Research Engineer, AI Evaluation & Agent Reliability

Misi kami

Dampak perdagangan membutuhkan lebih dari sekadar gaya bahasa yang luwes. Bangun metodologi evaluasi yang membedakan penulisan persuasif, kebenaran faktual, dan keberhasilan eksekusi tugas nyata, sehingga tim dapat merilis pembaruan dengan dampak yang terukur.

Fokus pekerjaan Anda

• Susun benchmark pengujian untuk katalog, pembuatan konten, percakapan layanan, dan tugas tool-use.
• Rancang rubrik penilaian otomatis maupun kurasi manusia, disertai analisis kesepakatan (inter-annotator agreement), bias, dan cakupan skenario.
• Kembangkan uji regresi dan adversarial testing untuk menguji batas perizinan serta mencegah halusinasi klaim yang tidak berdasar.
• Analisis eksperimen dan perbandingan model, lalu komunikasikan temuan teknis yang aplikatif beserta batasan signifikansi statistiknya.

Keahlian yang Anda bawa

• Pengalaman di bidang evaluasi ML, applied research, atau rekayasa mutu kecerdasan buatan (AI quality).
• Kemampuan mumpuni dalam Python, analisis data, dan perancangan eksperimen ilmiah.
• Memahami limitasi metode LLM-as-judge, risiko kebocoran data uji (data leakage), dan potensi bias evaluasi.
• Mampu mengomunikasikan temuan teknis secara lugas dan menerjemahkannya ke dalam prioritas peningkatan rekayasa perangkat lunak.

Tentang Mollkom

Mollkom adalah lingkungan sistem operasi perdagangan berbasis AI. Kami menyatukan penyiapan produk, konten, pemasaran, dan layanan pelanggan dengan pesanan, stok, kasir POS, dan logistik pengiriman agar seluruh alur berjalan dari satu basis pengetahuan terpadu.