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

Seniorremote~$21.7K /moremoteaujourd'hui
Analyses du marché
📊 QA / Testing: salaires et demande sur le marché
Stack
helmpythonux research
Détails
Expérience
5 ans et plus
Anglais
requis
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 network of senior evaluation experts supporting AI research projects. You will lead benchmark design, validation, and grading operations when projects align with your expertise, helping produce rigorous and reliable assessments of AI models.

What You'll Do

Design benchmarks, including their scope, question types, difficulty levels, and scoring methods.

Write and review rubrics to support consistent grading.

Develop gold-standard answers and test sets that hold up to expert review.

Lead grading rounds by calibrating graders, measuring agreement, and resolving disputes.

Analyze model failures, identify root causes, and recommend improvements.

Design and conduct rigorous model comparison studies.

Validate benchmarks for contamination, ambiguity, and saturation.

Design user studies on how people rate and interact with model outputs.

What We're Looking For

At least 5 years of experience in evaluation, testing, or assessment, or at least 5 years of domain expertise combined with hands-on evaluation work.

Experience designing a benchmark, test plan, exam, or assessment used by others.

Experience writing or reviewing rubrics and gold-standard answers, and reviewing or leading graders or question writers.

Proficiency in Python and evaluation tools such as Inspect, lm-eval-harness, HELM, or promptfoo.

Experience analyzing model or test failures and recommending fixes.

Background in ML evaluation, QA, test engineering, psychometrics, assessment design

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