À propos du poste
À propos de Turing Turing est l’une des principales entreprises d’infrastructure AGI au monde et travaille avec des laboratoires d’IA de pointe pour accélérer le développement de modèles grâce à des données d’entraînement de haute qualité, à des évaluations et à des talents en ingénierie.
À propos du poste Nous recherchons des experts du domaine (SME) en sciences de la vie pour développer des tâches avancées de raisonnement scientifique pour LifeSciBench. Contrairement aux benchmarks axés sur le codage, ce poste met l’accent sur une connaissance approfondie de la biologie, l’interprétation scientifique et un raisonnement rigoureux. Vous créerez des questions exigeantes fondées sur des scénarios scientifiques réalistes, des résultats expérimentaux, des données biologiques, des figures, des éléments de preuve de type littérature scientifique et des problèmes de recherche.
Il s’agit d’un benchmark sans code : les tâches ne sont pas exécutées et aucune programmation n’est requise. À qui s’adresse ce poste. Aux spécialistes des sciences de la vie qui souhaitent rédiger des problèmes rigoureux de raisonnement scientifique avec des réponses objectivement défendables — sans aucun codage. Si votre point fort est d’interpréter des expériences, de repérer les ambiguïtés et de construire des questions qui récompensent la synthèse plutôt que la mémorisation, ce poste est fait pour vous. À qui ce poste ne s’adresse pas. Si vous souhaitez concevoir des tâches dans lesquelles des agents écrivent et exécutent du code, consultez GeneBench Pro (génomique), Agentic Life Sciences (workflows étendus en sciences de la vie) ou Terminal Bench Science (tâches terminal transversales aux STEM).
Principales responsabilités
- Concevoir des problèmes inédits et exigeants en sciences de la vie, nécessitant un raisonnement scientifique avancé.
- Créer des tâches ancrées dans des scénarios de recherche réalistes, des expériences, des jeux de données biologiques, des figures, des séquences, des structures ou des éléments de preuve scientifiques.
- Élaborer des questions claires avec des réponses bien définies et objectivement défendables.
- Rédiger des réponses de référence expertes et rigoureuses expliquant le raisonnement scientifique requis.
- S’assurer que les tâches exigent de la synthèse et de l’interprétation plutôt qu’un simple rappel de faits.
- Valider toutes les affirmations biologiques, les calculs, les hypothèses et les conclusions.
- Identifier les ambiguïtés, les interprétations alternatives scientifiquement valides et les questions insuffisamment contraintes.
- Créer des tâches capables de distinguer les modèles d’IA de pointe selon leur capacité de raisonnement scientifique.
- S’assurer que les productions sont clairement documentées et reproductibles le cas échéant. • Maintenir une qualité et un débit élevés tout en intégrant les retours des relecteurs. Remarque sur les entrées : les tâches peuvent impliquer du texte scientifique, des données structurées, des séquences, des résultats expérimentaux et d’autres éléments de preuve scientifiques selon les besoins du projet.
Qualifications requises
- Doctorat, expérience postdoctorale ou expérience de recherche avancée équivalente en sciences de la vie.
- Solide expertise dans au moins une discipline biologique.
- Capacité avérée à interpréter des expériences scientifiques, des données et des résultats de recherche. Les parcours pertinents incluent
- Biologie moléculaire
- Génétique et génomique
- Biologie cellulaire
- Biochimie
- Neurosciences
- Microbiologie
- Immunologie
- Biologie de l’évolution
- Écologie
- Biologie structurale
- Biophysique
- Biologie du développement
- Biologie du cancer
- Pharmacologie ou disciplines connexes
Souhaité
- Expérience de la conception de problèmes ou d’évaluations scientifiques de niveau universitaire supérieur (graduate). Solide connaissance de la conception expérimentale et de l’interprétation.
- Expérience de la relecture de manuscrits scientifiques ou de travaux de recherche.
- Capacité à traduire des concepts scientifiques complexes en problèmes précis et autonomes.
- Expérience de l’évaluation de réponses scientifiques générées par des LLM.
Points bonus
- Publications dans des revues ou conférences à comité de lecture de premier plan.
- Expérience d’enseignement ou d’encadrement au niveau universitaire supérieur (graduate).
- Expérience des jeux de données d’évaluation d’IA/ML