Num relance
- Tarefas: Transcreve e anota documentos em Bengali, garantindo precisão e qualidade.
- Empresa: Mercor, uma empresa focada em inteligência artificial e diversidade linguística.
- Benefícios: Trabalho remoto, flexibilidade de horários e oportunidade de impactar a tecnologia.
- Outras informações: Ambiente colaborativo com foco na qualidade e precisão do trabalho.
- Porquê este emprego: Ajuda a construir dados que melhoram a inteligência artificial em línguas menos representadas.
- Qualificações: Fluência nativa em Bengali e experiência em transcrição ou anotação.
O salário previsto situa-se entre 47250 - 57750 € por ano.
Habilidades Linguísticas Fluentes Requeridas: Bengali. A fluência nativa em Bengali, incluindo o domínio completo do script e da ortografia bengali, é necessária para esta posição. Todo o trabalho de anotação e transcrição é realizado em Bengali.
Por que Este Papel Existe: A compreensão de documentos se degrada mais rapidamente nas línguas que os modelos de parsing e visão-linguagem raramente veem. Este projeto constrói dados de treinamento para exatamente essas línguas: Bengali, juntamente com quatro outros scripts índicos, japonês e coreano. 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 extraídos 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 bengalis, em vez de uma faixa estreita de documentos facilmente analisáveis.
O trabalho entregue é totalmente elaborado por humanos. 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:
- Fonte de documentos: encontrar um PDF bengali acessível ao público em um tipo de documento designado, contendo pelo menos um elemento multimodal (imagens, tabelas, diagramas ou caligrafia), e registrar onde você o obteve.
- 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, campo de 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 no script bengali, incluindo 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 em Bengali, e anotadores experientes assumem essa revisão.
Quem Você É:
- Você é um falante nativo de Bengali com domínio total do script, seus diacríticos e suas formas conjunctas.
- Você trabalhou com documentos: anotação, transcrição, tradução, localização, legendagem, revisão de textos ou revisão de dados em língua regional.
- Você é exato: a precisão a nível de caracteres é mais importante aqui do que a velocidade, e um único diacrítico 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 IA em língua regional: 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, revisão de textos, edição ou digitalização de material em língua bengali.
- Script e codificação: normalização Unicode, métodos de entrada em Bengali, precisão de forma numérica e de forma de caractere.
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 através de colunas.
- As transcrições correspondem à fonte caractere por caractere, em script bengali em vez de transliteração.
- Suas tarefas passam pela revisão do segundo especialista na primeira vez.
- Os documentos que você traz adicionam diversidade de layout em vez de repetir modelos já existentes no corpus.
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 bengalis 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.
Empregador para Bengali Transcription and Annotation Expert: Obsidian
A Mercor, oferecemos uma oportunidade única para especialistas em transcrição de Odiya que desejam trabalhar remotamente e contribuir para a construção de dados de treinamento essenciais para a inteligência artificial. Com um foco na precisão e na qualidade, promovemos uma cultura de trabalho colaborativa onde cada membro da equipe é valorizado e tem a oportunidade de crescer profissionalmente, enquanto trabalha com documentos autênticos e variados. Junte-se a nós e faça parte de um projeto significativo que impacta diretamente a forma como a tecnologia lida com idiomas menos representados.
