Aller au contenu principal
StrideRecruit

Expert Talent Pool, Evals and Benchmarks

Clera

Source : Himalayas — flux autorisé

Lieu
Télétravail
Type de contrat
Temps plein · Télétravail
Expérience
Senior
Publiée
16 nov. 2026
Dernière fois vu actif
16 nov. 2026
Source
Himalayas
Employeur
Clera
Voir sur Himalayas et postuler ↗

Ce lien ouvre l'offre sur Himalayas, où la candidature se poursuit. Il n'est pas confirmé qu'il s'agisse du site de l'employeur.

Description du poste

La traduction automatique n'est pas activée. La description est affichée dans sa langue d'origine.

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

Offres fournies par Himalayas · himalayas.app

À propos de cet emploi

Cette page décrit une offre en cours : Expert Talent Pool, Evals and Benchmarks chez Clera, indiquée comme Télétravail.

Frequently asked questions

Où est basé cet emploi ?
Cet emploi est indiqué comme Télétravail.
De quel type de travail s’agit-il ?
Il s’agit d’un poste Temps plein · Télétravail chez Clera.
Quand cet emploi a-t-il été publié ?
Cet emploi a été publié le 16 nov. 2026.
Où postuler à cet emploi ?
Utilisez le lien de candidature sur cette page. Il ouvre l’offre originale sur Himalayas, où vous postulez — StrideRecruit ne reçoit pas les candidatures.
Signaler cette annonce

Dites-nous si cette annonce semble incorrecte. Nous examinons les signalements ; un signalement ne supprime pas l’annonce à lui seul.

Nous ne demandons ni votre nom ni votre e-mail et ne conservons pas votre adresse IP avec le signalement.