Usamos cookies técnicos e o registro de visitas anonimizado do Zorky. O Yandex Metrica (dados armazenados em servidores na Rússia) só funciona com o seu consentimento. Nunca vendemos dados. Mais sobre cookies e estatísticas.
O Zorky está em modo de teste — tudo é gratuito. As vagas e as páginas das empresas são abertas a todos; os links dos anúncios e sua seleção pessoal abrem após o cadastro. Cadastre-se →
← Todas as vagas

Expert Talent Pool, Evals and Benchmarks (Associate)

Seniorremote~$7.8K /moremotehoje
Análises de mercado
📊 QA / Testing: salários e demanda no mercado
Stack
helmpythonux research
Detalhes
Experiência
5+ anos
Mostrar empresa e link
Grátis, depois de entrar.
Candidatar-se
Envie seu currículo: empregadores e recrutadores de vários países que procuram o seu perfil poderão falar com você diretamente.
Enviar seu currículo →
Descrição
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

Descrição completa, empresa e link para se candidatar: depois de entrar. Entrar
Os contatos do empregador (e-mail/telefone/telegram) ficam ocultos na prévia pública. Envie seu currículo para que os empregadores possam falar com você diretamente.
Denunciar esta vaga
Pergunta urgente? Escreva para @termdocs