Bridging Agentic AI
to System Reality

You own the Agent Studio and APIs. You implement, orchestrate, and evaluate agents iteratively — building the organization's agent capabilities while feeding workload data to other cores. You have strong opinions on how to run LLM-based tool-calling reliably at scale.

Agent Studio와 API를 관장합니다. 에이전트의 직접 구현·오케스트레이션·평가를 반복 수행하여 조직의 에이전트 역량을 누적하고, 그 과정에서 생성된 워크로드 데이터를 타 Core에 공급합니다. LLM 기반 tool-calling 구조를 신뢰할 수 있는 규모로 운용하는 방법에 대한 강한 의견이 있습니다.

You oversee the company's research direction. You drive model architecture research, design KV-shareable model families, and build evaluation frameworks to ensure quality and reproducibility of model assets. You coordinate research priorities across engineering cores.

회사 전반의 연구 흐름을 총괄합니다. 모델 아키텍처 연구·개조, KV 공유 가능한 모델 패밀리 설계, 평가 체계 구축으로 모델 자산의 품질·재현성을 책임집니다. 전사 Engineering Core의 연구 우선순위를 조율합니다.

You own the active KV optimization infrastructure. You build and operate training and serving infrastructure with KV-compatible, pooling-based inference stacks — converting model assets into real cost and latency advantages.

능동형 KV 최적화 인프라를 관장합니다. 학습·서빙 인프라와 KV 호환·풀링 기반 inference stack을 구축·운영하여 모델 자산을 실속 가능한 cost·latency 우위로 전환합니다.

You lead the next-generation memory stack. You drive co-design collaborations with memory vendors to propose and build memory hierarchy structures optimized for agentic workloads.

차세대 메모리 스택을 주도합니다. 메모리 회사와의 co-design 협업을 주관하여 에이전트 워크로드에 최적화된 메모리 계층 구조를 선도·제안합니다.