Categorías
···
Entrar / Registro
Resumen: Este puesto implica evaluar y mejorar las capacidades de razonamiento, programación y explicación técnica de los sistemas de inteligencia artificial mediante una evaluación rigurosa y retroalimentación. Aspectos destacados: 1. Evaluar las respuestas de los modelos de lenguaje grande (LLM) en cuanto a precisión, razonamiento, claridad y exhaustividad 2. Experto en al menos un lenguaje de programación relevante 3. Resolver de forma independiente problemas de nivel medio o difícil en HackerRank o LeetCode **Modalidad de trabajo:** Remota **Tipo de vinculación:** Contratista independiente **Horario:** Contrato a tiempo completo o parcial **Requisito lingüístico:** Inglés fluido **Descripción general del puesto** Colaboramos con equipos líderes de inteligencia artificial para mejorar la calidad, utilidad y fiabilidad de los sistemas de inteligencia artificial conversacional de propósito general. Este proyecto se centra específicamente en evaluar y mejorar cómo los sistemas de IA razonan sobre código, generan soluciones de programación y explican conceptos técnicos en distintos niveles de complejidad. El puesto implica una evaluación técnica rigurosa de las respuestas generadas por IA en contextos de programación e ingeniería de software. **Sus responsabilidades** Evaluar las respuestas generadas por modelos de lenguaje grande (LLM) ante consultas de programación e ingeniería de software en cuanto a precisión, razonamiento, claridad y exhaustividad Realizar verificaciones factuales utilizando fuentes públicas confiables y referencias autorizadas Realizar pruebas de precisión ejecutando el código y validando sus resultados con las herramientas adecuadas Annotar las respuestas del modelo identificando sus fortalezas, áreas de mejora y errores factuales o conceptuales Evaluar la calidad del código, su legibilidad, solidez algorítmica y calidad de las explicaciones Asegurar que las respuestas del modelo se alineen con el comportamiento conversacional esperado y con las directrices del sistema Aplicar estándares de evaluación consistentes siguiendo taxonomías claras, puntos de referencia y guías detalladas de evaluación **Perfil deseado** Posee una licenciatura, maestría o doctorado en ciencias de la computación o en un campo estrechamente relacionado Cuenta con amplia experiencia práctica en ingeniería de software u otros roles técnicos afines Es experto en al menos un lenguaje de programación relevante (por ejemplo, Python, Java, C\+\+, JavaScript, Go, Rust) Es capaz de resolver de forma independiente problemas de nivel medio o difícil en HackerRank o LeetCode Tiene experiencia contribuyendo a proyectos de código abierto reconocidos, incluidas solicitudes de extracción (pull requests) aceptadas Posee amplia experiencia utilizando modelos de lenguaje grande (LLM) durante la programación y comprende sus fortalezas y modos de fallo Tiene una gran atención al detalle y se siente cómodo evaluando razonamientos técnicos complejos e identificando errores sutiles o fallos lógicos **Conocimientos adicionales valorados** Experiencia previa en RLHF (retroalimentación humana basada en la preferencia), evaluación de modelos o trabajo de anotación de datos Historial en programación competitiva Experiencia revisando código en entornos productivos Familiaridad con múltiples paradigmas o ecosistemas de programación Experiencia explicando conceptos técnicos complejos a audiencias no especializadas **Indicadores de éxito** Identifica lógica incorrecta, ineficiencias, casos extremos o explicaciones engañosas en el código generado por el modelo, en los conceptos técnicos y en las discusiones sobre diseño de sistemas Su retroalimentación mejora la corrección, robustez y claridad de las salidas de programación de la IA Entrega artefactos de evaluación reproducibles que refuerzan el rendimiento del modelo
