Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →
← Alle Stellen

Expert Talent Pool, Evals and Benchmarks (Associate)

Seniorremote~$7.8K /moremoteheute
Markteinblicke
📊 QA / Testing: Gehälter und Nachfrage am Markt
Stack
helmpythonux research
Details
Erfahrung
ab 5 Jahren
Unternehmen und Link anzeigen
Kostenlos, nach der Anmeldung.
Bewerben
Laden Sie Ihren Lebenslauf hoch — Arbeitgeber und Recruiter aus verschiedenen Ländern, die Ihr Profil suchen, können Sie direkt kontaktieren.
Lebenslauf senden →
Beschreibung
About the Role

Join a specialist talent pool supporting human-data projects that evaluate AI models. You will help design and run assessments that measure model capabilities and contribute to AI safety and capability research.

What You'll Do

Write questions and tasks that isolate and test specific model capabilities.

Develop rubrics that define strong, partial, and poor answers.

Create reference answers and edge cases to challenge AI models.

Grade model outputs against rubrics and explain scoring decisions.

Analyze failed answers, group error patterns, and document findings.

Compare multiple models using identical prompts.

Validate benchmarks and flag compromised or ineffective questions.

Participate in small user studies evaluating ratings or interactions with model outputs.

What We're Looking For

Zero to five years of professional experience.

Experience in QA or test engineering, assessment design, psychometrics, UX research, data analysis, ML evaluation, research support, or relevant subject-matter work involving question writing.

Experience writing test cases, exam questions, rubrics, or evaluation tasks, and reviewing work consistently against written criteria.

Comfort using spreadsheets or Python to organize and analyze results, and identifying and documenting error patterns.

Experience with evaluation tools such as Inspect, lm-eval-harness, HELM, or promptfoo is useful.

Clear written communication and the ability to compare AI model outputs or participate

Vollständige Beschreibung, Unternehmen und Bewerbungslink — nach der Anmeldung. Anmelden
Kontaktdaten des Arbeitgebers (E-Mail/Telefon/Telegram) sind in der öffentlichen Vorschau ausgeblendet. Senden Sie Ihren Lebenslauf — dann können Arbeitgeber Sie direkt kontaktieren.
Dieses Stellenangebot melden
Dringende Frage? Schreiben Sie @termdocs