Nous utilisons des cookies techniques et le journal de visites anonymisé de Zorky. Yandex Metrica (données stockées sur des serveurs en Russie) ne fonctionne qu'avec votre consentement. Nous ne vendons jamais de données. En savoir plus sur les cookies et les statistiques.
Zorky est en mode test — tout est gratuit. Les offres et les pages des entreprises sont ouvertes à tous ; les liens vers les annonces et votre sélection personnelle s'ouvrent après inscription. Inscription →
← Toutes les offres

Expert Talent Pool, Evals and Benchmarks (Associate)

Seniorremote~$7.8K /moremoteaujourd'hui
Analyses du marché
📊 QA / Testing: salaires et demande sur le marché
Stack
helmpythonux research
Détails
Expérience
5 ans et plus
Afficher l'entreprise et le lien
Gratuit, après connexion.
Postuler
Déposez votre CV : des employeurs et recruteurs de différents pays qui cherchent votre profil pourront vous contacter directement.
Envoyer votre CV →
Description
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

Description complète, entreprise et lien pour postuler : après connexion. Se connecter
Les contacts de l'employeur (e-mail/téléphone/telegram) sont masqués dans l'aperçu public. Envoyez votre CV pour que les employeurs puissent vous contacter directement.
Signaler cette offre
Question urgente ? Écrivez à @termdocs