数十ノード規模の計算資源をフル活用し、LLMの学習実行・評価からボトルネックの改善までを推進する。

フィックスターズは、マルチコア黎明期より培ってきた並列処理技術、x86/ARM/GPU/FPGAといった各アーキテクチャ向け最適化技術、深層学習や機械学習といった最新技術も含めたアルゴリズム開発を通して、車載・産業機器・金融・医療など様々な分野でソフトウェアを高速化しています。
また、さらなる事業成長を目指すべく、これまで蓄積したユニークな技術やノウハウを活かしSaaS事業にも取り組んでおり、最近では新たにLLM (大規模言語モデル)の事業を発足しました。当社の強みである「高速化技術」を活かし、企業が自社向けLLMを世界最高レベルの短時間・高いコストパフォーマンスで開発できるプラットフォームの開発を進めています。

■プログラミングが好きなエンジニアが多数在籍
創業以来、優秀なエンジニア採用に注力してきた当社は、全社員の90%がエンジニアで構成されています。
そのうち、学位取得率は博士17%、修士57%となっており(2025年9月末現在)、プロコン優績者やHPCベンチマークで世界一の技術者といったコンピュータサイエンスに精通するエンジニアの他にも、天文学や流体力学など、様々な学問領域を専攻しているバックグラウンドの異なるエンジニアが切磋琢磨するユニークな組織です。

■AI/IoT社会を支える技術を仕事を通じて学べる
自動運転、医療機器、スマートファクトリー、スマートシティなど様々な業界の顧客と関わり、画像処理/信号処理/リアルタイム制御/人工知能などあらゆるソフトウェア開発の経験を積むことができます。また、SoC/組み込み/PC/大規模クラスタなどあらゆるプラットフォーム、CPU/GPU/FPGAや最新のAIチップ、量子コンピュータなどあらゆるアクセラレータに仕事を通じて触れる機会があります。
本格的なAI/IoT社会の到来とともにデータ量は爆発的に増加していきます。それらを限られた時間内に限られたコンピュータ資源で効率的に処理するための技術を習得することができます。

■ソフトウェア高速化に領域特化した事業戦略で、ユニークなソフトウェア開発に携われる
これまで「高速化」というキーワードを軸にあらゆる顧客のあらゆるソフトウェアを様々な技術で高速化して参りました。「高速化」の領域に特化することで圧倒的な競争力を構築し、独立行政法人や、大手電機メーカ、医療・車載等の産業機器メーカ、大手金融機関から、他では受けられないようなR&D部門の開発プロジェクトや、競争力の源泉となるコア領域のソフトウェア開発を支援しています。

【概要】
LLM（大規模言語モデル）の開発における、継続事前学習（CPT）、教師あり微調整（SFT）、
強化学習（RL）の学習実行とパフォーマンス評価・改善を担っていただきます。
実験管理ツールや各種ログから、学習の効率・性能に関するボトルネックを仮説ベースで特定し、
モデルのポテンシャルを最大限に引き出すための検証と改善を主導するポジションです。

現在のLLM開発において、多くのエンジニアが直面している課題の一つが「計算資源の不足や、実験の順番待ちによる開発スピードの停滞」です。
どれだけ優れた仮説があっても、検証環境が限られていれば最適なアプローチを見出すことは困難になります。
当プロジェクトの最大のおもしろさは、数十ノード規模の大規模なGPUクラスタ環境を、順番待ちのストレスなく豊富に活用できる点にあります。
本ポジションでは、インフラの構築そのものではなく、この潤沢な計算資源を最大限に活かし、実際のモデル学習を回しながら
評価結果やログを徹底的に分析していただきます。
「データに基づいて仮説を立て、学習の効率化や性能向上に向けた改善を迅速に回す」という、
モデル開発の本質的なプロセスに集中して取り組める環境です。

【具体的な職務内容】
・大規模言語モデルの開発における継続事前学習（CPT）、教師あり微調整（SFT）、および強化学習（RL）の学習実行と検証
・WandBなどの実験管理ツールを用いた評価結果の調査、および各種ログ分析に基づく学習効率・性能のボトルネック特定
・特定したボトルネックに対する仮説ベースの改善策（ハイパーパラメータや分散トポロジーの調整等）の立案・検証・適用
・モデル学習の効率化や精度向上に向けた、合成データ生成を含むデータパイプラインの運用と評価
・分散学習フレームワークを用いた、モデルの学習安定性およびメモリ効率化に関する検証・チューニング

・計算資源の制約や順番待ちに縛られることなく、自身の立てた仮説に基づく大規模な実験・検証を迅速に実行できる
・評価メトリクスやログといった定量データから「どこが詰まっているか」を紐解き、自身のチューニングによって学習効率やモデル性能が向上していく手応えをダイレクトに実感できる
・継続事前学習から強化学習、データ生成まで、LLM開発のライフサイクル全体における「実行・評価・改善」の高度なノウハウを体系的に蓄積できる