이 자리가 왜 생겼을까요
과학기술정보통신부는 2026년 1월 독자 AI 파운데이션 모델 1차 단계평가 결과를 발표하며 LG AI연구원, 업스테이지, SKT 정예팀이 2차 단계로 진출한다고 밝혔습니다. 같은 브리핑에서 이 사업 계획은 2027년까지 이어진다고 설명했습니다. 아이뉴스24는 업스테이지가 250B 오픈웨이트 모델 Solar Open 2를 독파모 사업의 두 번째 결과물로 공개했다고 보도했습니다. 딜사이트는 8월 업계를 인용해 업스테이지 정예팀의 Solar Open 2가 2차 단계 평가를 통과했다고 보도했습니다. 이 공고는 제목에 [독파모] 태그를 달았고, Post-training 팀은 다섯 가지 agent Skill을 목표로 RLHF·RLVR·OPD 같은 사후 학습 기법을 개발한다고 적었습니다. 정부 사업은 단계마다 평가가 있어, 정해진 기간 안에 모델 성능을 끌어올려 본 경험이 있다면 기간과 수치를 함께 적어 두는 편이 좋습니다.
- 대한민국 정책브리핑 - 독자 AI 파운데이션 모델 1차 단계평가 결과(2026-01-15)
- 아이뉴스24 - 솔라 오픈 웨이트 데이(2026-07-22)
- 딜사이트 - 독파모 2차 단계 평가 통과 보도(2026-08-26)
업스테이지가 지금 어떤 사업에 집중하고 있는지는 업스테이지 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
General Agent: 일반적 Agent 활용 시나리오(built-in search 포함)에서 신뢰할 만한 Agentic Behavior를 갖추는 것을 목표로 합니다. Science Agent: 기본적인 STEM QA를 넘어 Scientist들의 업무 효율을 개선할 Agent Capability를 목표로 합니다.
이렇게 볼 수 있어요
검색을 포함한 일반 agent 동작과 과학 업무용 agent가 각각 목표로 적혀 있습니다. 둘 중 어느 쪽 데이터나 평가를 다뤄 봤는지를 나눠 쓰면 맡을 수 있는 영역이 드러납니다.
Coding Agent: SWE patch update 시나리오를 넘어 NL2Repo까지 포함한 Coding 능력에 집중하고, Foundation 모델 개발 코드 자체를 스스로 컨트롤하고 개선할 수 있는 수준을 목표로 합니다.
이렇게 볼 수 있어요
패치 단위를 넘어 저장소 전체를 만드는 수준까지 목표로 잡았습니다. 코딩 벤치마크로 모델을 학습하거나 평가해 본 경험이 있다면 이 목표에 맞춰 설명할 수 있습니다.
Office Work Agent: 실제 Office 환경에서 발생할 수 있는 모든 상황에 대응하는 Agent를 목표로 합니다. 다양한 환경, 다양한 input, 목표로 하는 output 등을 office 환경에 특화해 고민하고 능력을 향상시키며, 단순 Level 1 Task(1차원적 업무)를 넘어 복합적인 상위 테스크인 Level 2 테스크를 해결하는 성능을 목표로 합니다.
이렇게 볼 수 있어요
문서 작업처럼 단계가 여러 개인 사무 업무를 agent가 끝까지 처리하는 수준을 겨냥합니다. 사무 업무 시나리오로 데이터를 만들거나 평가 기준을 정해 본 경험이 이 목표와 관련됩니다.
Computer Use Agent: 기본적인 VLM 성능을 넘어 Computer screen과 interaction하며 다양한 테스크를 수행하는 Agent 성능을 목표로 합니다.
이렇게 볼 수 있어요
화면을 보고 조작하는 agent라 VLM 학습 경험과 연결됩니다. 화면 이해나 행동 예측 같은 과제를 다뤄 봤다면 그 경험을 구체적으로 적어 두세요.
확장 가능한 Agent 환경 구축 방법론, 초고품질 데이터 필터링 시스템, RLHF·RLVR·OPD 등 최신 학습 기법을 활용해 세계 최고 수준의 사후 학습 기술 개발을 주도합니다.
이렇게 볼 수 있어요
환경, 데이터, 학습 기법 세 축이 함께 적혀 있습니다. 강화학습 기법을 써 봤다면 보상 설계와 데이터 선별까지가 이 팀이 다루는 범위입니다.
Representative projects로 Reinforcement learning for LLM(math, code, general reasoning, tool use), Efficient & effective reasoning, A scalable agentic tool use data synthesis pipeline, Language-specific reward models, Precise instruction following을 들었고, 프로젝트는 기술 흐름과 상황에 따라 바뀌며 그 시점에 LLM 모델 발전에 가장 영향력 있는 기술 요소에 집중한다고 적었습니다.
이렇게 볼 수 있어요
프로젝트 목록은 고정된 업무가 아니라 예시입니다. 다섯 가지 가운데 직접 해 본 주제가 있으면 대표 사례가 되고, 주제가 바뀌어도 이어서 일할 수 있는지도 함께 봅니다.
2자격 요건
LLM/VLM post-training/fine-tuning을 수행해 특정 문제에서 최고 성능을 달성해 본 경험이 필요합니다.
이렇게 볼 수 있어요
학습을 해 본 경험이 아니라 특정 문제에서 최고 성능을 달성한 경험을 요구합니다. 어떤 벤치마크에서 몇 점에서 몇 점으로 올렸는지 숫자로 말할 수 있어야 합니다.
Foundation Model 개발 트렌드에 대한 이해도를 봅니다.
이렇게 볼 수 있어요
최근 공개된 모델들의 학습 방식을 비교해 설명할 수 있어야 합니다. 기술 인터뷰에서 최신 모델의 사후 학습 기법을 묻는 질문으로 이어질 수 있습니다.
ML과 NLP 토픽으로 국제 학회에서 출판한 기록(1저자 혹은 교신저자)을 요구합니다.
이렇게 볼 수 있어요
경력 조건은 없지만 출판 기록이 필수 사항입니다. 공저자로만 참여한 논문은 이 조건에 들어가지 않으니 1저자나 교신저자 논문을 따로 표시해 두세요.
3우대 사항
AI 관련 연구 또는 프로덕트 개발을 리딩한 경험을 우대합니다.
이렇게 볼 수 있어요
연구와 제품 개발이 '또는'으로 이어져 있어 둘 중 하나를 이끈 경험이면 충분합니다. 맡은 범위와 함께 일한 인원을 밝히면 리딩의 규모가 보입니다.
Agent Harness를 설계해 모델 학습을 위한 데이터 합성을 수행해 본 경험과 LLM/VLM을 위한 데이터 수집, 생성, 정제 등을 수행해 본 경험을 우대합니다.
이렇게 볼 수 있어요
이 우대 사항은 업무에 적힌 데이터 필터링 시스템, data synthesis pipeline과 같은 영역입니다. 만든 데이터의 규모와 그 데이터로 학습한 모델의 변화를 함께 적으면 효과가 전달됩니다.
국제 혹은 국내 AI 대회(Kaggle 등) 상위권 입상을 우대합니다.
이렇게 볼 수 있어요
대회 이름과 순위가 그대로 증빙입니다. 참가 팀 수와 함께 적으면 그 순위가 어느 정도인지 전달됩니다.
0.1%의 성능에 민감해 제한된 자원과 시간 안에서 최적화를 수행하는 집중력과 민첩성을 우대합니다.
이렇게 볼 수 있어요
작은 성능 차이를 끝까지 좇는 작업 방식을 우대합니다. 정해진 GPU 예산과 기한 안에서 실험 순서를 어떻게 정했는지 사례로 설명할 수 있습니다.
논리적인 사고실험을 수행하고 가설/검증 방식으로 실험을 설계해 결과를 도출하는 사고력을 우대합니다.
이렇게 볼 수 있어요
실험을 많이 돌리는 것보다 가설을 세우고 검증하는 순서를 봅니다. 가설이 틀렸던 실험에서 무엇을 배워 다음 실험을 바꿨는지를 예로 들 수 있습니다.
레슨런을 효과적이고 효율적으로 전파하고 논의하는 의사소통 능력을 우대합니다.
이렇게 볼 수 있어요
실험 결과를 팀에 공유하는 방식을 봅니다. 실패한 실험을 정리해 공유한 문서나 발표가 있다면 그 형식을 설명할 수 있습니다.
4기타 사항
- 게시일 : 2025년 12월 16일
- 고용형태 : 정규직
- 근무지 : 서울특별시 강남구 테헤란로7길 22 한국과학기술회관 2관 (추정)
- 경력 조건 : 경력 무관
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
전형과 지원
업스테이지의 기본 영입 절차는 다섯 단계이고, 채용 FAQ는 서류 전형부터 최종 합격까지 약 4~5주가 걸린다고 안내합니다. 공고마다 과제와 인터뷰 구성이 달라서 지원할 공고의 모집 절차를 따로 확인해야 합니다.
다섯 단계
서류 전형, 업무역량 인터뷰, 컬처 인터뷰, 최종 인터뷰, 최종 합격 순입니다. 직무에 따라 업무역량 인터뷰 전에 코딩테스트나 과제테스트, 체크업 세션이 있을 수 있고, 최종 인터뷰 뒤에는 필요하면 레퍼런스 체크를 합니다. 단계별 결과는 가급적 1주일 이내에 알려 준다고 적었습니다.
이렇게 볼 수 있어요
공고별 모집 절차에는 업무역량 인터뷰 자리에 기술 인터뷰, 롤매칭 인터뷰, 협업 인터뷰 같은 이름이 적혀 있고 붙는 테스트도 다릅니다. 다른 회사와 일정을 맞춰야 한다면 지원할 공고의 절차를 기준으로 계산하는 편이 정확합니다.
컬처 인터뷰
협업 문화와 일하는 방식에 관한 지원자의 경험과 생각을 이야기하는 단계라고 안내하며, 업스테이지 웨이를 반드시 확인하라고 적었습니다. 인턴은 컬처 인터뷰까지 진행한 뒤 최종 결과를 발표합니다.
이렇게 볼 수 있어요
회사는 Upstage Way 다섯 항목을 이 단계의 기준으로 안내합니다. 항목마다 그에 맞는 경험을 하나씩 정리해 두면 이 인터뷰를 미리 준비할 수 있습니다.
재지원과 중복 지원
같은 직무에 다시 지원하려면 불합격 뒤 6개월을 기다려야 하고, 다른 직무라면 바로 지원할 수 있습니다. 여러 직무에 함께 지원할 수 있고 결과는 직무마다 따로 안내합니다.
진행 방식과 제출 서류
채용 FAQ는 모든 인터뷰를 구글밋 화상 미팅으로 진행하고 복장 규정은 없다고 적었습니다. 다만 사업개발과 IR 공고 일부는 인터뷰 한 차례를 오프라인으로 진행할 수 있다고 적었습니다. 지원서는 지원한 직무의 현업 담당자가 직접 검토합니다. 학업과 업무를 함께 하는 것은 허용하지 않으며, 졸업 예정자에게는 입사 희망 시점 2개월 전에 지원하라고 권합니다. 공고 하단에는 CV를 포함한 모든 제출 자료를 PDF로 올리고 연봉 정보나 주민번호 같은 민감 정보는 이력서에 적지 말라는 안내가 있습니다.
이렇게 볼 수 있어요
현업 담당자가 서류를 읽으므로 직무 용어와 구체적인 결과를 그대로 써도 전달됩니다. 졸업 전이라면 학기가 끝나는 시점과 입사 가능일을 지원서에 함께 밝혀 두면 일정 확인이 쉬워집니다.
이 공고만 다른 점
전형 전체가 온라인으로 진행되고, 알고리즘 코딩 테스트와 딥러닝 코딩테스트를 차례로 본 뒤 기술 인터뷰를 1차와 2차로 나눠 진행합니다.
전형은 서류 전형, 알고리즘 코딩 테스트, 딥러닝 코딩테스트, 기술 인터뷰(1차), 기술 인터뷰(2차), 컬처 인터뷰, 최종 인터뷰, 최종 결과 발표 순서입니다. 회사 공통 절차보다 테스트 두 번과 기술 인터뷰 한 차례가 더 있어 단계가 여덟 개입니다.
지원 전 준비할 것
- 1
최고 성능을 낸 학습 사례 하나 정리하기
필수 사항이 특정 문제에서 최고 성능을 달성한 경험을 요구합니다. 문제, 기준 모델, 사후 학습 방법, 최종 점수를 한 쪽에 정리해 두면 기술 인터뷰에서 바로 꺼낼 수 있습니다.
- 2
딥러닝 코딩테스트 대비하기
알고리즘 테스트와 별도로 딥러닝 코딩테스트가 있습니다. 내용은 공고에 없으니 PyTorch 같은 익숙한 도구로 학습 루프나 손실 함수를 직접 구현해 보며 손을 풀어 두면 좋습니다.
- 3
다섯 가지 Skill 가운데 맞는 쪽 고르기
팀 목표가 General, Science, Coding, Office Work, Computer Use 다섯 agent로 나뉘어 있습니다. 자신의 연구가 어느 Skill과 가장 많이 연결되는지 하나를 정해 지원서에 분명히 밝혀 두세요.