Auditor de tareas de desafíos de ML
- Remuneración: de 70 US$ a 90 US$ / hora
- Contrato: Freelance
- Quién puede postular: Estados Unidos
- Publicada el 28 ago 2026
En resumen
Este puesto remoto implica evaluar la calidad, corrección y rigor metodológico de tareas de aprendizaje automático aplicado para proporcionar comentarios claros por escrito. Los candidatos necesitan al menos tres años de experiencia práctica en aprendizaje automático aplicado y dominio de marcos estándar como PyTorch y TensorFlow.
Descripción
Descripción en inglés, tal como la publicó Mercor.
Evaluate the quality, correctness, and methodological rigor of applied machine-learning tasks used to train and evaluate a frontier AI lab's models. You'll assess experiment design, model-selection reasoning, and evaluation methodology, and provide clear, rubric-based written feedback.
Basic Qualifications • 3+ years hands-on applied/experimental ML (experiment design, model selection, hyperparameter tuning, evaluation methodology) • Strong grasp of data-quality rigor: leakage detection, metric gaming, and train/test/CV hygiene • Proficiency with standard ML frameworks (PyTorch, TensorFlow, scikit-learn, XGBoost) • Ability to critique ML claims against evidence and reproduce results
Preferred Qualifications • Competition / benchmark experience (e.g., Kaggle) • Graduate research or publication record in applied ML • Prior task-grading or peer-review experience
Note: this role evaluates applied/experimental ML rigor, it is not an LLM-application-building or MLOps role.