Científico de Materiales

En este rol de contratista remoto por hora, trabajarás como experto en ciencia de materiales (SME) para revisar contenido de ciencia de materiales generado por IA y/o crear contenido de referencia de alta calidad en esta disciplina, evaluando la precisión científica, el razonamiento de ingeniería, la terminología y las explicaciones paso a paso mientras proporcionas comentarios escritos precisos. Evaluarás los resultados en busca de corrección, claridad, plausibilidad física, consistencia de unidades, razonamiento sobre microestructura y propiedades, contexto experimental y cumplimiento de la consigna; identificarás errores en estructura cristalina, diagramas de fase, propiedades mecánicas, polímeros, cerámicas, metales, compuestos, nanomateriales, métodos de procesamiento y caracterización; verificarás datos de afirmaciones cuando sea necesario; redactarás reescrituras de alta calidad y respuestas modelo que demuestren las mejores prácticas en la explicación de la ciencia de materiales; y calificarás y compararás múltiples respuestas de IA según su corrección y calidad general.

Este rol es en SME Careers, una empresa de servicios de datos de IA de rápido crecimiento y subsidiaria de SuperAnnotate, que suministra datos de entrenamiento para muchas de las empresas de IA y laboratorios de modelos fundamentales más grandes del mundo. Tu experiencia en ciencia de materiales ayuda directamente a mejorar los principales modelos de IA del mundo al hacer que sus resultados en materiales, ingeniería y ciencias aplicadas sean más precisos, prácticos y claramente explicados.

Responsabilidades

• Desarrollar contenido de entrenamiento para IA: Crear consignas y respuestas estándar de oro en ciencia de materiales sobre temas como metales, cerámicas, polímeros, compuestos, diagramas de fase, tratamiento térmico, ensayos mecánicos, corrosión, nanomateriales y caracterización.
• Optimizar el rendimiento de la IA: Evaluar y clasificar los resultados de la IA para mejorar la precisión científica, la lógica de ingeniería, la terminología, el razonamiento de estructura-propiedad, la claridad y la relevancia para la consigna del usuario.
• Garantizar la integridad del modelo: Detectar afirmaciones engañosas sobre materiales, propiedades alucinadas, recomendaciones de procesamiento defectuosas, diagramas incorrectos, suposiciones de diseño inseguras e interpretaciones demasiado confiadas; validar la fiabilidad en los casos de uso de la ciencia de materiales.

Requisitos

• Título de grado o superior en Ciencia de Materiales, Ingeniería de Materiales, Ingeniería Mecánica, Ingeniería Química, Metalurgia, Ciencia de Polímeros, Nanotecnología o un campo relacionado, o experiencia profesional equivalente.
• Sólida competencia profesional en inglés, mínimo C1, para seguir las pautas y proporcionar comentarios detallados en inglés.
• Más de 3 años de experiencia en investigación en ciencia de materiales, ingeniería de materiales, trabajo de laboratorio, manufactura, docencia, redacción técnica, revisión académica o trabajo científico/de ingeniería relacionado.
• Profunda comprensión de las relaciones estructura-propiedad, estructuras cristalinas, diagramas de fase, comportamiento mecánico, tratamiento térmico, polímeros, cerámicas, metales, compuestos, corrosión y técnicas de caracterización.
• Capacidad para evaluar explicaciones de materiales, cálculos, diagramas, interpretaciones experimentales y recomendaciones de ingeniería en cuanto a precisión y claridad.
• Facilidad para identificar propiedades de materiales alucinadas, afirmaciones de procesamiento incorrectas, razonamientos defectuosos sobre la microestructura, sugerencias de ingeniería inseguras o afirmaciones de rendimiento sin respaldo.
• Gran atención al detalle al revisar unidades, terminología de materiales, métodos de ensayo, condiciones de proceso, suposiciones y contrapartidas de diseño.
• Confiable, autónomo y capaz de ofrecer una calidad constante en un flujo de trabajo de contratista remoto por hora a través de zonas horarias.
• Se valora muy positivamente la experiencia previa en entrenamiento/anotación de datos de IA, control de calidad científico, control de calidad de ingeniería, control de calidad académico, revisión de contenido técnico o evaluación basada en rúbricas.