Resumen: Colabora con equipos líderes de IA para mejorar la calidad, la utilidad y la fiabilidad de los sistemas de IA conversacional de propósito general mediante la evaluación y el perfeccionamiento de conceptos de ingeniería. Aspectos destacados: 1. Oportunidad de perfeccionar y evaluar sistemas de IA conversacional de vanguardia 2. Enfoque en la mejora del razonamiento y la explicación de conceptos de ingeniería por parte de la IA 3. Requiere una experiencia profunda en ingeniería y una amplia experiencia con modelos de lenguaje grande (LLM) **Modalidad de trabajo:** Teletrabajo **Tipo de colaboración:** Contratista independiente **Horario:** Contrato a tiempo completo o a tiempo parcial **Requisito lingüístico:** Inglés fluido **Función:** Colabora con equipos líderes de IA para mejorar la calidad, la utilidad y la fiabilidad de los sistemas de IA conversacional de propósito general. Estos sistemas se utilizan en una amplia variedad de escenarios cotidianos y profesionales, y su eficacia depende de la claridad, precisión y utilidad con que responden a las preguntas reales de los usuarios. En contextos relacionados con la ingeniería, los sistemas de IA conversacional deben demostrar un razonamiento aplicado preciso, una precisión cuantitativa y una resolución práctica de problemas alineada con sistemas del mundo real. Este proyecto se centra en evaluar y mejorar cómo los modelos razonan sobre conceptos de ingeniería y los explican en múltiples disciplinas. **Sus responsabilidades** * **Redactar y perfeccionar indicaciones (prompts)** para guiar el comportamiento del modelo en escenarios de ingeniería * **Evaluar las respuestas generadas por modelos de lenguaje grande (LLM)** ante consultas relacionadas con la ingeniería, en cuanto a su exactitud técnica, razonamiento aplicado y exhaustividad * **Realizar verificaciones de hechos y comprobar cualquier afirmación técnica** utilizando fuentes públicas autorizadas y conocimientos especializados del dominio * **Annotar las respuestas del modelo**, identificando sus puntos fuertes, áreas de mejora y errores factuales o conceptuales * **Evaluar la claridad, estructura y adecuación de las explicaciones** para distintos públicos * Asegurar que **las respuestas del modelo se alineen con el comportamiento conversacional esperado** y con las directrices del sistema * **Aplicar criterios de evaluación consistentes**, siguiendo taxonomías claras, referencias comparativas (benchmarks) y pautas detalladas de evaluación **Perfil requerido** * Posee un **doctorado (PhD) en Ingeniería o en un campo estrechamente relacionado** * Tiene una experiencia profunda en **uno o más de los siguientes subdominios**: + Ingeniería de sistemas mecánicos y físicos + Ingeniería eléctrica, electrónica y de computación + Ingeniería química, de materiales y de procesos + Ingeniería civil, ambiental e infraestructural * Tiene **una amplia experiencia en el uso de modelos de lenguaje grande (LLM)** y comprende cómo y por qué las personas los utilizan * Tiene **excelentes habilidades de redacción** y puede explicar claramente conceptos complejos de ingeniería * Tiene una **gran atención al detalle**, detectando sistemáticamente matices sutiles que otros podrían pasar por alto * **Experiencia previa en la revisión o edición de textos técnicos o académicos** **Especialidades deseables (no obligatorias)** * Experiencia en investigación aplicada, flujos de trabajo de ingeniería industriales o diseño de sistemas * Experiencia previa con RLHF (aprendizaje por refuerzo con retroalimentación humana), evaluación de modelos o trabajo de anotación de datos * Experiencia docente, de tutoría o de explicación de conceptos de ingeniería a audiencias no especializadas * Conocimiento de rúbricas de evaluación, referencias comparativas (benchmarks) o marcos estructurados de revisión **Indicadores de éxito** * Identifica inexactitudes técnicas, supuestos erróneos o razonamientos incompletos en las salidas del modelo relacionadas con la ingeniería * Sus comentarios mejoran el rigor, la claridad y la corrección de las explicaciones generadas por la IA * Entrega artefactos de evaluación consistentes y reproducibles que potencian el rendimiento del modelo