Korean PDF Annotation Specialist

Fluência em Língua Necessária: Coreano. Fluência nativa em coreano, incluindo domínio total do Hangul, é necessária para esta posição. Todo o trabalho de anotação e transcrição é realizado em coreano.

Por que Este Papel Existe: A compreensão de documentos quebra-se mais rapidamente nas línguas que os modelos de parsing e visão-linguagem raramente veem. Este projeto constrói dados de treinamento para exatamente essas línguas: coreano, juntamente com japonês e cinco scripts indicados. Cada tarefa pega uma página PDF real e publicamente disponível e produz um mapa estrutural completo dessa página, emparelhado com uma transcrição fiel de cada região de texto no script original. O conjunto de dados concentra-se deliberadamente no material que os modelos lidam pior: caligrafia, layouts densos de múltiplas colunas, tabelas, diagramas e páginas de scripts mistos. Os documentos são retirados de jornais, livros didáticos, exames e formatos cotidianos, como panfletos, formulários, manuais, menus, brochuras, avisos e folhas de trabalho, para que o corpus reflita a verdadeira diversidade dos documentos coreanos, em vez de uma faixa estreita de documentos facilmente analisáveis. O trabalho entregue é totalmente autoral. A identificação de componentes, tipificação de componentes, ordem de leitura e toda a transcrição são realizadas por pessoas, não geradas por modelos de parsing.

O que Você Fará:

• Abrir e verificar uma tarefa: as páginas são fornecidas, portanto você não precisa buscar documentos por conta própria. Nós encontramos os PDFs e os carregamos para você. Antes de anotar, confirme se a página está em coreano, é legível, tem conteúdo real e não mostra detalhes pessoais.
• Anotar estrutura: identificar e delimitar cada região significativa da página - título do documento, cabeçalho de seção, parágrafo, lista, tabela, figura, diagrama, legenda, fórmula, campo de pergunta, resposta - e atribuir a cada uma um tipo de componente e um índice de ordem de leitura.
• Registrar relacionamentos: vincular cada região à figura ou tabela a que pertence através de um identificador de componente pai.
• Transcrever fielmente: reproduzir todo o texto exatamente como aparece em Hangul, incluindo qualquer hanja e conteúdo manuscrito, sinalizando qualquer região onde a fonte não seja legível.
• Capturar metadados da página: idioma, tipo de documento, fonte, dimensões da página e bandeiras para tabelas, fórmulas e caligrafia.
• Revisar o trabalho de um colega: cada tarefa é revisada de ponta a ponta por um segundo especialista coreano, e anotadores experientes assumem essa revisão.

Quem Você É:

• Você é um falante nativo de coreano com domínio total do Hangul, incluindo hanja onde aparece em documentos mais antigos ou formais.
• Você trabalhou em transcrição bilíngue, tradução, trabalho editorial ou dados de treinamento de IA, idealmente com experiência em revisão.
• Você é exato: a precisão a nível de caracteres é mais importante aqui do que a velocidade, e um único jamo errado é um defeito.
• Você é sistemático: aplica uma taxonomia consistentemente em centenas de páginas, em vez de improvisar por documento.
• Você se sente confortável com layouts desconhecidos: jornais de múltiplas colunas, provas de exame, formulários manuscritos.

Especialidades Desejáveis:

• Dados de treinamento de IA: anotação, rotulagem, classificação ou avaliação bilíngue para conjuntos de dados de treinamento.
• Transcrição e localização: MTPE, legendagem, QA bilíngue, correção de OCR ou pós-edição.
• Produção de documentos: composição, edição, revisão ou digitalização de material em língua coreana.
• Script e codificação: normalização Unicode, métodos de entrada coreana, composição de jamo Hangul e manuseio de hanja.

Como é o Sucesso:

• Cada região significativa na página é capturada, corretamente delimitada e corretamente tipificada.
• A ordem de leitura reflete como a página é realmente lida, incluindo entre colunas.
• As transcrições correspondem à fonte caractere por caractere, em Hangul em vez de romanização.
• Suas tarefas passam pela revisão do segundo especialista na primeira vez.
• Páginas inadequadas são sinalizadas desde o início, em vez de após trinta minutos de trabalho.

Por que Juntar-se à Mercor: Construa os dados de treinamento que fazem a IA de documentos funcionar em scripts que atualmente lida mal. Trabalhe com documentos coreanos publicados reais, em vez de páginas sintéticas ou modeladas. A qualidade é a principal medida neste projeto: a precisão é a primeira medida, com o tempo de manuseio rastreado ao lado dela.