أخصائي معايير واختبارات الاختراق للذكاء الاصطناعي

نبذة عن تورينج:
تتورينج، التي مقرها في سان فرانسيسكو بولاية كاليفورنيا، هي مسرعة الأبحاث الرائدة في العالم لمختبرات الذكاء الاصطناعي الرائدة والشريك الموثوق به للشركات العالمية التي تنشر أنظمة الذكاء الاصطناعي المتقدمة. تدعم تورينج العملاء بطريقتين: أولاً، من خلال تسريع الأبحاث الرائدة ببيانات عالية الجودة، ومسارات تدريب متقدمة، بالإضافة إلى كبار باحثي الذكاء الاصطناعي المتخصصين في البرمجة، والاستدلال، والعلوم والتكنولوجيا والهندسة والرياضيات (STEM)، وتعدد اللغات، وتعدد الوسائط، والوكلاء؛ وثانياً، من خلال تطبيق تلك الخبرة لمساعدة الشركات على تحويل الذكاء الاصطناعي من إثبات مفهوم إلى ذكاء ملكية خاصة لأنظمة تعمل بشكل موثوق، وتحقق تأثيراً قابلاً للقياس، وتقود نتائج دائم على قائمة الأرباح والخسائر.

نظرة عامة على الدور

نحن نبحث عن باحث تحليلي وأخصائي في اختبار الاختراق (Red-Teaming) لبناء مهام معيارية لأبحاث الويب المستندة إلى الأدلة والتي تكشف موثوقية نقاط الضعف في نماذج الذكاء الاصطناعي الحديثة (SOTA) (مثل Claude Opus 5 Max). في هذا الدور، ستكتشف حقائق يصعب العثور عليها، وتبني مهام بحثية دقيقة حولها، وتختبرها مباشرةً مقابل نماذج اللغة الكبيرة (LLMs) الرائدة، وتتشخص بدقة آليات الفشل في مسارات البحث والاستدلال الخاصة بالنموذج.

سوف يشكل عملك بشكل مباشر أطر تقييم الذكاء الاصطناعي، مما يضمن اختبار نماذج الجيل التالي الرائدة مقابل سيناريوهات بحثية واقعية صارمة وغير تافهة.

متطلبات الوظيفة:

• الخبرة الأساسية: سنة فأكثر في البحوث الاستقصائية، والتحقق من الحقائق، وتأليف مهام معايير الذكاء الاصطناعي، أو اختبار الاختراق، أو مراجعة ضمان الجودة التقنية.
• الإلمام بالمعايير: خبرة مثبتة في تأليف أو اختبار أو مراجعة المهام لمعايير الذكاء الاصطناعي مثل GAIA و BrowseComp و SimpleQA و SWE-bench و Terminal-Bench أو Humanity’s Last Exam (HLE).
• المهارات التحليلية وOSINT: مهارات بحث الويب والاستخبارات مفتوحة المصدر (OSINT) بمستوى متوسط إلى متقدم؛ والقدرة على التنقل في الارشيفات الأكاديمية، أو السجلات المحلية، أو قواعد البيانات الغامضة.
• تصحيح أخطاء مسار النموذج: قدرة تحليلية قوية لفحص سلاسل استدلال النموذج، وسجلات البحث، واختيار المصادر لتشخيص الأسباب الجذرية للفشل.
• الكتابة الدقيقة: القدرة على تأليف مطالبات معيارية واضحة لا لبس فيها مع مفاتيح إجابة موثوقة ومدعومة بالمصادر الأولية.

مسؤوليات الوظيفة:

• اكتشاف الحقائق الغامضة: البحث بعمق في المواضيع المتخصصة لتحديد الحقائق الأساسية التي لا يمكن الكشف عنها عبر استعلامات البحث البسيطة والمباشرة.
• التحقق من المصادر: التحقق بصرامة من الحقائق مقابل المصادر الأولية أو عالية المصداقية، والتحقق المتبادل من الأدلة المتعارضة، وتوثيق عناوين URL الدقيقة للمصادر.
• بناء المهام: صياغة مهام معيارية واضحة وقابلة للإجابة مصممة خصيصاً لكشف نقاط الضعف الهيكلية في استراتيجيات بحث النموذج.
• اختبار الاختراق واختبار النماذج: تنفيذ المهام مقابل نماذج SOTA المعينة للتأكد من أنها تطلق بشكل موثوق حالات الفشل المقصودة للنموذج.
• تشخيص الفشل وتصحيح الأخطاء: تتبع سجلات تشغيل النموذج، ومسارات البحث، والنتائج الوسيطة لتحديد مكان وسبب فشل النموذج بالضبط (مع التمييز بين قيود النموذج الحقيقية والمطالبات الغامضة).
• توسيع النمط والمراجعة: تطبيق أنماط البحث "التي تكسر النماذج" التي تم التحقق من صحتها عبر مجالات جديدة، وبالنسبة للمؤدين الأقوياء، مراجعة المهام التي ألفها المدربون الأقران.
  
  ميزة قوية (المؤهلات المفضلة)
• درجة البكالوريوس أو أعلى من مجال هندسي ذي صلة أمر لا بد منه لهذه الوظيفة.
• خبرة سابقة خاصة في تصميم مهام حقن المطالبات (prompt-injection) أو فخاخ الاستدلال التي تكسر نماذج SOTA.
• قدرات متقدمة في OSINT أو أبحاث استقصائية/أكاديمية منشورة تثبت التحقق العميق من المصادر.
• خبرة متخصصة في المجال في المناطق الغنية بالسجلات التيس يصعب العثور عليها (مثل: ملفات الحكومة المحلية، تاريخ الرياضة الإقليمي، الأرشيفات القانونية، براءات الاختراع التاريخية).
• خبرة العمل كمراجع رئيسي، أو مدقق للمعايير، أو مالك الجودة في مشاريع تقييم الذكاء الاصطناعي.

تفاصيل العرض:

• الالتزامات المطلوبة: ما يصل إلى 40 ساعة أسبوعياً مع 4 ساعات من التداخل مع التوقيت الباسيفيكي (PST).
• نوع الارتباط: مقاول
• مدة الارتباط: ما يصل إلى 4 أسابيع

عملية التقييم -

• س يُطلب من المرشحين تقديم نموذج الاهتمام بالوظيفة والتقييم.
• المواهب التي يتم إنهاؤها في التقييم ستمر عبر التقييم والمراجعة وستتقدم بشكل أكبر وفقاً لذلك.