Zum Hauptinhalt springen
StrideRecruit

Expert Talent Pool, Evals and Benchmarks

Clera

Quelle: Himalayas — autorisierter Feed

Standort
Remote
Anstellungsart
Vollzeit · Remote
Erfahrung
Senior
Veröffentlicht
16.11.2026
Zuletzt live gesehen
16.11.2026
Quelle
Himalayas
Arbeitgeber
Clera
Auf Himalayas ansehen und bewerben ↗

Dieser Link öffnet die Anzeige auf Himalayas, wo die Bewerbung fortgesetzt wird. Es ist nicht bestätigt, dass es die Website des Arbeitgebers selbst ist.

Stellenbeschreibung

Automatische Übersetzung ist nicht aktiviert. Die Stellenbeschreibung wird in der Originalsprache angezeigt.

About the Role

Join a network of senior evaluation experts supporting AI research projects. You will lead benchmark design, validation, and grading operations when projects align with your expertise, helping produce rigorous and reliable assessments of AI models.

What You'll Do

  • Design benchmarks, including their scope, question types, difficulty levels, and scoring methods.

  • Write and review rubrics to support consistent grading.

  • Develop gold-standard answers and test sets that hold up to expert review.

  • Lead grading rounds by calibrating graders, measuring agreement, and resolving disputes.

  • Analyze model failures, identify root causes, and recommend improvements.

  • Design and conduct rigorous model comparison studies.

  • Validate benchmarks for contamination, ambiguity, and saturation.

  • Design user studies on how people rate and interact with model outputs.

What We're Looking For

  • At least 5 years of experience in evaluation, testing, or assessment, or at least 5 years of domain expertise combined with hands-on evaluation work.

  • Experience designing a benchmark, test plan, exam, or assessment used by others.

  • Experience writing or reviewing rubrics and gold-standard answers, and reviewing or leading graders or question writers.

  • Proficiency in Python and evaluation tools such as Inspect, lm-eval-harness, HELM, or promptfoo.

  • Experience analyzing model or test failures and recommending fixes.

  • Background in ML evaluation, QA, test engineering, psychometrics, assessment design, UX research, data science, or deep subject matter expertise.

  • Clear written English communication.

  • Experience validating benchmarks, measuring grader agreement, conducting model comparisons, or running user studies is relevant.

Compensation & Benefits

Compensation is $75 to $175 per hour, depending on project, field, and experience level. Pay is based on hours worked.

Location

Fully remote. Projects may last from one week to several months.

Compensation Range: $156K - $364K

Originally posted on Himalayas

Stellenangebote bereitgestellt von Himalayas · himalayas.app

Über diese Stelle

Diese Seite beschreibt eine aktuelle Stelle: Expert Talent Pool, Evals and Benchmarks bei Clera, angegeben als Remote.

Frequently asked questions

Wo ist diese Stelle angesiedelt?
Diese Stelle ist angegeben als Remote.
Um welche Art von Arbeit handelt es sich?
Dies ist eine Vollzeit · Remote-Position bei Clera.
Wann wurde diese Stelle veröffentlicht?
Diese Stelle wurde am 16.11.2026 veröffentlicht.
Wo bewerbe ich mich auf diese Stelle?
Nutze den Bewerbungslink auf dieser Seite. Er öffnet das Originalinserat auf Himalayas, wo du dich bewirbst — StrideRecruit nimmt keine Bewerbungen entgegen.
Anzeige melden

Sagen Sie uns, wenn diese Anzeige falsch wirkt. Wir prüfen Meldungen; eine Meldung entfernt die Anzeige nicht von selbst.

Wir fragen weder nach Name noch E-Mail und speichern Ihre IP-Adresse nicht mit der Meldung.