Spécialiste en science des matériaux

Dans le cadre de ce rôle de prestataire indépendant à distance et rémunéré à l'heure, vous travaillerez en tant qu'expert en science des matériaux (SME) pour examiner du contenu en science des matériaux généré par IA et/ou créer du contenu de référence de haute qualité en science des matériaux, en évaluant la rigueur scientifique, le raisonnement technique, la terminologie et les explications étape par étape tout en fournissant des retours écrits précis. Vous évaluerez les résultats pour en vérifier l'exactitude, la clarté, la plausibilité physique, la cohérence des unités, le raisonnement microstructure-propriété, le contexte expérimental et le respect de la consigne ; vous identifierez les erreurs dans la structure cristalline, les diagrammes de phase, les propriétés mécaniques, les polymères, les céramiques, les métaux, les composites, les nanomatériaux, les méthodes de traitement et la caractérisation ; vous vérifierez les faits si nécessaire ; vous rédigerez des réécritures et des réponses modèles de haute qualité qui démontrent les meilleures pratiques en matière d'explication en science des matériaux ; et vous évaluerez et comparerez de nombreuses réponses d'IA en fonction de leur exactitude et de leur qualité globale.

Ce rôle est proposé par SME Careers, une entreprise de services de données pour l'IA en forte croissance et filiale de SuperAnnotate, qui fournit des données d'entraînement pour nombre des plus grandes entreprises d'IA et laboratoires de modèles fondateurs au monde. Votre expertise en science des matériaux contribue directement à améliorer les meilleurs modèles d'IA de la planète en rendant leurs résultats en matière de science des matériaux, d'ingénierie et de sciences appliquées plus précis, pratiques et clairement expliqués.

Responsabilités

• Développer du contenu d'entraînement pour l'IA : créer des invites et des réponses de référence en science des matériaux sur des sujets tels que les métaux, les céramiques, les polymères, les composites, les diagrammes de phase, le traitement thermique, les essais mécaniques, la corrosion, les nanomatériaux et la caractérisation.
• Optimiser les performances de l'IA : évaluer et classer les résultats de l'IA afin d'améliorer la rigueur scientifique, la logique d'ingénierie, la terminologie, le raisonnement structure-propriété, la clarté et la pertinence par rapport à la consigne de l'utilisateur.
• Garantir l'intégrité du modèle : détecter les affirmations trompeuses sur les matériaux, les propriétés issues d'hallucinations, les recommandations de traitement erronées, les diagrammes incorrects, les hypothèses de conception non sécurisées et les interprétations trop confiantes ; valider la fiabilité pour l'ensemble des cas d'usage en science des matériaux.

Exigences

• Licence ou diplôme supérieur en science des matériaux, génie des matériaux, génie mécanique, génie chimique, métallurgie, science des polymères, nanotechnologie ou domaine connexe, ou expérience professionnelle équivalente.
• Solide maîtrise professionnelle de l'anglais, minimum C1, pour suivre les directives et fournir des retours détaillés en anglais.
• Plus de 3 ans d'expérience en recherche en science des matériaux, génie des matériaux, travail en laboratoire, fabrication, enseignement, rédaction technique, révision académique ou travaux scientifiques/d'ingénierie connexes.
• Compréhension approfondie des relations structure-propriété, des structures cristallines, des diagrammes de phase, du comportement mécanique, du traitement thermique, des polymères, des céramiques, des métaux, des composites, de la corrosion et des techniques de caractérisation.
• Capacité à évaluer les explications, calculs, diagrammes, interprétations expérimentales et recommandations d'ingénierie concernant les matériaux en termes d'exactitude et de clarté.
• Aptitude à identifier les propriétés de matériaux issues d'hallucinations, les affirmations de traitement incorrectes, le raisonnement erroné sur la microstructure, les suggestions d'ingénierie non sécurisées ou les affirmations de performance non étayées.
• Grande attention portée aux détails lors de l'examen des unités, de la terminologie des matériaux, des méthodes d'essai, des conditions de processus, des hypothèses et des compromis de conception.
• Fiable, autonome et capable de maintenir une qualité constante dans le cadre d'un flux de travail de prestataire indépendant à distance et rémunéré à l'heure à travers les fuseaux horaires.
• Une expérience préalable en matière d'entraînement/annotation de données pour l'IA, d'assurance qualité scientifique, d'assurance qualité en ingénierie, d'assurance qualité académique, de révision de contenu technique ou d'évaluation basée sur des critères est fortement appréciée.