Expert Talent Pool, Evals and Benchmarks
Em resumo IA · um número não foi encontrado no anúncio
Rede de especialistas seniores em avaliação para projetos de investigação em IA: desenho de benchmarks, rubricas, validação e operações de classificação. Trabalho 100% remoto, em projetos de uma semana a vários meses, pago por hora trabalhada.
Descrição
- Função
- Desenhar benchmarks (âmbito, tipos de pergunta, dificuldade, métodos de pontuação); escrever e rever rubricas; desenvolver respostas-padrão e conjuntos de teste; liderar rondas de classificação (calibração de avaliadores, medição de concordância, resolução de disputas); analisar falhas de modelos e recomendar melhorias; desenhar estudos comparativos de modelos e estudos com utilizadores; validar benchmarks quanto a contaminação, ambiguidade e saturação.
- Requisitos
- Pelo menos 5 anos de experiência em avaliação, testes ou avaliação de competências, ou 5 anos de conhecimento de domínio com trabalho prático de avaliação
- Experiência no desenho de um benchmark, plano de testes, exame ou avaliação usado por terceiros
- Experiência em escrever ou rever rubricas e respostas-padrão, e em rever ou liderar avaliadores ou redatores de perguntas
- Proficiência em Python e em ferramentas de avaliação (Inspect, lm-eval-harness, HELM, promptfoo)
- Experiência em analisar falhas de modelos ou testes e recomendar correções
- Inglês escrito claro
- Valorizado
- experiência em validação de benchmarks, medição de concordância entre avaliadores, comparação de modelos ou estudos com utilizadores; formação em avaliação de ML, QA, engenharia de testes, psicometria, desenho de avaliações, investigação de UX ou ciência de dados
- Condições
- Contrato: independente (prestação de serviços por projeto)
- Salário: 75 a 175 USD à hora, conforme projeto, área e nível de experiência; faturado pelas horas trabalhadas. Intervalo anual indicado: 156 mil a 364 mil USD
- Horário: não indicado
- Local: remoto (totalmente)
- Benefícios
- não indicados
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, UX research, data science, or deep subject matter expertise.
Clear written English communication.
Experience validating benchmarks, measuring grader agreement, conducting model comparisons, or running user studies is relevant.
Compensation & Benefits
Compensation is $75 to $175 per hour, depending on project, field, and experience level. Pay is based on hours worked.
Location
Fully remote. Projects may last from one week to several months.
Compensation Range: $156K - $364K
Originally posted on Himalayas
Como me candidatar
Candidatar no anúncio original ↗
Preparar candidatura
Uma carta de apresentação e uma apresentação curta para esta oferta, escritas a partir do teu perfil, e o que aprender a seguir.
Entra e cria o teu perfil a partir do CV. É privado: não o partilhamos com ninguém.
Algo errado ou ilegal neste anúncio? Reportar
Ofertas semelhantes
- Expert Talent Pool, Evals and Benchmarks (Associate)Clera
- Expert Talent Pool, Feedback and Alignment AssociateClera
- Expert Talent Pool, Feedback and Alignment (Senior, 5+ Years)Clera
- Expert Talent Pool, Safety Testing (Expert)Clera
- Expert Talent Pool, Feedback and Alignment (Associate, 0-5 Years)Clera
- Expert Talent Pool, Safety Testing (Expert, 5+ Years)Clera
Salário comparado ⓘ
14 ofertas · Especialistas em políticas da administração · Portugal
ver as que pagam mais →Formação para esta vaga
- Machine Learning & Python CourseLe Wagononline · horário laboral · 1900 € · início 01/03/2027Pedido neste anúncio: Python
- Machine Learning com Python - IntroduçãoCESAE Digitalonline · pós-laboral · 100 h · gratuitoPedido neste anúncio: Python
- IA aplicada à Contratação Pública: Automação inteligente da Contratação PúblicaPwC's Academyonline · horário laboral · 14 h · 650 € + IVA · início 13/01/2027Pedido neste anúncio: Inteligência artificial e machine learning
Requisitos IA
- 5 anos de experiência em avaliação ou testes
- experiência em desenho de benchmarks
Idiomas IA
Publicado em (1)
- Himalayas visto 16 nov – 17 nov
Vista pela primeira vez a 16 nov, 21:50