À propos du poste
Dans ce rôle de contractant à distance rémunéré à l'heure, vous travaillerez en tant qu'expert en science des matériaux (SME) pour examiner du contenu en science des matériaux généré par IA et/ou créer du contenu de référence de haute qualité en science des matériaux, en évaluant l'exactitude scientifique, le raisonnement d'ingénierie, la terminologie et les explications étape par étape tout en fournissant des retours écrits précis. Vous évaluerez les sorties sur leur exactitude, leur clarté, leur plausibilité physique, leur cohérence des unités, le raisonnement microstructure-propriété, le contexte expérimental et leur conformité à l'invite ; vous identifierez les erreurs dans la structure cristalline, les diagrammes de phases, les propriétés mécaniques, les polymères, les céramiques, les métaux, les composites, les nanomatériaux, les méthodes de fabrication et la caractérisation ; vous vérifierez les affirmations factuelles si nécessaire ; vous rédigerez des réécritures de haute qualité et des réponses modèles qui démontrent les meilleures pratiques en matière d'explication en science des matériaux ; et vous noterez et comparerez plusieurs réponses d'IA en fonction de leur exactitude et de leur qualité globale.
Ce rôle est au sein de SME Careers, une entreprise de services de données pour l'IA en croissance rapide et filiale de SuperAnnotate, qui fournit des données d'entraînement à bon nombre des plus grandes entreprises d'IA et laboratoires de modèles de fondation au monde. Votre expertise en science des matériaux contribue directement à améliorer les meilleurs modèles d'IA au monde en rendant leurs sorties en matériaux, ingénierie et sciences appliquées plus exactes, pratiques et clairement expliquées.
Ce que vous ferez
- Développer du contenu d'entraînement pour l'IA : créer des invites et des réponses de référence en science des matériaux sur des sujets tels que les métaux, les céramiques, les polymères, les composites, les diagrammes de phases, le traitement thermique, les essais mécaniques, la corrosion, les nanomatériaux et la caractérisation.
- Optimiser les performances de l'IA : évaluer et classer les sorties de l'IA afin d'améliorer l'exactitude scientifique, la logique d'ingénierie, la terminologie, le raisonnement structure-propriété, la clarté et la pertinence par rapport à l'invite de l'utilisateur.
- Garantir l'intégrité du modèle : détecter les affirmations trompeuses sur les matériaux, les propriétés hallucinées, les recommandations de traitement erronées, les diagrammes incorrects, les hypothèses de conception dangereuses et les interprétations trop confiantes ; valider la fiabilité dans les cas d'usage en science des matériaux.
Ce que nous recherchons
- Licence ou diplôme supérieur en science des matériaux, génie des matériaux, génie mécanique, génie chimique, métallurgie, science des polymères, nanotechnologie ou dans un domaine connexe, ou expérience professionnelle équivalente.
- Forte maîtrise professionnelle de l'anglais, minimum C1, pour suivre les directives et fournir des retours détaillés en anglais.
- 3+ ans d'expérience en recherche en science des matériaux, génie des matériaux, travail de laboratoire, fabrication, enseignement, rédaction technique, évaluation académique ou travaux scientifiques/d'ingénierie connexes.
- Compréhension approfondie des relations structure-propriété, des structures cristallines, des diagrammes de phases, du comportement mécanique, du traitement thermique, des polymères, des céramiques, des métaux, des composites, de la corrosion et des techniques de caractérisation.
- Capacité à évaluer les explications, calculs, diagrammes, interprétations expérimentales et recommandations d'ingénierie en science des matériaux pour leur exactitude et leur clarté.
- À l'aise pour identifier les propriétés de matériaux hallucinées, les affirmations de traitement incorrectes, le raisonnement erroné sur la microstructure, les suggestions d'ingénierie dangereuses ou les affirmations de performance non étayées.
- Grand souci du détail lors de l'examen des unités, de la terminologie des matériaux, des méthodes d'essai, des conditions de processus, des hypothèses et des compromis de conception.
- Fiable, autonome et capable de fournir une qualité constante dans un flux de travail de contractant à distance rémunéré à l'heure, à travers les fuseaux horaires.
- Une expérience préalable en entraînement/annotation de données pour l'IA, assurance qualité scientifique, assurance qualité d'ingénierie, assurance qualité académique, révision de contenu technique ou évaluation basée sur des grilles d'évaluation est fortement appréciée.