Informazioni sul ruolo
In questo ruolo di collaboratore orario e remoto, lavorerai come Astronomy / Astrophysics Quality Assurance Lead (QAL) per supervisionare qualità, coerenza e prestazioni dei trainer nei progetti di addestramento AI in astronomia e astrofisica. Esaminerai contenuti di astronomia/astrofisica generati dall'AI e il lavoro di trainer/QA, valuterai la qualità degli output rispetto alle linee guida del progetto, fornirai feedback scritti precisi e garantirai che tutti i collaboratori seguano gli standard di qualità previsti.
Valuterai il lavoro per accuratezza scientifica, ragionamento fisico, correttezza matematica, qualità della terminologia, gestione delle unità, contesto osservativo, chiarezza, formattazione, rispetto delle istruzioni e aderenza alle rubriche specifiche del progetto. Individuerai problemi di qualità ricorrenti, comunicherai aggiornamenti a trainer e QA, supporterai l'onboarding, manterrai la documentazione e contribuirai ad attivare i collaboratori che non lavorano con costanza. Questo ruolo richiede una solida competenza in astronomia/astrofisica, forti capacità di comunicazione in inglese, eccellente attenzione ai dettagli, comunicazione strutturata e capacità di gestire flussi di lavoro di qualità in team di esperti remoti.
Questo ruolo è presso SME Careers, un'azienda in rapida crescita nel settore AI Data Services e controllata di SuperAnnotate, che fornisce dati di addestramento a molte delle più grandi aziende AI del mondo e ai laboratori di foundation model. La tua leadership sulla qualità in astronomia/astrofisica contribuirà direttamente a migliorare i principali modelli AI del mondo assicurando che i dati di addestramento in astronomia e astrofisica siano accurati, fisicamente solidi, spiegati con chiarezza, ben documentati e allineati alle aspettative del cliente.
Il processo di selezione prevede un colloquio con AI, un task specifico per il dominio e un colloquio con un recruiter.
Importante: Non esiste un progetto immediato per questo ruolo; tuttavia, se qualificato, sarai tra i primi esperti che contatteremo quando si presenteranno opportunità pertinenti. Questo ti darà anche accesso a progetti futuri disponibili tramite la nostra rete di esperti.
Cosa farai
- Monitoraggio della qualità: condurre controlli a campione sugli elementi di astronomia/astrofisica, identificare problemi di qualità, fornire feedback continuo tramite DM ed escalare problemi ricorrenti o critici.
- Revisione scientifica: valutare spiegazioni, calcoli, diagrammi, interpretazioni osservative, confronti e ragionamenti passo passo di astronomia/astrofisica generati dall'AI per accuratezza e chiarezza.
- Comunicazione con trainer e QA: aggiornare trainer e QA su Discord riguardo a nuove linee guida sugli elementi, modifiche al progetto, aggiornamenti dei flussi di lavoro, aspettative di qualità e standard di revisione specifici di astronomia/astrofisica.
- Gestione delle domande: rispondere a domande di trainer/QA in modo chiaro e tempestivo, soprattutto su assunzioni fisiche, unità, terminologia astronomica, metodi osservativi, formule e interpretazione delle rubriche.
- Gestione dell'attivazione di trainer/QA: inviare DM ai collaboratori inattivi o che non lavorano, incoraggiare l'attivazione, tracciare i follow-up e segnalare problemi di disponibilità quando necessario.
- Documentazione: creare e mantenere la documentazione dei progetti di astronomia/astrofisica, incluse guide di stile, tracker, FAQ, note sulla qualità, esempi, honeypot, task di calibrazione e materiali di onboarding.
- Onboarding e addestramento: pianificare e condurre call di onboarding/addestramento con trainer e QA per spiegare aspettative del progetto, flussi di lavoro, rubriche, standard di qualità e requisiti di revisione specifici di astronomia/astrofisica.
- Allineamento sulla qualità: garantire che tutti i trainer e i QA applichino in modo coerente le linee guida di revisione di astronomia/astrofisica e comprendano gli aggiornamenti man mano che i progetti evolvono.
- Revisione dei rischi: segnalare affermazioni di astronomia/astrofisica fuorvianti, troppo sicure, fisicamente impossibili, numericamente errate o con fonti scadenti.
- Miglioramento dei processi: identificare lacune ricorrenti nella qualità, proporre miglioramenti ai flussi di lavoro e contribuire a costruire processi QA scalabili per i progetti di addestramento AI in astronomia/astrofisica.
Cosa cerchiamo
- Laurea triennale, magistrale o dottorato in Astronomia, Astrofisica, Fisica, Scienze Spaziali, Scienze Planetarie, Cosmologia o un campo strettamente correlato.
- Solida padronanza della lingua inglese per seguire le linee guida del progetto, comunicare con i team e fornire feedback scritti chiari.
- 3+ anni di esperienza in ricerca in astronomia/astrofisica, insegnamento, comunicazione scientifica, revisione accademica, analisi dati, lavoro in osservatorio o flussi di lavoro scientifici correlati.
- Forte comprensione di meccanica celeste, evoluzione stellare, galassie, cosmologia, radiazione elettromagnetica, metodi osservativi, spettroscopia, sistemi planetari, buchi neri e incertezza scientifica.
- Capacità di valutare contenuti di astronomia/astrofisica rispetto a rubriche dettagliate e identificare problemi come assunzioni fisiche errate, unità sbagliate, calcoli errati, fatti allucinati, spiegazioni fuorvianti o conclusioni troppo semplificate.
- Familiarità con strumenti o metodi come Python, dataset astronomici, dati di telescopi/osservatori, spettroscopia, fotometria, simulazioni, LaTeX, notebook Jupyter o visualizzazione scientifica è preferita.
- Esperienza nella guida o nel supporto di team remoti di ricercatori, educatori, revisori, annotatori, divulgatori scientifici o QA è fortemente preferita.
- A proprio agio in ambienti remoti dinamici utilizzando strumenti come Discord, Google Sheets, Google Docs, tracker, dashboard e sistemi di gestione progetti.
- Fortemente orientato ai dettagli e organizzato, con la capacità di mantenere guide di stile, FAQ, tracker, materiali di onboarding, task di calibrazione e documentazione.
- Esperienza con addestramento AI, annotazione dati, valutazione di LLM, QA scientifica, revisione accademica o revisione basata su rubriche è un forte plus.