Resumen: Este puesto implica evaluar rigurosamente y mejorar la forma en que los sistemas de inteligencia artificial razonan sobre código, generan soluciones de programación y explican conceptos técnicos. Aspectos destacados: 1. Evaluar las respuestas generadas por modelos de lenguaje grande (LLM) sobre programación en cuanto a su precisión, razonamiento y claridad 2. Se requiere experiencia especializada en al menos un lenguaje de programación relevante 3. Trabajo remoto, como contratista independiente a tiempo completo o parcial **Modalidad de trabajo:** Remoto **Tipo de vinculación:** Contratista independiente **Horario:** Contrato a tiempo completo o a tiempo parcial **Requisito lingüístico:** Inglés fluido **Descripción general del puesto** Colaboramos con equipos líderes en 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 la forma en que 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 su precisión, razonamiento, claridad y completitud Realizar verificaciones de hechos mediante 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 puntos fuertes, áreas de mejora y errores factuales o conceptuales Evaluar la calidad del código, su legibilidad, la solidez algorítmica y la 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 pautas detalladas de evaluación **Perfil buscado** Posee una licenciatura, maestría o doctorado en Ciencias de la Computación o un campo estrechamente relacionado Cuenta con amplia experiencia práctica en ingeniería de software u otros puestos técnicos afines Es experto en al menos un lenguaje de programación relevante (por ejemplo: Python, Java, C++, JavaScript, Go/Golang, Rust) Es capaz de resolver de forma independiente problemas de nivel medio y avanzado en plataformas como HackerRank o LeetCode Tiene experiencia contribuyendo a proyectos de código abierto reconocidos, incluyendo solicitudes de incorporación (pull requests) ya fusionadas Cuenta con amplia experiencia utilizando modelos de lenguaje grande (LLM) durante la programación y comprende tanto sus fortalezas como sus modos de falla Tiene una gran atención al detalle y se siente cómodo evaluando razonamientos técnicos complejos, identificando errores sutiles o fallos lógicos **Conocimientos adicionales deseables** Experiencia previa en RLHF (aprendizaje por refuerzo con retroalimentación humana), evaluación de modelos o anotación de datos Historial comprobable 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, los conceptos técnicos y las discusiones sobre diseño de sistemas generados por el modelo Sus comentarios mejoran la corrección, robustez y claridad de las salidas de programación generadas por la IA Entrega artefactos de evaluación reproducibles que fortalecen el desempeño del modelo