Scienziato dei materiali

In questo ruolo di collaboratore remoto retribuito a ore, lavorerai come esperto di scienza dei materiali (SME) per rivedere contenuti di scienza dei materiali generati dall'IA e/o creare contenuti di riferimento di alta qualità in scienza dei materiali, valutando accuratezza scientifica, ragionamento ingegneristico, terminologia e spiegazioni passo dopo passo, fornendo al contempo feedback scritto preciso. Valuterai gli output per correttezza, chiarezza, plausibilità fisica, coerenza delle unità di misura, ragionamento microstruttura-proprietà, contesto sperimentale e aderenza al prompt; identificherai errori in struttura cristallina, diagrammi di fase, proprietà meccaniche, polimeri, ceramiche, metalli, compositi, nanomateriali, metodi di lavorazione e caratterizzazione; verificherai i fatti quando necessario; scriverai riscritture di alta qualità e risposte modello che dimostrino le migliori pratiche nella spiegazione della scienza dei materiali; e valuterai e confronterai più risposte dell'IA in base alla correttezza e alla qualità complessiva.

Questo ruolo è presso SME Careers, un'azienda in rapida crescita nel settore dei servizi di dati per l'IA e controllata di SuperAnnotate, che fornisce dati di addestramento a molte delle più grandi aziende di IA e laboratori di modelli di base del mondo. La tua competenza in scienza dei materiali contribuisce direttamente a migliorare i modelli di IA più importanti al mondo, rendendo i loro output in materia di materiali, ingegneria e scienze applicate più accurati, pratici e spiegati con chiarezza.

Cosa farai

• Sviluppare contenuti di addestramento per l'IA: creare prompt e risposte di riferimento in scienza dei materiali su argomenti quali metalli, ceramiche, polimeri, compositi, diagrammi di fase, trattamenti termici, prove meccaniche, corrosione, nanomateriali e caratterizzazione.
• Ottimizzare le prestazioni dell'IA: valutare e classificare gli output dell'IA per migliorare accuratezza scientifica, logica ingegneristica, terminologia, ragionamento struttura-proprietà, chiarezza e pertinenza rispetto al prompt dell'utente.
• Garantire l'integrità del modello: individuare affermazioni fuorvianti sui materiali, proprietà allucinate, raccomandazioni di lavorazione errate, diagrammi errati, ipotesi di progettazione non sicure e interpretazioni troppo sicure; validare l'affidabilità in diversi casi d'uso della scienza dei materiali.

Cosa cerchiamo

• Laurea triennale o titolo superiore in Scienza dei materiali, Ingegneria dei materiali, Ingegneria meccanica, Ingegneria chimica, Metallurgia, Scienza dei polimeri, Nanotecnologia o un campo correlato, oppure esperienza professionale equivalente.
• Forte competenza professionale in inglese, minimo C1, per seguire le linee guida e fornire feedback dettagliati in inglese.
• 3+ anni di esperienza nella ricerca in scienza dei materiali, ingegneria dei materiali, lavoro di laboratorio, produzione, insegnamento, scrittura tecnica, revisione accademica o lavoro scientifico/ingegneristico correlato.
• Profonda comprensione delle relazioni struttura-proprietà, strutture cristalline, diagrammi di fase, comportamento meccanico, trattamenti termici, polimeri, ceramiche, metalli, compositi, corrosione e tecniche di caratterizzazione.
• Capacità di valutare spiegazioni, calcoli, diagrammi, interpretazioni sperimentali e raccomandazioni ingegneristiche sui materiali per accuratezza e chiarezza.
• A proprio agio nell'individuare proprietà dei materiali allucinate, affermazioni errate sulla lavorazione, ragionamenti difettosi sulla microstruttura, suggerimenti ingegneristici non sicuri o affermazioni sulle prestazioni non supportate.
• Elevata attenzione ai dettagli nel rivedere unità di misura, terminologia dei materiali, metodi di prova, condizioni di processo, ipotesi e compromessi progettuali.
• Affidabile, autonomo e in grado di garantire una qualità costante in un flusso di lavoro da collaboratore remoto retribuito a ore su diversi fusi orari.
• Esperienza precedente con addestramento/annotazione di dati per l'IA, QA scientifico, QA ingegneristico, QA accademico, revisione di contenuti tecnici o valutazione basata su rubriche è fortemente preferita.