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

Seniorremote~$21.7K /moremotehoje
Análises de mercado
📊 QA / Testing: salários e demanda no mercado
Stack
helmpythonux research
Detalhes
Experiência
5+ anos
Inglês
obrigatório
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 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

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