리의 여정에 동참하실 분을 기다립니다.\n\n연구 분야\n\n1. Neural combinatorial optimization (NCO) 연구 \n\n수리최적화, 탐색 알고리즘 등의 전통적인 문제 해결 방법에 기계학습을 접목하여 효율성 및 확장성을 개선하는 연구 수행\n\nAI기반 최적화 해법을 고객의 사용성 관점메서 개발하고, 지속 사용 가능한 제품 및 플랫폼으로 고도화\n\n2. 정형데이터 기반 모델 연구 \n\nTabular Deep Learning 알고리즘 개발을 통한 생산성 향상, 제품 개선, 제조 프로세스 혁신 등 AI 기술 응용\n\n3. SOTA 시계열 아키텍처 및 Dynamics 연구 \n\niTransformer, TimeMixer, PatchTST 등 최신 아키텍처의 구조적 특성을 분석하고, 이를 수요예측 시뮬레이터의 Backbone으로 고도화\n\nMamba, S-Mamba 등 State Space Model(SSM) 기반의 효율적인 장기 시계열 처리(Long-term Dependency) 기술 연구 및 시뮬레이터 적용\n\n개입 변수(Treatment)에 따른 인과 효과(Causal Effect)를 추정하고, 반사실적(Counterfactual) 시나리오를 생성하는 모듈 개발\n\n지원자격\n\n관련 분야 석사/박사 재학 및 휴학생\n\nComputer Vision/Deep Learning/Machine Learning 알고리즘 연구/개발 경험 보유\n\nPython, C/C++, Java 프로그래밍 언어의 숙련된 활용 능력\n\nPyTorch, Keras, Tensorflow 등 최신 Machine Learning 개발 환경에 숙련된 활용 능력\n\nAI관련 top-tier 논문 출판 또는 경진대회 입상자 우대 (예: CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR 등)\n\n전공\n\n컴퓨터공학, 전산학, 전자공학, 산업공학\n\n전형절차\n\n서류심사 → 코딩테스트&LG Way Fit Test(인성검사) → 기술면접(온라인)\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다. \n\n현재 LG AI연구원은 병역지정업체가 아님으로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.\n\n지원시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다.\n\nCreate a Job Alert\nIntere"},{"ref":"P3","kind":"page","title":"LG-AI-EXAONE/EXAONE-3.5 repository metadata","date":"2026-06-11T03:22:48.398047+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/EXAONE-3.5","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/EXAONE-3.5\n\nDescription: Official repository for EXAONE 3.5 built by LG AI Research\n\nLicense: NOASSERTION\n\nStars: 208\n\nForks: 23\n\nOpen issues: 7\n\nCreated: 2024-12-01T11:15:28Z\n\nPushed: 2024-12-16T08:19:52Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n# EXAONE 3.5\n
\n

\n\n
\n

🤗 Hugging Face   |   📝 Blog   |   📑 Technical Report \n\n
\n\n
\n\n## Introduction\n\nWe introduce EXAONE 3.5, a collection of instruction-tuned bilingual (English and Korean) generative models ranging from 2.4B to 32B parameters, developed and released by LG AI Research. EXAONE 3.5 language models include: 1) 2.4B model optimized for deployment on small or resource-constrained devices, 2) 7.8B model matching the size of its predecessor but offering improved performance, and 3) 32B model delivering powerful performance. All models support long-context processing of up to 32K tokens. Each model demonstrates state-of-the-art performance in real-world use cases and long-context understanding, while remaining competitive in general domains compared to recently released models of similar sizes.\n\nOur documentation consists of the following sections:\n\n- [Performance](#performance): Experimental results of EXAONE 3.5 models.\n- [Quickstart](#quickstart): A basic guide to using EXAONE 3.5 models with Transformers.\n- [Quantized Models](#quantized-models): An explanation of quantized EXAONE 3.5 weights in `AWQ` and `GGUF` format.\n- [Run Locally](#run-locally): A guide to running EXAONE 3.5 models locally with `llama.cpp` and `Ollama` frameworks.\n- [Deployment](#deployment): A guide to running EXAONE 3.5 models with `TensorRT-LLM`, `vLLM`, and `SGLang` deployment frameworks.\n\n
\n\n## News\n\n- 2024.12.11: EXAONE 3.5 is now avaiable on Ollama model library. \n
          "},{"ref":"P4","kind":"page","title":"LG-AI-EXAONE/KoMT-Bench repository metadata","date":"2026-06-11T03:22:48.387261+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/KoMT-Bench","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/KoMT-Bench\n\nDescription: Official repository for KoMT-Bench built by LG AI Research\n\nLanguage: Python\n\nLicense: LGPL-3.0\n\nStars: 73\n\nForks: 3\n\nOpen issues: 0\n\nCreated: 2024-08-05T08:24:32Z\n\nPushed: 2024-08-08T00:46:37Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n# KoMT-Bench\n\n| 🤗 [**HuggingFace**](https://huggingface.co/datasets/LGAI-EXAONE/KoMT-Bench) | 📑 [**EXAONE 3.0 7.8B Tech Report**](https://arxiv.org/abs/2408.03541) |\n\n
\n\n## Introduction\n\nThis is an official repository for **KoMT Bench** built by LG AI Research, used to evaluate Korean instruction-following capability of language models, as described in the “[EXAONE 3.0 7.8B Instruction-Tuned Language Model](https://arxiv.org/abs/2408.03541)” (Technical Report). KoMT Bench is developed by translating [MT-Bench](https://arxiv.org/abs/2306.05685) [1] dataset into Korean and modifying some questions to reflect the characteristics and cultural nuances of the Korean language. \n\nAll source code in this repository is based on [LMSYS’s FastChat repository](https://github.com/lm-sys/FastChat), and we have adapted it to implement EXAONE 3.0 7.8B model.\n\n
\n

Here are examples from KoMT-Bench:

\n
\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n

\n\n
\n

🤗 HuggingFace   |   📝 Blog   |   📑 Technical Report \n
\n\n
\n\n## Introduction\n\nWe introduce EXAONE-3.0-7.8B-Instruct, a pre-trained and instruction-tuned bilingual (English and Korean) generative model with 7.8 billion parameters. \nThe model was pre-trained with 8T curated tokens and post-trained with supervised fine-tuning and direct preference optimization. \nIt demonstrates highly competitive benchmark performance against other state-of-the-art open models of similar size. \n\n
\n\n## News\n\n- 2024.08.08: :wave: :wave: We have revised our [license](./LICENSE) for revitalizing the research ecosystem. :wave: :wave:\n- 2024.08.07: We released the EXAONE 3.0 7.8B instruction-tuned model. Check out the 📑 [Technical Report](https://arxiv.org/abs/2408.03541)!\n\n
\n\n## Performance\n\nSome experimental results are shown below. The full evaluation results can be found in the [Technical Report](https://arxiv.org/abs/2408.03541).\n\n| Language | Benchmark | EXAONE 3.0
7.8B Inst. | Llama 3.1
8B Inst. | Gemma 2
9B Inst. | QWEN 2
7B Inst. | Phi 3
7B Inst. | Mistral 7B
Inst. |\n| :-----: | :----- | :-----: | :-----: | :-----: | :-----: | :-----: | :-----: |\n| English | MT-Bench | **9.01** | 7.95 | 8.52 | 8.41 | 8.52 | 7.72 |\n| | Arena-Hard-v0.1 | **46.8** | 28.0 | 42.1 | 21.7 | 29.1 | 16.2 |\n| | WildBench | **48.2** | 34.5 | 41.5 | 34.9 | 32.8 | 29.0 |\n| | AlpacaEval 2.0 LC | 45.0 | 31.5 | **47.5** | 24.5 | 37.1 | 31.0 |\n| Korean | KoMT-Bench[^1] | **8.92** | 6.06 | 7.92 | 7.69 | 4.87 | 5.20 |\n| | LogicKor | **8.62** | 5.40 | 8.07 | 6.12 | 3.76 | 3.42 |\n\n
\n\n## Requirements\n"},{"ref":"P6","kind":"page","title":"LG-AI-EXAONE/EXAONEPath repository metadata","date":"2026-06-11T03:22:48.248562+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/EXAONEPath","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/EXAONEPath\n\nLanguage: Python\n\nLicense: NOASSERTION\n\nStars: 23\n\nForks: 3\n\nOpen issues: 1\n\nCreated: 2024-07-31T04:53:46Z\n\nPushed: 2025-01-08T07:08:34Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n\n\n# EXAONEPath\n\n## EXAONEPath 1.0 Patch-level Foundation Model for Pathology\n\n[[`Paper`](https://arxiv.org/abs/2408.00380)] [[`Hugging Face`](https://huggingface.co/LGAI-EXAONE/EXAONEPath)] [[`Model`](https://github.com/LG-AI-EXAONE/EXAONEPath/releases/download/1.0.0/EXAONEPath.ckpt)] [[`BibTeX`](#Citation)]\n\n\n\n\n## Introduction\nWe introduce EXAONEPath, a patch-level pathology pretrained model with 86 million parameters. \nThe model was pretrained on 285,153,903 patches extracted from a total of 34,795 WSIs. \nEXAONEPath demonstrates superior performance considering the number of WSIs used and the model's parameter count.\n\n## Quickstart\nLoad EXAONEPath and run inference on tile-level images.\n\n### 1. Hardware Requirements ###\n- NVIDIA GPU is required\n- Minimum 8GB GPU memory recommended\n- NVIDIA driver version >= 450.80.02 required\n\nNote: This implementation requires NVIDIA GPU and drivers. The provided environment setup specifically uses CUDA-enabled PyTorch, making NVIDIA GPU mandatory for running the model.\n\n### 2. Environment Setup ###\nFirst, install Conda if you haven't already. You can find installation instructions [here](https://docs.anaconda.com/miniconda/).\nThen create and activate the environment using the provided configuration:\n```bash\ngit clone https://github.com/LG-AI-EXAONE/EXAONEPath.git\ncd EXAONEPath\nconda env create -f environment.yaml\nconda activate exaonepath\n```\n\n### 3. Load the model & Inference\n#### Load with HuggingFace\n\n```python\nimport torch\nfrom PIL import Image\nfrom macenko import macenko_normalizer\nimport torchvision.transforms as transforms\nfrom vision_transformer import VisionTransformer\n\nhf_token = \"YOUR_HUGGING_FACE_ACCESS_TOKEN\"\nmodel = VisionTransformer.from_pretrained(\"LGAI-EXAONE/EXAONEPath\", use_auth_token=hf_token)\n\ntransform = transforms.Compose(\n[\ntransforms.Resize(256"},{"ref":"P7","kind":"page","title":"LG-AI-EXAONE/EXAONE-Examples repository metadata","date":"2026-06-11T03:22:48.245375+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/EXAONE-Examples","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/EXAONE-Examples\n\nLanguage: Jupyter Notebook\n\nStars: 1\n\nForks: 0\n\nOpen issues: 0\n\nCreated: 2024-09-20T05:56:03Z\n\nPushed: 2024-10-02T05:18:13Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n# EXAONE Examples\n\nJupyter notebook examples for EXAONE Text Generation in AWS Marketplace."},{"ref":"P8","kind":"page","title":"LG-AI-EXAONE/EXAONE-4.0 repository metadata","date":"2026-06-11T03:22:46.958804+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/EXAONE-4.0","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/EXAONE-4.0\n\nDescription: Official repository for EXAONE 4.0 built by LG AI Research\n\nLicense: NOASSERTION\n\nStars: 105\n\nForks: 9\n\nOpen issues: 6\n\nCreated: 2025-07-07T06:45:57Z\n\nPushed: 2025-08-04T02:19:34Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n# EXAONE-4.0\n
\n
\n

\n\n
\n\n
\n
\n\n

\n\n\"Huggingface\"\n\n\n\"Blog\"\n\n\n\"Technical\n\n\n\"FriendliAI\"\n\n
\n\n
\n\n| 🎉 License Updated! We are pleased to announce our more flexible licensing terms 🤗 [What's Different?](#license) |\n|:---:|\n\n
\n\n## Introduction\n\nWe introduce **EXAONE 4.0**, which integrates a **Non-reasoning mode** and **Reasoning mode** to achieve both the excellent usability of [EXAONE 3.5](https://github.com/LG-AI-EXAONE/EXAONE-3.5) and the advanced reasoning abilities of [EXAONE Deep](https://github.com/LG-AI-EXAONE/EXAONE-Deep). To pave the way for the agentic AI era, EXAONE 4.0 incorporates essential features such as agentic tool use, and its multilingual capabilities are"},{"ref":"P9","kind":"page","title":"LG-AI-EXAONE/EXAONE-Deep repository metadata","date":"2026-06-11T03:22:46.952321+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/EXAONE-Deep","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/EXAONE-Deep\n\nDescription: Official repository for EXAONE Deep built by LG AI Research\n\nLicense: NOASSERTION\n\nStars: 401\n\nForks: 27\n\nOpen issues: 6\n\nCreated: 2025-03-12T06:45:27Z\n\nPushed: 2025-06-02T00:22:33Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n# EXAONE Deep\n
\n

\n\n
\n

🤗 Hugging Face   |   📝 Blog   |   📑 Documentation \n
\n\n
\n\n## Introduction\n\nWe introduce EXAONE Deep, which exhibits superior capabilities in various reasoning tasks including math and coding benchmarks, ranging from 2.4B to 32B parameters developed and released by LG AI Research. Evaluation results show that 1) EXAONE Deep 2.4B outperforms other models of comparable size, 2) EXAONE Deep 7.8B outperforms not only open-weight models of comparable scale but also a proprietary reasoning model OpenAI o1-mini, and 3) EXAONE Deep 32B demonstrates competitive performance against leading open-weight models.\n\n
\n

\n\n
\n\nOur documentation consists of the following sections:\n\n- [Performance](#performance): Experimental results of EXAONE Deep models.\n- [Quickstart](#quickstart): A basic guide to using EXAONE Deep models with Transformers.\n- [Quantized Models](#quantized-models): An explanation of quantized EXAONE Deep weights in `AWQ` and `GGUF` format.\n- [Run Locally](#run-locally): A guide to running EXAONE Deep models locally with `llama.cpp` and `Ollama` frameworks.\n- [Deployment](#deployment): A guide to running EXAONE Deep models with `TensorRT-LLM`, `vLLM`, and `SGLang` deployment frameworks.\n- [Usage Guideline](#usage-guideline): A guide to utilizing EXAONE Deep models to achieve the expected performance.\n\n
\n\n## News\n\n- 2025.03.18: We release the EXAONE Deep, reasoning enhanced language models, including 2.4B, 7.8B"},{"ref":"P10","kind":"page","title":"LG-AI-EXAONE/KMMLU-Pro repository metadata","date":"2026-06-11T03:22:46.939399+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/KMMLU-Pro","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/KMMLU-Pro\n\nLanguage: Python\n\nLicense: BSD-3-Clause\n\nStars: 16\n\nForks: 1\n\nOpen issues: 0\n\nCreated: 2025-08-14T05:29:37Z\n\nPushed: 2025-08-18T05:57:30Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n# KMMLU-Pro Evaluation Script\n\n**Language**: [English](README.md) | [한국어](README_ko.md)\n\n📄 [Paper](https://arxiv.org/abs/2507.08924) | 📚 [Dataset](https://huggingface.co/datasets/LGAI-EXAONE/KMMLU-Pro)\n\n## Overview\n\n**KMMLU-Pro** is a challenging benchmark comprising 2,822 problems from the 2024 Korean National Professional Licensure (KNPL) official exams, representing highly specialized professions in Korea.\nThis repository provides evaluation scripts to generate model responses using the OpenAI-compatible interface and calculate professional license pass/fail results.\n\n## Setup\n\n### Prerequisites\n\n1. **Dataset Access**: Request access to the [KMMLU-Pro dataset](https://huggingface.co/datasets/LGAI-EXAONE/KMMLU-Pro) on Hugging Face.\n\n2. **OpenAI API Key**: Set your OpenAI API key as an environment variable:\n```bash\nexport OPENAI_API_KEY=\"your-api-key-here\"\n```\n\n3. **Installation**:\n```bash\ngit clone https://github.com/LG-AI-EXAONE/KMMLU-Pro.git\ncd KMMLU-Pro\npip install -r requirements.txt\n```\n\n## Usage\n\n### 1. Generate Model Responses\n\n**Non-Reasoning Model Usage**\n```bash\npython generate_model_responses.py --model YOUR_MODEL_NAME\n```\n\n**Reasoning Model Usage**\n```bash\npython generate_model_responses.py --model YOUR_MODEL_NAME --temperature 0.6 --top_p 0.95 --enable_reasoning\n```\n\n**Additional Options**\n- `--model`: Model name (required)\n- `--output_dir`: Output directory (default: `./results`)\n- `--prompt_language`: Prompt language, 'ko' or 'en' (default: `ko`)\n- `--temperature`: Sampling temperature (default: `0.0`)\n- `--top_p`: Top-p sampling (default: `1.0`)\n- `--presence_penalty`: Presence penalty (default: `0.0`)\n- `--max_tokens`: Maximum tokens per response (default: `32768`)\n- `--max_requests`: Maximum concurrent requests (default: `200`)\n- `--enable_reasoning`: Enable reasoning mode (flag)\n\n### 2. Calculate Scores and License Results\n\n```bash\npython print_score.py --model_responses \"results/{YOUR_MODEL_NAME}_results.jsonl\"\n```\n\n## Outp"},{"ref":"P11","kind":"page","title":"LG-AI-EXAONE/EXAONE-Path-2.5 repository metadata","date":"2026-06-11T03:22:46.89067+00:00","date_source":null,"source_url":"https://github.com/LG-AI-EXAONE/EXAONE-Path-2.5","signal_url":null,"signal_json_url":null,"text":"# LG-AI-EXAONE/EXAONE-Path-2.5\n\nLanguage: Python\n\nLicense: NOASSERTION\n\nStars: 5\n\nForks: 0\n\nOpen issues: 0\n\nCreated: 2025-12-15T09:37:18Z\n\nPushed: 2026-03-10T01:53:23Z\n\nDefault branch: main\n\nFork: no\n\nArchived: no\n\nREADME:\n\n\n# EXAONE Path 2.5\n[[`Github`](https://github.com/LG-AI-EXAONE/EXAONE-Path-2.5)] [[`Hugging Face`](https://huggingface.co/LGAI-EXAONE/EXAONE-Path-2.5)] [[`Paper`](https://arxiv.org/abs/2512.14019)] [[`Cite`](#citation)]\n\n## Introduction\nEXAONE Path 2.5 is a biologically informed multimodal framework that enriches histopathology representations by aligning whole-slide images with *genomic, epigenetic, and transcriptomic data*. By enabling all-pairwise cross-modal alignment across multiple layers of tumor biology, the model captures coherent genotype-to-phenotype relationships within a unified embedding space. This domain-informed design improves resource efficiency, enabling the model to achieve competitive performance across diverse tasks while using substantially fewer training samples and parameters than existing approaches.\n\n

\n
\nFigure 1. Overall scheme of EXAONE Path 2.5.\n
\n\n## Quickstart\nLoad EXAONE Path 2.5 and extract features.\n\n### 1. Hardware Requirements ###\n- NVIDIA GPU with 12GB+ VRAM\n- NVIDIA driver version >= 525.60.13 required\n\nNote: This implementation requires NVIDIA GPU and drivers. The provided environment setup specifically uses CUDA-enabled PyTorch, making NVIDIA GPU mandatory for running the model.\n\n### 2. Environment Setup ###\nFirst, install Micromamba if you haven't already. You can find installation instructions [here](https://mamba.readthedocs.io/en/latest/installation/micromamba-installation.html#micromamba-installation).\nThen create and activate the environment using the provided configuration:\n```bash\ngit clone https://github.com/LG-AI-EXAONE/EXAONE-Path-2.5.git\ncd EXAONE-Path-2.5\nmicromamba create -n exaonepath python=3.12\nmicromamba activate ex"},{"ref":"P12","kind":"page","title":"(인재풀) Reject 후보자 인재풀 관리","date":"2026-06-11T03:17:35.603542+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4685553005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 (인재풀) Reject 후보자 인재풀 관리 직무 입사 지원서 \n\n채용 정보로 돌아가기 \n(인재풀) Reject 후보자 인재풀 관리\nSeoul, Seoul, South Korea\n\nApply \n-\n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P13","kind":"page","title":"NLP 개발인턴","date":"2026-06-11T03:17:35.539742+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4024293005","signal_url":null,"signal_json_url":null,"text":"page_title \n\n채용 정보로 돌아가기 \nNLP 개발인턴\nGangseo-gu, Seoul, South Korea\n\nApply \n팀 소개 \n\nLanguage Lab은 자연어 처리 분야의 기술적 난제 해결을 위한 핵심 선행기술을 연구하며 Learning-by-Reading AI 확보를 통한 챗봇 등 Language 분야 서비스 혁신 이라는 비전을 가지고 있습니다. \n\n수행 업무 \n\n초대용량(GPT-3, GPT-4 등) 언어모델 개발\n- 대용량 언어모델을 위한 문서 검색, 분석 및 처리 개발\n- 분산/병렬처리 기반 언어모델 학습/추론 알고리즘 개발 및 최적화\n- 초대용량 언어모델 확산을 위한 프레임워크 개발\n: prompt engineering, few-shot/fine tuning 서버/api 개발, 학습 인프라 개발 등\n\n초대용량 언어모델 혁신을 위한 새로운 방법론 연구\n- 초대용량 언어모델을 위한 representation 연구\n- 초대용량 언어모델의 continual learning 방법론 연구\n- in-context learning 한계 극복을 위한 reasoning 방법론 연구\n- 초거대 언어모델의 편향성 극복을 위한 방법론 연구 \n\n지원자격 \n\n해당 분야 석사 졸업 혹은 이에 준하는 경력 필요\n\n최신 딥러닝 자연어처리 기술에 대한 이해와 코드 구현 능력 (Tensorflow 등)\n\nAI 연구 실적 (AI관련 Top-tier 학회 논문 등), 오픈소스 활동 우대\n\n전공 \n\n컴퓨터공학, 전산학, 전자공학, 산업공학\n\n전형절차 \n\n서류심사 → 코딩테스트 → 1차 직무 인터뷰(온라인) → 최종 인터뷰(온사이트)\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다. \n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P14","kind":"page","title":"Computational Pathology Research Engineer Internship","date":"2026-06-11T03:17:35.298825+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4682540005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 Computational Pathology Research Engineer Internship 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nComputational Pathology Research Engineer Internship\nGangseo-gu, Seoul, South Korea\n\nApply \n\n팀 소개\n\nBio Intelligence Lab은 인공지능(AI) 기술을 활용하여 의료 데이터의 가치를 극대화하고, 질병의 진단·예후 예측·치료 의사결정을 지원하는 차세대 의료 AI 기술을 연구하고 있습니다. 특히 병리 이미지(Whole Slide Image, WSI)와 IHC(면역조직화학염색) 이미지를 기반으로 질병의 형태학적 특성과 분자생물학적 특성을 함께 이해하는 AI 모델을 개발하고 있으며, 이를 통해 바이오마커 발굴, 환자군 분류, 정량 병리 분석 등 실제 의료 및 바이오 연구에 적용 가능한 솔루션을 만들고 있습니다.\n\n수행 업무\n\n- WSI(Whole Slide Image) 및 IHC 이미지 기반 AI 모델 연구 및 개발\n- 병리 이미지 전처리, 타일링, 데이터셋 구축, 학습/평가 파이프라인 개발\n- 질병 분류, 예후 예측, 바이오마커 발굴을 위한 딥러닝 모델 개발\n- IHC 정량 분석 및 병리 이미지 기반 feature extraction 연구\n- WSI와 임상정보, 분자정보 등을 연계한 멀티모달 모델 연구\n- Self-supervised learning 및 Foundation Model 기반 병리 표현 학습 연구\n\n지원자격\n\n석사/박사 과정 재학 및 소지 또는 이에 준하는 연구 경험 보유\nDeep Learning / Machine Learning / Computer Vision 관련 연구 또는 개발 경험 보유\nPyTorch 등 딥러닝 프레임워크 활용 가능\n문제 정의부터 실험, 결과 분석까지 주도적으로 수행할 수 있는 역량 보유\n\n우대사항\n\nWSI, IHC, 디지털 병리 등 병리 이미지 분석 경험 보유\nAI 또는 Computational Biology 관련 top-tier 학회/저널 논문 출판 또는 경진대회 경험 우대\n\n전공\n\n컴퓨터공학, 인공지능, 생명과학, 생물정보학\n\n전형 절차\n\n서류심사 → 온라인 코딩테스트&LG Way Fit Test(인성검사) → 기술 인터뷰(온라인) → 최종 합격\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다.\n\n현재 LG AI연구원은 병역지정업체가 아니므로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.\n지원 시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다. \n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 * \n\n전화 * \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P15","kind":"page","title":"Large Language Model 연구 및 개발 Internship","date":"2026-06-11T03:17:35.078166+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4180455005","signal_url":null,"signal_json_url":null,"text":"Job Application for Large Language Model 연구 및 개발 Internship at LG AI Research \n\nBack to jobs \nLarge Language Model 연구 및 개발 Internship\nGangseo-gu, Seoul, South Korea\n\nApply \n<팀 소개> \n\nEXAONE Lab은 초거대 언어 모델과 관련된 기술을 선행 연구/개발하는 조직입니다.\n\n초거대 AI 최첨단 기술을 고도화하고 이를 실제 서비스에 적용시킴으로써 세상을 더욱 이롭게 바꿔 나갈 열정적인 구성원을 찾고 있습니다.\n\n<수행 업무> \n\n초거대 언어 모델 관련 연구/개발 및 실험\n\n- 학습 데이터 수집 및 전처리 파이프라인 구축\n\n- In-context learning 및 fine-tuning 벤치마크 성능 측정\n\n- In-context learning을 위한 prompt engineering\n\n- Inference 엔진 최적화\n\n- Multi-task instruction tuning 및 성능 향상 기법 연구/개발\n\n- Toxic classifier 연구/개발 및 초거대 모델 safety 방법론 연구/개발\n\n- 언어 모델 강화학습 성능 향상 방법론 연구 및 분산 학습 개발\n\n- 초거대 모델 경량화 (model compression) 방법론 연구/개발\n\n<지원 자격> \n\n- 학부 졸업 예정자 및 기 졸업하신 분, 석사/박사 재학중이신 분\n\n- Deep learning, machine learning 알고리즘 개발 경험 필수\n\n- Linux, Python, PyTorch, HuggingFace 언어 모델(BERT, T5, GPT 등) 활용 능력 필수\n\n<우대 사항> \n\n언어 모델 사전 학습 개발 경험 우대\n\nDeepSpeed, FastTransformer 개발 경험 우대\n\nLeaderboard 상위권 달성, competition 입상, 오픈소스 활동 우대\n\nML production cycle (데이터 수집, 모델 개발, 모델 테스트, 서빙) 경험 우대\n\n대용량 데이터 처리 framework (Apache Beam, Amazon EMR, GCP Dataproc 등) 개발 경험 우대\n\n언어 모델 관련 논문 게재 경험 우대\n\n<전공> \n\n컴퓨터공학, 전산학, 인공지능 등 머신러닝 전공자\n\nCreate a Job Alert\nInterested in building your career at LG AI Research? Get future opportunities sent straight to your email.\nCreate alert \n\nApply for this job\n\n*\n\nindicates a required field\n\nQuick Apply with MyGreenhouse \n\nFirst Name * \n\nLast Name * \n\nEmail * \n\nPhone Country \n\nPhone \n\nResume/CV\nAttach Attach \n\nDropbox \nGoogle Drive \nEnter manually Enter manually \n\nAccepted file types: pdf, doc, docx, txt, rtf\n\nCover Letter\nAttach Attach \n\nDropbox \nGoogle Drive \nEnter manually Enter manually \n\nAccepted file types: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check Select...\n\nSubmit application"},{"ref":"P16","kind":"page","title":"Research Scientist/Engineer - NLP","date":"2026-06-11T03:17:34.993614+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4012547005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 Research Scientist/Engineer - NLP 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nResearch Scientist/Engineer - NLP\nGangseo-gu, Seoul, South Korea\n\nApply \n팀 소개 \n\nLanguage Lab은 자연어 처리 분야의 기술적 난제 해결을 위한 핵심 선행기술을 연구하며 Learning-by-Reading AI 확보를 통한 챗봇 등 Language 분야 서비스 혁신 이라는 비전을 가지고 있습니다.\n\n수행 업무 \n\n대용량 언어모델(BERT, GPT 등) 알고리즘 및 최적화 연구개발\n\nMachine Reading Comprehension 및 Q&A 기술 연구개발\n\n대용량 Text Analytics 연구개발(개체명, 키워드, 토픽, 관계, 유형 분석 및 요약 등)\n\n딥러닝 기반 대화 및 생성 모델 연구개발(NLU, 대화모델, NLG 등)\n\n지원자격 \n\n해당 분야 석사 졸업 혹은 이에 준하는 경력 필요\n\n최신 딥러닝 자연어처리 기술에 대한 이해와 코드 구현 능력 (Tensorflow 등)\n\nAI 연구 실적 (AI관련 Top-tier 학회 논문 등), 오픈소스 활동 우대\n\n전공 \n\n컴퓨터공학, 전산학, 전자공학, 산업공학\n\n전형절차 \n\n서류심사 → 코딩테스트 → 1차 직무 인터뷰(온라인) → 최종 인터뷰(온사이트)\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다. \n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P17","kind":"page","title":"(인재풀) Research Scientist/Engineer - Language Lab","date":"2026-06-11T03:17:34.891823+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4325674005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 (인재풀) Research Scientist/Engineer - Language Lab 직무 입사 지원서 \n\n채용 정보로 돌아가기 \n(인재풀) Research Scientist/Engineer - Language Lab\nGangseo-gu, Seoul, South Korea\n\nApply \n[ 인재풀 공고 안내 ] \n\n해당 채용 공고는 인재풀 형태로 운영되고 있습니다.\n등록하신 지원서는 주기적인 검토가 진행되며, 적합한 포지션이 오픈 될 경우 개별 연락 드립니다.\n(*별도의 결과 안내는 드리지 않으니 참고 부탁드립니다.)\n\n팀 소개 \n\nLanguage Lab은 자연어 처리 분야의 기술적 난제 해결을 위한 핵심 선행기술을 연구하며 Learning-by-Reading AI 확보를 통한 챗봇 등 Language 분야 서비스 혁신 이라는 비전을 가지고 있습니다.\n\n수행 업무 \n\n대용량 언어모델(BERT, GPT 등) 알고리즘 및 최적화 연구개발\n\nMachine Reading Comprehension 및 Q&A 기술 연구개발\n\n대용량 Text Analytics 연구개발(개체명, 키워드, 토픽, 관계, 유형 분석 및 요약 등)\n\n딥러닝 기반 대화 및 생성 모델 연구개발(NLU, 대화모델, NLG 등)\n\n지원자격 \n\n해당 분야 석사 졸업 혹은 이에 준하는 경력 필요\n\n최신 딥러닝 자연어처리 기술에 대한 이해와 코드 구현 능력 (Tensorflow 등)\n\nAI 연구 실적 (AI관련 Top-tier 학회 논문 등), 오픈소스 활동 우대\n\n전공 \n\n컴퓨터공학, 전산학, 전자공학, 산업공학\n\n전형절차 \n\n서류심사 → 코딩테스트 → 1차 직무/기술 인터뷰(온라인) → LG AI Fit Check → 최종 인터뷰(온사이트)\n\n* 전형 절차는 변경될 수 있습니다.\n* 현재 LG AI연구원은 병역지정업체가 아님으로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.\n* 지원시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다. \n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P18","kind":"page","title":"Research Scientist/Engineer - EXAONE Lab","date":"2026-06-11T03:17:34.697284+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4179238005","signal_url":null,"signal_json_url":null,"text":"Job Application for Research Scientist/Engineer - EXAONE Lab at LG AI Research \n\nBack to jobs \nResearch Scientist/Engineer - EXAONE Lab\nGangseo-gu, Seoul, South Korea\n\nApply \n팀 소개 \n\nEXAONE Lab 은 초거대 인공지능( AI) 모델 EXAONE 을 중심으로 혁신적인 연구 및 개발을 수행하는 조직입니다. 우리는 인공지능 기술을 통해 산업의 미래를 선도하고, 다양한 분야에서 실질적인 가치를 창출하고자 하는 비전을 가지고 있습니다. \n\n수행 업무 \n\nLarge Language Model (LLM)의 Pre-training, Post-training 관련 기술 연구/개발 \n\nLarge Multimodal Model (LMM)의 Pre-training, Post-training 관련 기술 연구/개발\n\n지원자격 \n\nAI 분야 석사 학위 소지자 또는 6개월 내 학위 취득 예정자\n\n우대사항 \n\nAI 분야 박사 학위 소지자\n\nAI 관련 top-tier 학회(예: NeurIPS, ICML, ICLR, AAAI, CVPR, ACL 등) 1저자 논문 게재 경험\n\n10B 이상 크기의 LLM 또는 LMM을 Pre-training 및 Post-training 수행한 경험 보유\n\nLLM 또는 LMM을 활용한 사용화 과제 수행 경험 보유\n\n전형 절차 \n\n서류심사 → 1차 직무/기술 인터뷰(온라인) → 2차 심층 직무/기술 인터뷰(온사이트) → LG AI Fit Check (온라인) → 최종 인터뷰(온사이트)\n\n현재 LG AI연구원은 병역지정업체가 아님으로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.\n\n지원시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다.\n\nCreate a Job Alert\nInterested in building your career at LG AI Research? Get future opportunities sent straight to your email.\nCreate alert \n\nApply for this job\n\n*\n\nindicates a required field\n\nQuick Apply with MyGreenhouse \n\nFirst Name * \n\nLast Name * \n\nEmail * \n\nPhone Country \n\nPhone \n\nResume/CV\nAttach Attach \n\nDropbox \nGoogle Drive \nEnter manually Enter manually \n\nAccepted file types: pdf, doc, docx, txt, rtf\n\nCover Letter\nAttach Attach \n\nDropbox \nGoogle Drive \nEnter manually Enter manually \n\nAccepted file types: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check Select...\n\nSubmit application"},{"ref":"P19","kind":"page","title":"Research Scientist","date":"2026-06-11T03:17:34.576109+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4080978005","signal_url":null,"signal_json_url":null,"text":"Job Application for Research Scientist at LG AI Research \n\nBack to jobs \nResearch Scientist\nGangseo-gu, Seoul, South Korea\n\nApply \n팀 소개 \n\nSuperintelligence Lab은 기술 혁신과 과학적 발견을 선도하며, 인류에 긍정적인 영향을 주는 책임감 있는 AI 개발을 목표로 최첨단 연구를 수행하는 조직입니다. 또한 열린 소통과 협업, 다양한 관점, 성장 마인드를 바탕으로 전문성과 잠재력을 갖춘 인재들과 함께 연구 문화를 만들어갑니다.\n\n수행 업무 \n\n- Self-motivation을 통해 자신의 연구 의제를 구축하고 이끌어갑니다. \n\n- 영향력 있는 연구 프로젝트를 개발하고 협력합니다.\n\n- 내부 및 외부 사용자에게 연구 제품을 정렬, 확장 및 시연합니다. \n\n- Machine Learning에서 최신 데이터 세트, 모델, architectures 및 알고리즘을 새로 설계하거나 개선합니다. \n\n- Scientific articles를 작성하고 연구 실적에 기여합니다. \n\nTeams \n\n(Open Positions with Topics of Interests) \n\n1. Language Understanding \n- Large Language Modeling\n- QA, Reasoning, Toxic/Hallucination, Continual Learning\n- Code Generation \n\n2. Reinforcement Learning\n- Alignment: Learning through human feedback\n- Offline/Off-policy RL\n- Imitation Learning\n\n3. Transformers\n- Sequence/Vision/Graph Transformer \n- Geometric Deep Learning \n- Multimodal Transformer \n\n4. Deep Generative Models\n- Stochastic Differential Equations\n- Score-based Models (Diffusion) \n- Energy/Flow-based Models \n\n5. Other Topics\n- Causal Inference\n- Time-series Forecasting \n- Bias/Fairness, Accountability, Transparency, Ethics\n\n지원자격 \n\n- 뛰어난 visible research track record를 가지고 계신 분. \n- Deep Learning Framework를 통한 코딩 스킬을 보유하고 계신 분.\n- Keep following state-of-the-art research topics and methods in depth.\n\n우대자격 \n\n- Strong mathematical insights, large-scale modeling experience, dataset publications, and desire to make breakthroughs.\n- 박사 학위 취득 혹은 취득 예정 자. \n- Top Machine Learning Conference 논문 성과가 있으신 분. \n\n전형 절차 \n\nApplication Review → Coding Test → Technical Interview (Online) → Culture Fit Interview (Onsite)\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다. \n\nCreate a Job Alert\nInterested in building your career at LG AI Research? Get future opportunities sent straight to your email.\nCreate alert \n\nApply for this job\n\n*\n\nindicates a required field\n\nQuick Apply with MyGreenhouse \n\nFirst Name * \n\nLast Name * \n\nEmail * \n\nPhone Country \n\nPhone \n\nResume/CV\nAttach Attach \n\nDropbox \nGoogle Drive \nEnter manually Enter manually \n\nAccepted file types: pdf, doc, docx, txt, rtf\n\nCover Letter\nAttach Attach \n\nDropbox \nGo"},{"ref":"P20","kind":"page","title":"Research Engineer (LG AI Research Center, Ann Arbor)","date":"2026-06-11T03:17:34.387517+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4080871005","signal_url":null,"signal_json_url":null,"text":"Job Application for Research Engineer (LG AI Research Center, Ann Arbor) at LG AI Research \n\nBack to jobs \nResearch Engineer (LG AI Research Center, Ann Arbor)\nAnn Arbor, Michigan, United States\n\nApply \nAbout LG AI Research Center, Ann Arbor \n\nLG AI Research Center, Ann Arbor was established in March 2022 and tackles cutting-edge research questions to make the world a better place. Our mission is to develop impactful and responsible artificial intelligence that benefits technological innovations, scientific discovery, and all of humanity. We encourage open communication, collaboration, diverse perspectives, and a growth-mindset. We not only hire \"well-established experts\" in the relevant field of AI but also look for \"high-potential candidates\" who can ramp up quickly on topics aligned with our mission and values. We do not discriminate against our candidates on the basis of nationality, sex, age, religion, disability, or other legally protected statuses. \n\nResponsibilities \n\nBuild engineering-driven research ideas with self-motivation. \n\nDevelop and collaborate on impactful research projects. \n\nAlign, scale, and demonstrate our research products to internal and external users. \n\nDesign new or improve state-of-the-art datasets, models, architectures, and algorithms in machine learning. \n\nWrite scientific articles and contribute to our research track record. \n\nTopics \n\nNatural Language Understanding \n\nLarge language models \n\nReasoning \n\nDialog systems \n\nText generation (Conditional generation, Factual generation) \n\nCurating and building large-scale high-quality datasets/benchmarks \n\nReinforcement learning \n\nRL + Language \n\nCompositional task generalization \n\nHierarchical reinforcement learning/planning/imitation learning \n\nMeta/multi-task/transfer reinforcement learning \n\nOffline reinforcement learning \n\nMultimodal learning \n\nVision-language grounding \n\nVideo understanding \n\nDeep generative models (images, videos, text, etc.) \n\nNeural combinatorial optimization \n\nQualifications \n\nStrong programming skills and project portfolio. \n\nStrong proficiency in deep learning frameworks. \n\nFamiliarity with state-of-the-art research topics and methods. \n\nNice to have strong "},{"ref":"P21","kind":"page","title":"NLP 연구인턴","date":"2026-06-11T03:17:34.342162+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4083477005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 NLP 연구인턴 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nNLP 연구인턴\nGangseo-gu, Seoul, South Korea\n\nApply \n팀 소개 \n\nLanguage Lab은 자연어 처리 분야의 기술적 난제 해결을 위한 핵심 선행기술을 연구하며 Learning-by-Reading AI 확보를 통한 챗봇 등 Language 분야 서비스 혁신 이라는 비전을 가지고 있습니다.\n최적의 연구 환경에서 다양한 현장의 데이터를 다루어 볼 수 있는 기회이자, 최고의 전문가들과 함께 심도있게 연구하고 구현해 보는 값진 경험을 쌓을 수 있는 인턴 프로그램에 지원해주세요!\n\n수행 업무 \n\n1) Large Language Model Tuning\n- Pre-trained Language modeling의 Post-training, Instruction Tuning, RL alignment과 같은 튜닝과 관련된 연구와 문서 질의응답, 문서생성, 대화 기능 등의 기능 최적화\n\n2) Advanced RAG\n- 최신의 LLM기술을 활용하여 사용자의 입력과 검색 후보를 좀더 정확하게 분석하고 답변을 신뢰할 수 있게 연구와 개발\n\n3) Text Analytics\n- Large Language Model과 다양한 언어처리 기술 기반으로 정보추출, 문서요약 등의 기술\n\n4) Document Understanding\n- 논문, 특허 정보로부터 물성 정보, 실험조건 등의 최신 기술을 분석하고 데이터 베이스화하는 전문영역 문서 이해기술과 PPT와 같은 일반문서의 구조와 내용을 더 잘 이해하기 위한 기술\n\n5) Data Analysis & Visualization\n- 사용자의 질의를 분석하여 데이터를 검색하거나 검색된 데이터를 통게적으로 분석하고 시각화하는 기술\n\n6) Speech-To-Text/Text-To-Speech\n- 최신 End-To-End Speech-To-Text 기술과 자연스러운 음성을 합성하는 기술에 대한 연구를 진행 중\n\n7) 대화형 Agent\n- AI가 사람수준으로 대화가 가능하도록 하는 기술을 연구하고 있습니다. 대화 맥락 이해, 대화 기억 및 추론, 상황에 맞는 실행 계획 등의 기술\n\n지원자격 \n\n석사 학위 이상\n\nDeep Learning, Machine Learning 알고리즘 연구/개발 경험\n\nTensorflow, PyTorch, JAX 등 Machine Learning Framework 활용 경험\n\nPython 등 프로그래밍 언어 경험\n\n6개월 근무 가능자 (기간 협의 가능)\n\n전공 \n\n컴퓨터공학, 전산학, 전자공학, 산업공학\n\n전형절차 \n\n서류심사 → 코딩테스트 → 1차 직무 인터뷰(온라인) → 최종 합격\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다. \n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P22","kind":"page","title":"[독자 AI 파운데이션 모델 개발] Physical Intelligence Research Internship","date":"2026-06-11T03:17:34.046516+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4687161005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 [독자 AI 파운데이션 모델 개발] Physical Intelligence Research Internship 직무 입사 지원서 \n\n채용 정보로 돌아가기 \n[독자 AI 파운데이션 모델 개발] Physical Intelligence Research Internship\nGangseo-gu, Seoul, South Korea\n\nApply \n\nLG AI연구원은 \"독자 AI 파운데이션 모델\" 프로젝트를 통해 한국의 AI 생태계를 선도하고, 기술 수준을 한층 더 높이는 데 핵심적인 역할을 하고자 합니다. \n이를 위해 혁신적인 AI 모델을 직접 개발하고, LG AI연구원의 기술력을 바탕으로 글로벌 경쟁력을 갖춘 최고 수준의 AI 기술을 만들어 나가고자 합니다.\n이 프로젝트에 함께할 열정적인 연구자들을 찾고 있습니다. 관심 있는 분들의 많은 지원을 부탁드립니다.\n\n팀 소개\n\nPhysical Intelligence Lab은 인간의 눈을 뛰어넘는 시각 지능 기술을 연구·개발하며, 현실과 가상 공간에서 새로운 경험을 만들어 내는 것을 목표로 합니다.\n단순히 ‘사물을 본다’를 넘어, 세계를 이해하고 사람을 연결하는 AI의 눈을 만드는 것이 우리의 비전입니다.\n\nPhysical Intelligence Lab의 연구 범위는 컴퓨터 비전 전반에 걸쳐 있습니다.\n이미지·영상 인식, 객체 탐지, 멀티모달 학습, 3D 이해를 비롯해 비전검사, Document AI, Robotics 등 다양한 응용 분야로 기술을 확장하고 있습니다.\n이를 통해 LG 그룹의 다양한 사업 영역에 적용 가능한 핵심 비전 기술과 서비스 기반을 마련하고, 나아가 미래 산업을 선도할 혁신적인 Application 개발에 기여하고 있습니다.\n\nPhysical Intelligence Lab의 연구원들은 “눈으로 세상을 새롭게 해석한다”는 철학 아래, 대규모 데이터와 최첨단 AI 모델을 활용해 현실의 복잡한 문제 해결에 도전합니다.\n또한 글로벌 학계·산업과의 협업을 통해 최신 연구를 빠르게 흡수하고, 이를 실제 제품과 서비스로 이어가며 연구와 비즈니스의 선순환을 만들어가고 있습니다.\nAI의 눈으로 미래를 열어갈 우리의 여정에 동참하실 분을 기다립니다. \n\n수행 업무\n\n독자 AI 파운데이션 모델 EXAONE 기반 VLM-ER/VLA 개발\n- 로봇 제어 및 물리 세계 이해를 위한 VLM 기반 모델 개발\n\n개발 예상 내용 (세부 내용 추후 논의)\n- Long-term Planning을 위한 모델 아키텍처 연구\n- Video Data에 대해 효율적으로 동작하는 VLM 모델 개발\n\n- Embodied/Physical Reasoning 성능 개선을 위한 연구\n\n- VLM에서 VLA로의 효율적 transfer를 위한 방법론 연구\n\n지원자격\n\n필요역량 \n- 관련 분야 석/박사과정 재학 및 휴학중인 자\n- 관련 분야 프로젝트 경험자 \n- 강화학습 및 로봇 시뮬레이터 활용에 능숙한 자\n\n우대사항\n- 시뮬레이션 환경 구축 및 현실 로봇 적용 경험\n- 뛰어난 프로그래밍 역량 및 로봇 환경 개발 엔지니어링 경험\n- 관련 분야 Top-tier 컨퍼런스 논문 발표자\n\n기타\n- 합격 즉시 근무 시작 가능하신 분(6월~)\n- 근무기간은 최소 4개월부터 시작 가능하며, 7개월 이상 가능하신 분 우대 (26/12/31까지)\n\n전형절차\n\n서류심사 → 코딩테스트(온라인) & LG Way Fit Test(인성검사)→ 기술 인터뷰(비대면) → 최종 합격\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다. \n\n현재 LG AI연구원은 병역지정업체가 아님으로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.\n\n지원시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다.\n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc"},{"ref":"P23","kind":"page","title":"AI Data Engineer Internship","date":"2026-06-11T03:17:33.95659+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4235060005","signal_url":null,"signal_json_url":null,"text":"Job Application for AI Data Engineer Internship at LG AI Research \n\nBack to jobs \nAI Data Engineer Internship\nGangseo-gu, Seoul, South Korea\n\nApply \n팀 소개:\n\nProduct Unit 산하 Data&Analytics 팀은 데이터를 기반으로 다양한 인더스트리에 최신 AI 기법을 적용함으로써 , 고객경험 및 산업의 transformation 을 리드하고자 합니다 .\nLG AI 연구원의 다양한 연구 결과를 실제 활용 가능한 형태로 적용하는 Practical AI 를 추구하며 , 적극적인 커뮤니케이션과 문제해결 의지를 통해 구현해 나가실 수 있는 인재를 찾고 있습니다 . \n\n수행업무:\n\n1) Kubernetes 기반 Data Pipeline 서비스 배포 및 운영\n2) Data catalog 및 시스템 모니터링 환경 설계 \n3) 정형 및 비정형 데이터 정보 수집, 재가공, 추출 파이프라인 개발 및 운영\n4) 정형 및 비정형 데이터를 활용한 AI모델 설계 및 개발 보조\n5) 대규모 언어 모델 학습 및 평가를 위한 데이터 정제 및 가공 지원\n\n지원자격:\n\n[필요 역량]\n\n- 컴퓨터과학, 컴퓨터공학 등 관전 전공 학/석사 재학생 또는 졸업생\n- Python 등 하나 이상의 프로그래밍 언어 활용 가능하신 분\n- 리눅스 환경에서의 개발 및 작업에 익숙하신 분\n\n[우대 사항]\n\n- 클라우드 환경(AWS, GCP 등) 및 컨테이너 기술(Docker, Kubernetes) 사용 경험\n- Git, Docker 등 개발 도구에 대한 깊은 이해\n- 데이터 처리 및 분석 관련 프로젝트 경험 보유\n- 금융 데이터 또는 자연어 처리(NLP) 관련 경험 보유\n- Kubernetes, Dagster, Airflow 등 워크플로우 및 오케스트레이션 도구 사용 경험 보유\n\nCreate a Job Alert\nInterested in building your career at LG AI Research? Get future opportunities sent straight to your email.\nCreate alert \n\nApply for this job\n\n*\n\nindicates a required field\n\nQuick Apply with MyGreenhouse \n\nFirst Name * \n\nLast Name * \n\nEmail * \n\nPhone Country \n\nPhone \n\nResume/CV\nAttach Attach \n\nDropbox \nGoogle Drive \nEnter manually Enter manually \n\nAccepted file types: pdf, doc, docx, txt, rtf\n\nCover Letter\nAttach Attach \n\nDropbox \nGoogle Drive \nEnter manually Enter manually \n\nAccepted file types: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check Select...\n\nSubmit application"},{"ref":"P24","kind":"page","title":"Software Engineer Internship (Business Intelligence)","date":"2026-06-11T03:17:33.952872+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4591478005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 Software Engineer Internship (Business Intelligence) 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nSoftware Engineer Internship (Business Intelligence)\nGangseo-gu, Seoul, South Korea\n\nApply \n\n팀 소개\n\nData Intelligence Lab은 최신 Deep Learning 알고리즘을 연구/개발하여 고도화 된 데이터 분석 및 예측과 복잡한 데이터의 최적화를 수행합니다.\n이를 통해 그룹의 다양한 사업적 난제를 해결하고, 업무 효율화 및 생산성 향상, 제품 기능 개선을 추진합니다\n\n수행 업무\n\n비정형 문서 데이터에서의 정보 추출 및 가공\n\nSEC(미국 증권거래위원회) 공시 문서(예: 10-K, 10-Q 등) 파싱 및 데이터 추출 로직 개발\n\n정형 및 비정형 금융 데이터를 활용한 시계열 예측 AI 모델 설계 및 개발 보조\n\n대규모 언어 모델 학습 및 평가를 위한 데이터 정제 및 가공 지원\n\n지원자격\n\n컴퓨터과학, 컴퓨터공학 등 관련 전공 학/석사 재학생 또는 졸업생\n\nPython 등 하나 이상의 프로그래밍 언어 활용 가능하신 분\n\n리눅스 환경에서의 개발 및 작업에 익숙하신 분\n\nGit 등 형상 관리 툴 사용 경험이 있으신 분\n\n영문 금융 문서(예: SEC 공시 자료) 수준의 해석이 가능하신 분\n\n금융 및 회계 용어(예: 재무제표, 회계 개념, 증권 용어 등)에 대한 기본적인 이해가 있으신 분\n\n우대사항\n\n데이터 처리 및 분석 관련 프로젝트 경험 보유\n\n금융 데이터 또는 자연어 처리(NLP) 관련 경험 보유\n\nKubernetes, Dagster, Airflow 등 워크플로우 및 오케스트레이션 도구 사용 경험 보유 \n\n분산 학습 프레임워크(DP, DDP, FSDP, DeepSpeed 등) 활용 경험 \n\n대규모 언어 모델(LLM) 파인튜닝 경험 \n\n전형절차\n\n서류심사 → 코딩테스트 → 기술 인터뷰(온라인) → 최종 합격\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다.\n\n현재 LG AI연구원은 병역지정업체가 아니므로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.\n지원 시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다. \n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n셍년월일 \n\n성별 선택...\n\n지원서 제출"},{"ref":"P25","kind":"page","title":"AI Scientist/Engineer Intern (LG AI Research Center, Ann Arbor) ","date":"2026-06-11T03:17:33.680725+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4130830005","signal_url":null,"signal_json_url":null,"text":"Job Application for AI Scientist/Engineer Intern (LG AI Research Center, Ann Arbor) at LG AI Research \n\nBack to jobs \nAI Scientist/Engineer Intern (LG AI Research Center, Ann Arbor) \nAnn Arbor, Michigan, United States\n\nApply \nAbout LG AI Research Center, Ann Arbor \n\nLG AI Research Center, Ann Arbor was established in March 2022 and tackles cutting-edge research questions to make the world a better place. Our mission is to develop impactful and responsible artificial intelligence that benefits technological innovations, scientific discovery, and all of humanity. We encourage open communication, collaboration, diverse perspectives, and a growth mindset. We not only hire \"well-established experts\" in the relevant field of AI but also look for \"high-potential candidates\" who can ramp up quickly on topics aligned with our mission and values. We do not discriminate against our candidates on the basis of nationality, sex, age, religion, disability, or other legally protected statuses. \n\nResponsibilities \n\nLead/contribute to impactful research projects. \n\nDevelop new datasets, models, architectures, and algorithms in machine learning.\n\nPublish scientific articles.\n\nDemonstrate research outcomes to internal and external users.\n\nTopics \n\n1. Natural Language Understanding \n\nLarge Language Models \n\nReasoning \n\nDialogue Systems \n\nText Generation (Conditional Generation & Factual Generation) \n\nCurating and building large-scale high-quality datasets/benchmarks \n\n2. Reinforcement Learning\n\nRL + Language \n\nCompositional task generalization \n\nHierarchical reinforcement learning/planning/imitation learning \n\nMeta/multi-task/transfer reinforcement learning \n\nOffline reinforcement learning \n\n3. Multimodal learning \n\nVision-language grounding \n\nVideo understanding \n\nDeep generative models (images, videos, text, etc.) \n\n4. Neural combinatorial optimization \n\nQualifications \n\nMotivation to lead/contribute to impactful research ideas. \n\nFamiliarity with state-of-the-art research topics and methods.\n\nProficiency in deep learning frameworks and strong programming skills.\n\nNice to have publications in major machine learning conferences.\n\nNice to have strong mathematical insights, large-sca"},{"ref":"P26","kind":"page","title":"LLM Inference Engineer","date":"2026-06-11T03:17:33.598946+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4607350005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 LLM Inference Engineer 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nLLM Inference Engineer\nGangseo-gu, Seoul, South Korea\n\nApply \n팀 소개 \n\nPlatform&Infra Team은 AI모델의 개발부터 서비스 운영을 위한 배포에 이르기까지 AI모델의 수명 주기를 최적화하고, 효율적으로 관리하기 위한 MLOps 파이프라인을 구축합니다. 또한 AI서비스의 안정적인 운영 지원을 위한 보안성 강화, 인프라 관리 및 자원 최적화 업무를 수행합니다.\n팀 내에서 LLM Inference Engineer는 대규모 언어 모델(LLM)의 추론 성능을 최적화하고, 다양한 프레임워크에서 EXAONE모델을 안정적으로 서빙할 수 있는 엔진을 개발합니다. 또한, 오픈소스 프로젝트의 공식 채널을 통해 요청되는 기능 개선, 버그 수정, 성능 최적화 등의 요건에 대응하며, 다양한 환경에서 LLM이 안정적으로 동작할 수 있도록 기여합니다.\n\n수행 업무 \n\nLLM 추론 성능 최적화: 대규모 언어 모델(LLM)의 추론 성능을 극대화하기 위한 개선 방안을 도출하고 설계에 참여합니다. \n\n서빙 엔진 개발: 다양한 프레임워크 상에서 엑사원 모델을 안정적으로 서빙할 수 있는 엔진을 개발합니다. \n\n오픈소스 기여: 오픈소스 LLM 서빙 프레임워크(vLLM, SGLang, Ollama 등)의 공식 채널을 통해 요청되는 기능 개선, 버그 수정, 성능 최적화 등의 요건에 대응하고 기여합니다. \n\n다양한 환경 지원: chat_template을 활용하여 다양한 언어와 환경에서 LLM이 올바르게 동작할 수 있도록 적용하고 개선합니다. \n\n모델 추론 가속화: NPU/GPU 기반의 Serving 전략을 설계하고, 모델 추론 가속화 알고리즘을 연구 및 구현합니다. \n\n지원자격 \n\n모델 추론 가속화 및 Inference Back-end 구현 경험: 모델 추론 성능을 높이기 위한 알고리즘 연구 및 구현 경험 \n\nNPU/GPU 기반 Serving 전략 및 개발 경험: NPU/GPU를 활용한 모델 서빙 전략 설계 및 구현 경험 \n\n오픈소스 LLM Serving Framework 기여 경험: vLLM, SGLang, Ollama 등 오픈소스 LLM 서빙 프레임워크에 기여한 경험(contribution) \n\n*우대사항 \n\n머신러닝 모델 수명 주기에 대한 이해: 모델 개발, 학습, 서빙, 배포 등 각 단계에 대한 경험과 이해 \n\nAI 및 머신러닝 기술에 대한 깊은 이해: Python, C++, TensorFlow, PyTorch, ONNX, CUDA, NPU 등 AI 및 머신러닝 관련 기술에 대한 숙련도 \n\nTransformer 기반 모델 및 LLM에 대한 이해: Attention 메커니즘, 대규모 언어 모델(LLM)의 구조와 동작 원리에 대한 깊은 이해 \n\nLLM 디코딩 전략 및 추론 기술에 대한 이해: Greedy Search, Beam Search, Top-k Sampling 등 디코딩 전략에 대한 이해 \n\nchat_template 활용 경험: 다양한 환경에서 LLM이 올바르게 동작할 수 있도록 chat_template을 설계하고 적용한 경험 \n\n전형절차 \n\n서류심사 → 코딩테스트 → 1차 PT직무 인터뷰(온라인) → 2차 직무 인터뷰(온라인) → LG AI Fit Check(온라인) → 최종 합격\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 드립니다.\n\n현재 LG AI연구원은 병역지정업체가 아니므로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다. \n지원시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다.\n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 \n\n전화 \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Pro"},{"ref":"P27","kind":"page","title":"Platform Engineer Internship","date":"2026-06-11T03:17:33.577635+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4685111005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 Platform Engineer Internship 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nPlatform Engineer Internship\nGangseo-gu, Seoul, South Korea\n\nApply \n\n팀 소개\n\nProduct Development Team은 AI 기술을 바탕으로 고객의 요구를 충족시키는 AI 서비스를 설계하고 개발합니다. AI 모델과 알고리즘을 실용적이고 효율적인 서비스로 구현하고, 현실 문제 해결을 목표로 합니다. 챗엑사원을 포함한 여러 서비스를 개발하고 운영합니다.\n\n수행 업무\n\nAI 서비스 배포를 위한 Kubernetes(GKE) 환경 운영\n\nTerraform을 활용한 서비스 인프라 관리\n\nCI/CD 파이프라인(GitLab CI, ArgoCD) 운영 및 개선\n\nPrometheus, Grafana 기반 서비스 모니터링·알림 환경 운영\n\n개발자 셀프서비스 환경 구축 참여 (Backstage 기반 IDP)\n\n사내 서비스 개발 참여 (AI 코딩 에이전트 활용)\n\n반복 운영 업무 자동화 스크립트 작성\n\n지원자격\n\nLinux 기본 명령어 및 네트워크 기초 이해\n\nDocker 컨테이너 개념 이해\n\nGit 사용 경험\n\nPython 또는 Bash 스크립트 작성 가능\n\n클라우드 인프라 및 플랫폼 엔지니어링에 대한 관심과 학습 의지\n\n우대사항\n\nKubernetes 학습 또는 사용 경험 (개인 프로젝트 포함)\n\nGCP, AWS 등 퍼블릭 클라우드 사용 경험\n\nTerraform 등 IaC 도구 사용 경험\n\nCI/CD 개념 이해 또는 구축 경험\n\nTypeScript, Go 등 프로그래밍 언어 사용 경험 \n\nAI 코딩 에이전트(Cursor, Claude Code 등) 활용 경험\n\n관련 자격증 (CKA, GCP ACE 등)\n\n전형 절차\n\n서류심사 → 코딩테스트 (온라인) → 1차 기술 인터뷰(온라인) → 2차 직무 인터뷰(온라인) → 최종 합격\n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 * \n\n전화 * \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"P28","kind":"page","title":"Protein Design Research Engineer Internship","date":"2026-06-11T03:17:33.278778+00:00","date_source":null,"source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4603031005","signal_url":null,"signal_json_url":null,"text":"LG AI Research의 Protein Design Research Engineer Internship 직무 입사 지원서 \n\n채용 정보로 돌아가기 \nProtein Design Research Engineer Internship\nGangseo-gu, Seoul, South Korea\n\nApply \n\n팀 소개\n\nBio Intelligence Lab에서는 AI 기술을 활용하여 질병의 타겟 단백질을 규명하고, 단백질 구조를 예측 및 설계하는 연구를 진행하고 있습니다. 이러한 연구는 바이오 치료제 개발과 효소 공학을 포함한 다양한 바이오 산업 분야에 혁신적인 솔루션을 제공하는 것을 목표로 합니다. 특히, 항체 치료제 설계 연구에 집중하고 있습니다.\n\n수행 업무\n\nProtein Structure 예측 및 생성 모델 개발\n\nProtein 서열 설계 모델 개발\n\nProtein 결합친화도 예측 모델 개발\n\n지원자격\n\nPyTorch, Keras, Tensorflow 등 최신 Machine Learning 개발 환경에 숙련된 활용 능력\n\n우대사항\n\nAI기반 Protein Structure 예측 및 생성 알고리즘 연구/개발 경험 보유\n\nTop-tier AI conference 및 저널 논문 출판 또는 경진대회 입상자 우대 (예: Neurips, ICLR, ICML, Nature, Science 등)\n\n관련 분야 현업 경력\n\n전공\n\n컴퓨터공학, 화학, 생명과학, 생물정보학\n\n전형 절차\n\n서류심사 → 코딩테스트 → 기술 인터뷰(온라인) → 최종 합격\n\n* 전형 절차는 변경될 수 있습니다. 서류 합격 시 전형 절차에 대해 별도로 안내 해 드립니다.\n\n현재 LG AI연구원은 병역지정업체가 아니므로, 전문연구요원 채용 및 전직이 불가함을 알려드립니다.\n지원 시 문제가 있을 경우 careers@lgresearch.ai 로 문의 부탁드립니다. \n\n채용 공고 알림 생성\nLG AI Research 에서 경력을 쌓고 싶으신가요? 향후 채용 정보를 이메일로 바로 받아보세요.\n알림 생성 \n\n이 직무 지원하기\n\n*\n\n필수 입력 필드를 나타냅니다\n\nMyGreenhouse로 자동 완성 \n\n이름 * \n\n성 * \n\n이메일 * \n\n전화 국가 * \n\n전화 * \n\n이력서/CV * \n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\n커버 레터\n파일 첨부 파일 첨부 \n\nDropbox \nGoogle 드라이브 \n수동으로 입력 수동으로 입력 \n\n허용되는 파일 형식: pdf, doc, docx, txt, rtf\n\nLinkedIn Profile \n\nWebsite \n\nOptional Check 선택...\n\n지원서 제출"},{"ref":"E1","kind":"event","title":"LGAI-EXAONE/K-EXAONE-236B-A23B","date":"2025-12-26T11:55:04+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/K-EXAONE-236B-A23B","signal_url":"https://onlylabs.fyi/signals/2f090e5b-b86b-49e5-85a6-4b86fa28479e","signal_json_url":"https://onlylabs.fyi/signals/2f090e5b-b86b-49e5-85a6-4b86fa28479e/signal.json","text":"model_released · LGAI-EXAONE/K-EXAONE-236B-A23B · signal_desk=releases · occurred_at=2025-12-26T11:55:04+00:00 · url=https://huggingface.co/LGAI-EXAONE/K-EXAONE-236B-A23B · hf_downloads=54114 · hf_likes=567 · hf_params=237099669632 · pipeline=text-generation · license=other"},{"ref":"E2","kind":"event","title":"LGAI-EXAONE/EXAONE-3.0-7.8B-Instruct","date":"2024-07-31T05:02:00+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-3.0-7.8B-Instruct","signal_url":"https://onlylabs.fyi/signals/30f70f77-966b-4052-8c98-7136b6c2bf82","signal_json_url":"https://onlylabs.fyi/signals/30f70f77-966b-4052-8c98-7136b6c2bf82/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-3.0-7.8B-Instruct · signal_desk=releases · occurred_at=2024-07-31T05:02:00+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-3.0-7.8B-Instruct · hf_downloads=41730 · hf_likes=420 · hf_params=7818448896 · pipeline=text-generation · license=other"},{"ref":"E3","kind":"event","title":"LGAI-EXAONE/EXAONE-Deep-32B","date":"2025-03-12T04:44:03+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-Deep-32B","signal_url":"https://onlylabs.fyi/signals/483f04d4-e069-4102-9442-3f36e8bdc9fa","signal_json_url":"https://onlylabs.fyi/signals/483f04d4-e069-4102-9442-3f36e8bdc9fa/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-Deep-32B · signal_desk=releases · occurred_at=2025-03-12T04:44:03+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-Deep-32B · hf_downloads=1375 · hf_likes=300 · hf_params=32003200000 · pipeline=text-generation · license=other · raw={\"derived_reason\":\"first-party-finetune\"}"},{"ref":"E4","kind":"event","title":"LGAI-EXAONE/EXAONE-4.0-32B","date":"2025-07-11T07:01:41+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-4.0-32B","signal_url":"https://onlylabs.fyi/signals/ebdee785-6d67-4ff7-88d7-94dd55bab7e3","signal_json_url":"https://onlylabs.fyi/signals/ebdee785-6d67-4ff7-88d7-94dd55bab7e3/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-4.0-32B · signal_desk=releases · occurred_at=2025-07-11T07:01:41+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-4.0-32B · hf_downloads=33201 · hf_likes=281 · hf_params=32003216384 · pipeline=text-generation · license=other"},{"ref":"E5","kind":"event","title":"LGAI-EXAONE/EXAONE-3.5-2.4B-Instruct","date":"2024-12-01T11:17:08+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-3.5-2.4B-Instruct","signal_url":"https://onlylabs.fyi/signals/3bf22069-fc4c-4095-b128-1886114a227c","signal_json_url":"https://onlylabs.fyi/signals/3bf22069-fc4c-4095-b128-1886114a227c/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-3.5-2.4B-Instruct · signal_desk=releases · occurred_at=2024-12-01T11:17:08+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-3.5-2.4B-Instruct · hf_downloads=63761 · hf_likes=189 · hf_params=2405327360 · pipeline=text-generation · license=other"},{"ref":"E6","kind":"event","title":"LGAI-EXAONE/EXAONE-4.0-1.2B","date":"2025-07-11T07:02:32+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-4.0-1.2B","signal_url":"https://onlylabs.fyi/signals/777b08a1-fd93-41d4-8174-b71ee5a96ca0","signal_json_url":"https://onlylabs.fyi/signals/777b08a1-fd93-41d4-8174-b71ee5a96ca0/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-4.0-1.2B · signal_desk=releases · occurred_at=2025-07-11T07:02:32+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-4.0-1.2B · hf_downloads=16315 · hf_likes=184 · hf_params=1279391488 · pipeline=text-generation · license=other"},{"ref":"E7","kind":"event","title":"LGAI-EXAONE/EXAONE-4.5-33B","date":"2026-04-04T08:34:23+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-4.5-33B","signal_url":"https://onlylabs.fyi/signals/568d04dd-6e72-4ba8-8e85-3a788fd371c6","signal_json_url":"https://onlylabs.fyi/signals/568d04dd-6e72-4ba8-8e85-3a788fd371c6/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-4.5-33B · signal_desk=releases · occurred_at=2026-04-04T08:34:23+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-4.5-33B · hf_downloads=42318 · hf_likes=169 · hf_params=34350097664 · pipeline=image-text-to-text · license=other"},{"ref":"E8","kind":"event","title":"LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct","date":"2024-12-01T13:15:33+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct","signal_url":"https://onlylabs.fyi/signals/bd2c184c-0880-4c08-8966-67df1a3b2f53","signal_json_url":"https://onlylabs.fyi/signals/bd2c184c-0880-4c08-8966-67df1a3b2f53/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct · signal_desk=releases · occurred_at=2024-12-01T13:15:33+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-3.5-7.8B-Instruct · hf_downloads=139484 · hf_likes=156 · hf_params=7818448896 · pipeline=text-generation · license=other"},{"ref":"E9","kind":"event","title":"LGAI-EXAONE/EXAONE-3.5-32B-Instruct","date":"2024-12-01T13:17:33+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-3.5-32B-Instruct","signal_url":"https://onlylabs.fyi/signals/132950b3-1e5c-4c7a-973b-53be0787d538","signal_json_url":"https://onlylabs.fyi/signals/132950b3-1e5c-4c7a-973b-53be0787d538/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-3.5-32B-Instruct · signal_desk=releases · occurred_at=2024-12-01T13:17:33+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-3.5-32B-Instruct · hf_downloads=12167 · hf_likes=129 · hf_params=32003200000 · pipeline=text-generation · license=other"},{"ref":"E10","kind":"event","title":"LGAI-EXAONE/EXAONE-Deep-7.8B","date":"2025-03-12T04:43:02+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-Deep-7.8B","signal_url":"https://onlylabs.fyi/signals/40e1c833-0144-4e8d-a4bb-b0042bed908d","signal_json_url":"https://onlylabs.fyi/signals/40e1c833-0144-4e8d-a4bb-b0042bed908d/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-Deep-7.8B · signal_desk=releases · occurred_at=2025-03-12T04:43:02+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-Deep-7.8B · hf_downloads=7615 · hf_likes=103 · hf_params=7818448896 · pipeline=text-generation · license=other · raw={\"derived_reason\":\"first-party-finetune\"}"},{"ref":"E11","kind":"event","title":"LGAI-EXAONE/EXAONE-Deep-2.4B","date":"2025-03-12T04:41:47+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-Deep-2.4B","signal_url":"https://onlylabs.fyi/signals/faa77019-0308-4096-8488-d0892b95a566","signal_json_url":"https://onlylabs.fyi/signals/faa77019-0308-4096-8488-d0892b95a566/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-Deep-2.4B · signal_desk=releases · occurred_at=2025-03-12T04:41:47+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-Deep-2.4B · hf_downloads=842 · hf_likes=101 · hf_params=2405327360 · pipeline=text-generation · license=other · raw={\"derived_reason\":\"first-party-finetune\"}"},{"ref":"E12","kind":"event","title":"(인재풀) Research Scientist Internship - Computer Vision","date":"2026-06-11T01:57:22+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4646683005","signal_url":"https://onlylabs.fyi/signals/1ad9621c-3161-4f7e-86b7-c36a60f48656","signal_json_url":"https://onlylabs.fyi/signals/1ad9621c-3161-4f7e-86b7-c36a60f48656/signal.json","text":"job_opened · (인재풀) Research Scientist Internship - Computer Vision · signal_desk=hiring · occurred_at=2026-06-11T01:57:22+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4646683005 · raw={\"location\":\"Seoul, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E13","kind":"event","title":"Information Security Internship","date":"2026-06-10T13:20:06+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4653405005","signal_url":"https://onlylabs.fyi/signals/c1e1ac22-1054-42d1-a8d2-a7f1ddc6b7b3","signal_json_url":"https://onlylabs.fyi/signals/c1e1ac22-1054-42d1-a8d2-a7f1ddc6b7b3/signal.json","text":"job_opened · Information Security Internship · signal_desk=hiring · occurred_at=2026-06-10T13:20:06+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4653405005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E14","kind":"event","title":"AI R&D Strategy & Planning Specialist (AI R&D 전략기획 담당자)","date":"2026-06-05T04:51:55+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4699587005","signal_url":"https://onlylabs.fyi/signals/60d340ff-51d1-4595-a4b4-d8d3c7658b7a","signal_json_url":"https://onlylabs.fyi/signals/60d340ff-51d1-4595-a4b4-d8d3c7658b7a/signal.json","text":"job_opened · AI R&D Strategy & Planning Specialist (AI R&D 전략기획 담당자) · signal_desk=hiring · occurred_at=2026-06-05T04:51:55+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4699587005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E15","kind":"event","title":"법무 행정업무 지원(계약직)","date":"2026-05-28T07:52:32+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4700115005","signal_url":"https://onlylabs.fyi/signals/2aba9634-e570-445c-9efb-e7ca2b392599","signal_json_url":"https://onlylabs.fyi/signals/2aba9634-e570-445c-9efb-e7ca2b392599/signal.json","text":"job_opened · 법무 행정업무 지원(계약직) · signal_desk=hiring · occurred_at=2026-05-28T07:52:32+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4700115005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E16","kind":"event","title":"LGAI-EXAONE/EXAONE-4.0.1-32B","date":"2025-07-29T07:32:29+00:00","date_source":"source","source_url":"https://huggingface.co/LGAI-EXAONE/EXAONE-4.0.1-32B","signal_url":"https://onlylabs.fyi/signals/470a48e0-b893-4962-b281-5501d34af45a","signal_json_url":"https://onlylabs.fyi/signals/470a48e0-b893-4962-b281-5501d34af45a/signal.json","text":"model_released · LGAI-EXAONE/EXAONE-4.0.1-32B · signal_desk=releases · occurred_at=2025-07-29T07:32:29+00:00 · url=https://huggingface.co/LGAI-EXAONE/EXAONE-4.0.1-32B · hf_downloads=6436 · hf_likes=27 · hf_params=32003216384 · pipeline=text-generation · license=other · raw={\"derived_reason\":\"first-party-finetune\"}"},{"ref":"E17","kind":"event","title":"UX/UI Designer Internship","date":"2026-05-08T04:57:45+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4179929005","signal_url":"https://onlylabs.fyi/signals/16c990ae-e2e1-4e3a-bf33-7da1d33920d2","signal_json_url":"https://onlylabs.fyi/signals/16c990ae-e2e1-4e3a-bf33-7da1d33920d2/signal.json","text":"job_opened · UX/UI Designer Internship · signal_desk=hiring · occurred_at=2026-05-08T04:57:45+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4179929005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E18","kind":"event","title":"Robotics Evaluation & Benchmark Internship ","date":"2026-05-07T09:02:44+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4693142005","signal_url":"https://onlylabs.fyi/signals/75dac0a6-dd95-4d2b-a898-20e5f2044930","signal_json_url":"https://onlylabs.fyi/signals/75dac0a6-dd95-4d2b-a898-20e5f2044930/signal.json","text":"job_opened · Robotics Evaluation & Benchmark Internship · signal_desk=hiring · occurred_at=2026-05-07T09:02:44+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4693142005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E19","kind":"event","title":"Research Scientist Internship - Robot Foundation Model","date":"2026-05-07T07:25:25+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4693138005","signal_url":"https://onlylabs.fyi/signals/f7192077-f7b3-4ec6-b6a5-49df540d5eec","signal_json_url":"https://onlylabs.fyi/signals/f7192077-f7b3-4ec6-b6a5-49df540d5eec/signal.json","text":"job_opened · Research Scientist Internship - Robot Foundation Model · signal_desk=hiring · occurred_at=2026-05-07T07:25:25+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4693138005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E20","kind":"event","title":"Research Scientist Internship(Agentic AI)","date":"2026-05-07T05:22:38+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4638356005","signal_url":"https://onlylabs.fyi/signals/f4606ddb-2d98-493d-9cc8-8db1ff88ef26","signal_json_url":"https://onlylabs.fyi/signals/f4606ddb-2d98-493d-9cc8-8db1ff88ef26/signal.json","text":"job_opened · Research Scientist Internship(Agentic AI) · signal_desk=hiring · occurred_at=2026-05-07T05:22:38+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4638356005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E21","kind":"event","title":"AI Product/Service Planning (AI 상품기획)","date":"2026-05-07T02:33:54+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4520326005","signal_url":"https://onlylabs.fyi/signals/84ac3af1-0c88-4994-898a-20c001d63939","signal_json_url":"https://onlylabs.fyi/signals/84ac3af1-0c88-4994-898a-20c001d63939/signal.json","text":"job_opened · AI Product/Service Planning (AI 상품기획) · signal_desk=hiring · occurred_at=2026-05-07T02:33:54+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4520326005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E22","kind":"event","title":"(인재풀) MLOps Engineer","date":"2026-04-29T14:36:04+00:00","date_source":"source","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4012564005","signal_url":"https://onlylabs.fyi/signals/340ccaa8-48c4-494d-9814-2951d2080c81","signal_json_url":"https://onlylabs.fyi/signals/340ccaa8-48c4-494d-9814-2951d2080c81/signal.json","text":"job_opened · (인재풀) MLOps Engineer · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4012564005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E23","kind":"event","title":"NLP 개발인턴","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4024293005","signal_url":"https://onlylabs.fyi/signals/1cdad929-a4a5-4afc-b805-4efd7170d368","signal_json_url":"https://onlylabs.fyi/signals/1cdad929-a4a5-4afc-b805-4efd7170d368/signal.json","text":"job_opened · NLP 개발인턴 · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4024293005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E24","kind":"event","title":"Research Scientist (LG AI Research Center, Ann Arbor)","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4080869005","signal_url":"https://onlylabs.fyi/signals/6829b700-afe5-4fef-8210-40080b667fb8","signal_json_url":"https://onlylabs.fyi/signals/6829b700-afe5-4fef-8210-40080b667fb8/signal.json","text":"job_opened · Research Scientist (LG AI Research Center, Ann Arbor) · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4080869005 · raw={\"location\":\"Ann Arbor, Michigan, United States\",\"ats\":\"greenhouse\"}"},{"ref":"E25","kind":"event","title":"Research Scientist - Chemical Agentic AI","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4623079005","signal_url":"https://onlylabs.fyi/signals/b2ff4437-92bd-4b14-ace8-6a2973d5894a","signal_json_url":"https://onlylabs.fyi/signals/b2ff4437-92bd-4b14-ace8-6a2973d5894a/signal.json","text":"job_opened · Research Scientist - Chemical Agentic AI · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4623079005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E26","kind":"event","title":"Superintelligence Lab_Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4370180005","signal_url":"https://onlylabs.fyi/signals/96d66000-2745-409e-b2d6-94c6bd82dd89","signal_json_url":"https://onlylabs.fyi/signals/96d66000-2745-409e-b2d6-94c6bd82dd89/signal.json","text":"job_opened · Superintelligence Lab_Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4370180005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E27","kind":"event","title":"Software QA Engineer Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4685132005","signal_url":"https://onlylabs.fyi/signals/cb750a3f-f94f-481f-b38f-9a9442ad11aa","signal_json_url":"https://onlylabs.fyi/signals/cb750a3f-f94f-481f-b38f-9a9442ad11aa/signal.json","text":"job_opened · Software QA Engineer Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4685132005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E28","kind":"event","title":"Superintelligence Lab - Research Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4673534005","signal_url":"https://onlylabs.fyi/signals/ada2a064-e617-4924-a124-b8098484f85a","signal_json_url":"https://onlylabs.fyi/signals/ada2a064-e617-4924-a124-b8098484f85a/signal.json","text":"job_opened · Superintelligence Lab - Research Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4673534005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E29","kind":"event","title":"정보 보안 심의 및 감사","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4495751005","signal_url":"https://onlylabs.fyi/signals/f50d5162-3f9e-4faf-b616-4bd4cea7d4b3","signal_json_url":"https://onlylabs.fyi/signals/f50d5162-3f9e-4faf-b616-4bd4cea7d4b3/signal.json","text":"job_opened · 정보 보안 심의 및 감사 · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4495751005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E30","kind":"event","title":"Research Engineer Internship - Large Multimodal Model","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4671903005","signal_url":"https://onlylabs.fyi/signals/ca3d80af-5b7e-4fd7-a44d-a3f0be799a7e","signal_json_url":"https://onlylabs.fyi/signals/ca3d80af-5b7e-4fd7-a44d-a3f0be799a7e/signal.json","text":"job_opened · Research Engineer Internship - Large Multimodal Model · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4671903005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E31","kind":"event","title":"Research Scientist/Engineer - STT(Speech-To-Text)/TTS(Text-To-Speech)","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4012563005","signal_url":"https://onlylabs.fyi/signals/cb9961fd-a5bc-41c5-ba86-7345ae65c369","signal_json_url":"https://onlylabs.fyi/signals/cb9961fd-a5bc-41c5-ba86-7345ae65c369/signal.json","text":"job_opened · Research Scientist/Engineer - STT(Speech-To-Text)/TTS(Text-To-Speech) · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4012563005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E32","kind":"event","title":"Senior Research Scientist/Engineer - EXAONE Lab","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4361412005","signal_url":"https://onlylabs.fyi/signals/7c3dbb04-1c27-46ea-ac97-9c8700f8d786","signal_json_url":"https://onlylabs.fyi/signals/7c3dbb04-1c27-46ea-ac97-9c8700f8d786/signal.json","text":"job_opened · Senior Research Scientist/Engineer - EXAONE Lab · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4361412005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E33","kind":"event","title":"AI Data Engineer","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4223874005","signal_url":"https://onlylabs.fyi/signals/81482d86-7a93-4424-9e49-af52b303c778","signal_json_url":"https://onlylabs.fyi/signals/81482d86-7a93-4424-9e49-af52b303c778/signal.json","text":"job_opened · AI Data Engineer · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4223874005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E34","kind":"event","title":"AI Consultant","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4666089005","signal_url":"https://onlylabs.fyi/signals/9ab8364e-7915-4324-88c3-bcdf7e57dba4","signal_json_url":"https://onlylabs.fyi/signals/9ab8364e-7915-4324-88c3-bcdf7e57dba4/signal.json","text":"job_opened · AI Consultant · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4666089005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E35","kind":"event","title":"Materials Intelligence Lab Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4204208005","signal_url":"https://onlylabs.fyi/signals/d1e6b0f0-c94d-4958-b62d-80d62653b97f","signal_json_url":"https://onlylabs.fyi/signals/d1e6b0f0-c94d-4958-b62d-80d62653b97f/signal.json","text":"job_opened · Materials Intelligence Lab Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4204208005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E36","kind":"event","title":"Computational Pathology Research Engineer Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4682540005","signal_url":"https://onlylabs.fyi/signals/09799332-de61-489c-bfed-cd3b13aa39c6","signal_json_url":"https://onlylabs.fyi/signals/09799332-de61-489c-bfed-cd3b13aa39c6/signal.json","text":"job_opened · Computational Pathology Research Engineer Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4682540005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E37","kind":"event","title":"Large Language Model 연구 및 개발 Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4180455005","signal_url":"https://onlylabs.fyi/signals/189a2afc-7d76-4668-9a44-21140c5d9507","signal_json_url":"https://onlylabs.fyi/signals/189a2afc-7d76-4668-9a44-21140c5d9507/signal.json","text":"job_opened · Large Language Model 연구 및 개발 Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4180455005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E38","kind":"event","title":"Platform Engineer Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4685111005","signal_url":"https://onlylabs.fyi/signals/129d7c68-f048-4f85-ba73-81938983c4d0","signal_json_url":"https://onlylabs.fyi/signals/129d7c68-f048-4f85-ba73-81938983c4d0/signal.json","text":"job_opened · Platform Engineer Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4685111005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E39","kind":"event","title":"(인재풀) Reject 후보자 인재풀 관리","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4685553005","signal_url":"https://onlylabs.fyi/signals/ca23cb68-9775-446e-afde-141b58a2e0a5","signal_json_url":"https://onlylabs.fyi/signals/ca23cb68-9775-446e-afde-141b58a2e0a5/signal.json","text":"job_opened · (인재풀) Reject 후보자 인재풀 관리 · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4685553005 · raw={\"location\":\"Seoul, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E40","kind":"event","title":"Protein Design Research Engineer Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4603031005","signal_url":"https://onlylabs.fyi/signals/d8be22cc-296b-442d-814e-747b240e23bc","signal_json_url":"https://onlylabs.fyi/signals/d8be22cc-296b-442d-814e-747b240e23bc/signal.json","text":"job_opened · Protein Design Research Engineer Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4603031005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E41","kind":"event","title":"Software Engineer Internship (Business Intelligence)","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4591478005","signal_url":"https://onlylabs.fyi/signals/38eaed21-dac6-4f49-8555-12c0bcc5b1ca","signal_json_url":"https://onlylabs.fyi/signals/38eaed21-dac6-4f49-8555-12c0bcc5b1ca/signal.json","text":"job_opened · Software Engineer Internship (Business Intelligence) · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4591478005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E42","kind":"event","title":"AI Data Engineer Internship","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4235060005","signal_url":"https://onlylabs.fyi/signals/d7bcb131-ff08-4a88-81be-ef1af2068285","signal_json_url":"https://onlylabs.fyi/signals/d7bcb131-ff08-4a88-81be-ef1af2068285/signal.json","text":"job_opened · AI Data Engineer Internship · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4235060005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E43","kind":"event","title":"NLP 연구인턴","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4083477005","signal_url":"https://onlylabs.fyi/signals/2cac6564-7323-455e-836f-87886b694c22","signal_json_url":"https://onlylabs.fyi/signals/2cac6564-7323-455e-836f-87886b694c22/signal.json","text":"job_opened · NLP 연구인턴 · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4083477005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E44","kind":"event","title":"Research Engineer (LG AI Research Center, Ann Arbor)","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4080871005","signal_url":"https://onlylabs.fyi/signals/a2b207a7-788a-4f02-a057-a127974ac6ed","signal_json_url":"https://onlylabs.fyi/signals/a2b207a7-788a-4f02-a057-a127974ac6ed/signal.json","text":"job_opened · Research Engineer (LG AI Research Center, Ann Arbor) · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4080871005 · raw={\"location\":\"Ann Arbor, Michigan, United States\",\"ats\":\"greenhouse\"}"},{"ref":"E45","kind":"event","title":"Research Scientist","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4080978005","signal_url":"https://onlylabs.fyi/signals/57b952ce-07ff-495a-89d8-7c2d76d55b08","signal_json_url":"https://onlylabs.fyi/signals/57b952ce-07ff-495a-89d8-7c2d76d55b08/signal.json","text":"job_opened · Research Scientist · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4080978005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E46","kind":"event","title":"Research Scientist/Engineer - EXAONE Lab","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4179238005","signal_url":"https://onlylabs.fyi/signals/d2a88573-ea0e-4e78-9142-b299030780af","signal_json_url":"https://onlylabs.fyi/signals/d2a88573-ea0e-4e78-9142-b299030780af/signal.json","text":"job_opened · Research Scientist/Engineer - EXAONE Lab · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4179238005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E47","kind":"event","title":"(인재풀) Research Scientist/Engineer - Language Lab","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4325674005","signal_url":"https://onlylabs.fyi/signals/0ecbc166-7bf2-4d18-ab95-52cd76123423","signal_json_url":"https://onlylabs.fyi/signals/0ecbc166-7bf2-4d18-ab95-52cd76123423/signal.json","text":"job_opened · (인재풀) Research Scientist/Engineer - Language Lab · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4325674005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E48","kind":"event","title":"AI Business Legal Specialist(변호사)","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4681919005","signal_url":"https://onlylabs.fyi/signals/c0d717fb-bc7e-48fc-8536-9e5e122771c9","signal_json_url":"https://onlylabs.fyi/signals/c0d717fb-bc7e-48fc-8536-9e5e122771c9/signal.json","text":"job_opened · AI Business Legal Specialist(변호사) · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4681919005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E49","kind":"event","title":"Software QA Engineer","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4520866005","signal_url":"https://onlylabs.fyi/signals/d5fa0980-dd6d-48f3-9bbe-39007b309618","signal_json_url":"https://onlylabs.fyi/signals/d5fa0980-dd6d-48f3-9bbe-39007b309618/signal.json","text":"job_opened · Software QA Engineer · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4520866005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E50","kind":"event","title":"[TEST] test job","date":"2026-04-29T14:36:04+00:00","date_source":"greenhouse.updated_at","source_url":"https://job-boards.greenhouse.io/lgairesearch/jobs/4366599005","signal_url":"https://onlylabs.fyi/signals/3b6b5b09-9674-4fe7-b02e-7bc8f01aae0f","signal_json_url":"https://onlylabs.fyi/signals/3b6b5b09-9674-4fe7-b02e-7bc8f01aae0f/signal.json","text":"job_opened · [TEST] test job · signal_desk=hiring · occurred_at=2026-04-29T14:36:04+00:00 · url=https://job-boards.greenhouse.io/lgairesearch/jobs/4366599005 · raw={\"location\":\"Gangseo-gu, Seoul, South Korea\",\"ats\":\"greenhouse\"}"},{"ref":"E51","kind":"event","title":"Unveiling EXAONE 4.0, the next generation of hybrid AI","date":"2025-09-05T02:28:48+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/unveiling-exaone-4-0-the-next-generation-of-hybrid-ai-9c669659491f?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/0671d764-ccc9-4912-9f0b-bbec36b111ad","signal_json_url":"https://onlylabs.fyi/signals/0671d764-ccc9-4912-9f0b-bbec36b111ad/signal.json","text":"post_published · Unveiling EXAONE 4.0, the next generation of hybrid AI · signal_desk=talking · occurred_at=2025-09-05T02:28:48+00:00 · url=https://medium.com/@lgairesearch/unveiling-exaone-4-0-the-next-generation-of-hybrid-ai-9c669659491f?source=rss-3223c7903363------2"},{"ref":"E52","kind":"event","title":"2025 LLM Trends: from FM to AI Agent","date":"2025-06-16T02:26:38+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/2025-llm-trends-from-fm-to-ai-agent-489515ece96d?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/d30ec8a2-0335-4b0c-bf91-ff1f3f59d073","signal_json_url":"https://onlylabs.fyi/signals/d30ec8a2-0335-4b0c-bf91-ff1f3f59d073/signal.json","text":"post_published · 2025 LLM Trends: from FM to AI Agent · signal_desk=talking · occurred_at=2025-06-16T02:26:38+00:00 · url=https://medium.com/@lgairesearch/2025-llm-trends-from-fm-to-ai-agent-489515ece96d?source=rss-3223c7903363------2"},{"ref":"E53","kind":"event","title":"EXAONE Path 1.5","date":"2025-06-13T02:27:06+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/exaone-path-1-5-2f831faf1a49?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/6494121d-f1b9-457c-9e75-f013d7dc9645","signal_json_url":"https://onlylabs.fyi/signals/6494121d-f1b9-457c-9e75-f013d7dc9645/signal.json","text":"post_published · EXAONE Path 1.5 · signal_desk=talking · occurred_at=2025-06-13T02:27:06+00:00 · url=https://medium.com/@lgairesearch/exaone-path-1-5-2f831faf1a49?source=rss-3223c7903363------2"},{"ref":"E54","kind":"event","title":"Release of MolMole, an AI That Understands Chemical Molecular Structural Formula Information from…","date":"2025-06-12T01:18:47+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/release-of-molmole-an-ai-that-understands-chemical-molecular-structural-formula-information-from-9ab315bd4574?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/76419292-33f9-44b5-9901-b000e34dc4ed","signal_json_url":"https://onlylabs.fyi/signals/76419292-33f9-44b5-9901-b000e34dc4ed/signal.json","text":"post_published · Release of MolMole, an AI That Understands Chemical Molecular Structural Formula Information from… · signal_desk=talking · occurred_at=2025-06-12T01:18:47+00:00 · url=https://medium.com/@lgairesearch/release-of-molmole-an-ai-that-understands-chemical-molecular-structural-formula-information-from-9ab315bd4574?source=rss-3223c7903363------2"},{"ref":"E55","kind":"event","title":"[NAACL 2025 Best Paper Award] BiGGen Bench: A Principled Benchmark for Fine-grained Evaluation of…","date":"2025-05-02T08:26:47+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/naacl-2025-best-paper-award-biggen-bench-a-principled-benchmark-for-fine-grained-evaluation-of-32575fcd707e?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/510d7a4d-44b8-4a73-8b9e-04d657e4638f","signal_json_url":"https://onlylabs.fyi/signals/510d7a4d-44b8-4a73-8b9e-04d657e4638f/signal.json","text":"post_published · [NAACL 2025 Best Paper Award] BiGGen Bench: A Principled Benchmark for Fine-grained Evaluation of… · signal_desk=talking · occurred_at=2025-05-02T08:26:47+00:00 · url=https://medium.com/@lgairesearch/naacl-2025-best-paper-award-biggen-bench-a-principled-benchmark-for-fine-grained-evaluation-of-32575fcd707e?source=rss-3223c7903363------2"},{"ref":"E56","kind":"event","title":"Your AI ethics shape the future of AI","date":"2025-04-22T00:31:15+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/your-ai-ethics-shape-the-future-of-ai-562c6e98aae3?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/482f3e07-4c60-4939-ad17-ceab5f68fba3","signal_json_url":"https://onlylabs.fyi/signals/482f3e07-4c60-4939-ad17-ceab5f68fba3/signal.json","text":"post_published · Your AI ethics shape the future of AI · signal_desk=talking · occurred_at=2025-04-22T00:31:15+00:00 · url=https://medium.com/@lgairesearch/your-ai-ethics-shape-the-future-of-ai-562c6e98aae3?source=rss-3223c7903363------2"},{"ref":"E57","kind":"event","title":"Understanding Creative Connections Through Relational Artifacts","date":"2025-04-15T06:16:51+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/understanding-creative-connections-through-relational-artifacts-94fd31730426?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/d83486ff-d82f-47c1-88e2-32332f488a8d","signal_json_url":"https://onlylabs.fyi/signals/d83486ff-d82f-47c1-88e2-32332f488a8d/signal.json","text":"post_published · Understanding Creative Connections Through Relational Artifacts · signal_desk=talking · occurred_at=2025-04-15T06:16:51+00:00 · url=https://medium.com/@lgairesearch/understanding-creative-connections-through-relational-artifacts-94fd31730426?source=rss-3223c7903363------2"},{"ref":"E58","kind":"event","title":"Leading the DDU Research to Build an AI That Understands All Documents in the World","date":"2025-04-14T05:08:00+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/leading-the-ddu-research-to-build-an-ai-that-understands-all-documents-in-the-world-2241cdc9ff63?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/7527e1a3-9e31-43d4-8fab-76707699e10d","signal_json_url":"https://onlylabs.fyi/signals/7527e1a3-9e31-43d4-8fab-76707699e10d/signal.json","text":"post_published · Leading the DDU Research to Build an AI That Understands All Documents in the World · signal_desk=talking · occurred_at=2025-04-14T05:08:00+00:00 · url=https://medium.com/@lgairesearch/leading-the-ddu-research-to-build-an-ai-that-understands-all-documents-in-the-world-2241cdc9ff63?source=rss-3223c7903363------2"},{"ref":"E59","kind":"event","title":"Meet LG AI Research at NVIDIA GTC 2025!","date":"2025-03-28T01:27:06+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/meet-lg-ai-research-at-nvidia-gtc-2025-dae9d9534ddf?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/1ad1566d-bd4c-44fe-af00-23669bdf1758","signal_json_url":"https://onlylabs.fyi/signals/1ad1566d-bd4c-44fe-af00-23669bdf1758/signal.json","text":"post_published · Meet LG AI Research at NVIDIA GTC 2025! · signal_desk=talking · occurred_at=2025-03-28T01:27:06+00:00 · url=https://medium.com/@lgairesearch/meet-lg-ai-research-at-nvidia-gtc-2025-dae9d9534ddf?source=rss-3223c7903363------2"},{"ref":"E60","kind":"event","title":"AI Ethics from a UI/UX Designer’s Perspective","date":"2025-03-21T07:32:34+00:00","date_source":"rss.item_date","source_url":"https://medium.com/@lgairesearch/ai-ethics-from-a-ui-ux-designers-perspective-705d515e1dbf?source=rss-3223c7903363------2","signal_url":"https://onlylabs.fyi/signals/19feb357-37ec-4a3a-a39a-d83e192e6c73","signal_json_url":"https://onlylabs.fyi/signals/19feb357-37ec-4a3a-a39a-d83e192e6c73/signal.json","text":"post_published · AI Ethics from a UI/UX Designer’s Perspective · signal_desk=talking · occurred_at=2025-03-21T07:32:34+00:00 · url=https://medium.com/@lgairesearch/ai-ethics-from-a-ui-ux-designers-perspective-705d515e1dbf?source=rss-3223c7903363------2"}]}
CategoryMT-BenchKoMT-Bench
Writing
1st TurnImagine you are writing a blog post comparing two popular smartphone models. Develop an outline for the blog post, including key points and subheadings to effectively compare and contrast the features, performance, and user experience of the two models. Please answer in fewer than 200 words.두 개의 인기 스마트폰 모델을 비교하는 블로그 게시물을 작성한다고 가정합니다. 두 모델의 기능, 성능, 사용자 경험을 효과적으로 비교하고 대조할 수 있도록 핵심 사항과 소제목을 포함하여 블로그 게시물의 개요를 작성하세요. 200자 이내로 답하십시오.
2nd TurnTake your previous response and rephrase it as a limerick.이전 답변을 충청도 사투리로 재작성하십시오.
Math
1st TurnWhen a number is divided by 10, the remainder is 4. What is the remainder when twice the number is divided by 4?