Usiamo cookie tecnici e il registro anonimo delle visite di Zorky. Yandex Metrica (dati conservati su server in Russia) funziona solo con il tuo consenso. Non vendiamo mai dati. Ulteriori informazioni su cookie e statistiche.
Zorky è in modalità test: è tutto gratuito. Le offerte e le pagine delle aziende sono aperte a tutti; i link agli annunci e la tua selezione personale si aprono dopo la registrazione. Registrati →
← Tutte le offerte

Expert Talent Pool, Evals and Benchmarks (Associate)

Seniorremote~$7.8K /moremoteoggi
Analisi del mercato
📊 QA / Testing: stipendi e domanda sul mercato
Stack
helmpythonux research
Dettagli
Experience
5+ years
Mostra azienda e link
Gratis, dopo l'accesso.
Candidati
Carica il tuo CV: datori di lavoro e recruiter di diversi paesi che cercano il tuo profilo potranno contattarti direttamente.
Invia il tuo CV →
Descrizione
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

Descrizione completa, azienda e link per candidarti: dopo l'accesso. Accedi
I contatti del datore di lavoro (email/telefono/telegram) sono nascosti nell'anteprima pubblica. Invia il tuo CV così i datori di lavoro possono contattarti direttamente.
Segnala questo annuncio
Domanda urgente? Scrivi a @termdocs