关于此职位
在这个按小时计酬的远程承包职位中，你将担任 JavaScript 质量保证负责人（QAL），负责监督 JavaScript AI 训练项目的质量、一致性以及训练师的表现。你将审查 AI 生成的 JavaScript 代码以及训练师/QA 的工作，依据项目指南评估输出质量，提供精确的书面反馈，并确保所有贡献者遵循预期的质量标准。
你将评估工作的代码正确性、推理质量、运行时行为、调试准确性、可读性、可维护性、性能、安全意识、测试覆盖率、格式、指令遵循情况以及对项目特定评分标准的遵守情况。你将发现反复出现的质量问题，向训练师和 QA 传达更新，支持入职，维护文档，并帮助激活那些工作不稳定的贡献者。该职位要求具备扎实的 JavaScript 专业知识、出色的英语沟通能力、极佳的细节关注能力、结构化沟通能力，以及在远程技术团队中管理质量工作流的能力。
该职位隶属于 SME Careers，这是一家快速成长的 AI 数据服务公司，也是 SuperAnnotate 的子公司，为全球许多最大的 AI 公司和基础模型实验室提供训练数据。你的 JavaScript 质量领导工作将通过确保 JavaScript 训练数据准确、可执行、逻辑合理、解释清晰、文档完善并符合客户期望，直接帮助改进全球顶尖的 AI 模型。
选拔流程包括一次 AI 面试、一项领域特定任务，以及与招聘人员的一次面试。
重要提示： 该职位目前没有立即启动的项目；但是，如果你符合条件，当相关机会出现时，你将成为我们首批联系的专家之一。这还将为你提供通过我们的专家网络获取未来项目的机会。
你将做什么
- 质量监控：抽查 JavaScript 条目，识别质量问题，通过私信提供持续反馈，并上报反复出现或关键的问题。
- 代码审查：评估 AI 生成的 JavaScript 代码、调试回答、实现说明、算法解决方案、前端/后端代码片段、测试以及逐步推理的正确性和清晰度。
- 训练师与 QA 沟通：在 Discord 上向训练师和 QA 传达新的条目指南、项目变更、工作流更新、质量期望以及 JavaScript 特定的审查标准。
- 问题处理：清晰、及时地回答训练师/QA 的问题，尤其是围绕 JavaScript 行为、异步逻辑、浏览器与 Node.js 环境、框架、包使用、测试、边缘情况以及评分标准解读的问题。
- 训练师/QA 激活管理：私信不活跃或未在工作中的贡献者，鼓励其激活，跟踪后续情况，并在需要时标记可用性问题。
- 文档：创建并维护 JavaScript 项目文档，包括风格指南、跟踪表、FAQ、质量说明、示例、蜜罐、校准任务和入职材料。
- 入职与训练：安排并主持与训练师和 QA 的入职/训练通话，说明项目期望、工作流、评分标准、质量标准以及 JavaScript 特定的审查要求。
- 质量对齐：确保所有训练师和 QA 一致地应用 JavaScript 审查指南，并理解项目演进过程中的更新。
- 风险与安全审查：标记不安全、误导性、不安全或过于自信的代码建议，尤其是涉及注入风险、依赖使用、身份验证、浏览器安全、数据处理和生产就绪性方面。
- 流程改进：识别反复出现的质量差距，提出工作流改进建议，并帮助为 JavaScript AI 训练项目构建可扩展的 QA 流程。
我们正在寻找
- 计算机科学、软件工程、信息技术或密切相关领域的学士或硕士学位；同等专业软件工程经验也可考虑。
- 扎实的英语能力，能够遵循项目指南、与团队沟通，并用英语提供清晰的技术反馈。
- 3+ 年 JavaScript 开发、前端工程、Node.js 后端开发、全栈工程、代码审查、软件 QA、技术指导或相关工作流的专业经验。
- 深入理解 JavaScript 核心概念，如闭包、作用域、提升、原型、Promise、async/await、事件循环、模块、DOM 操作、错误处理、数据结构和现代 ECMAScript 特性。
- 能够依据详细评分标准评估 JavaScript 内容，并识别诸如逻辑错误、不可执行代码、推理缺陷、缺少边缘情况、异步处理不当、安全风险、性能问题、幻觉 API 或解释不完整等问题。
- 熟悉常见 JavaScript 生态系统和工具者优先，如 Node.js、npm/yarn/pnpm、React、Vue、Express、Jest、Mocha、Playwright、ESLint、Prettier、Vite、Webpack、Babel 或浏览器开发者工具。
- 有领导或支持远程训练师、标注员、审查员、工程师、技术写作者、编程导师或 QA 团队经验者强烈优先。
- 能够适应快节奏的远程环境，使用 Discord、Google Sheets、Google Docs、跟踪表、仪表板、GitHub 和项目管理系统等工具。
- 高度注重细节且有组织能力，能够维护风格指南、FAQ、跟踪表、入职材料、蜜罐、校准任务和其他质量文档。
- 有 AI 训练、数据标注、大型语言模型、提示/回复评估、代码内容 QA 或基于评分标准的 LLM 评估经验者优先。