Esta vacante tiene más de una semana y podría haber caducado

M

micro1

8 de noviembre de 2026

Investigador y Evaluador de Agentes de Código con IA

Diseña los benchmarks y metodologías que miden y mejoran a los agentes de código de frontera. Rol remoto de tiempo completo en micro1, con equity y beneficios.

100% Remoto 🌎Desarrollo de softwareTiempo completoUSD 600.000 - 1.300.000 al año

Comparte esta vacante


¿Encaja contigo?

Esta vacante es para ti si…

  • Te apasiona evaluar y mejorar modelos de IA
  • Programas en Python o C++ con solidez
  • Disfrutas la investigación con mucha ambigüedad
  • Buscas impacto en modelos de código de frontera
Ten en cuenta:Base USD 200K-260K + equity y bonos3+ años de experienciaComunicación técnica en inglés

Descripción del Puesto

Sobre esta oportunidad

micro1 busca a un Member of Technical Staff para su área de investigación y evaluación de agentes de código. Es un rol en la intersección entre investigación en IA, ingeniería de software y evaluación de modelos: tu trabajo definirá cómo se miden y se mejoran los modelos de programación de próxima generación. Es una posición 100% remota y de tiempo completo, pensada para alguien que disfruta de entornos de investigación acelerados y con mucha ambigüedad.

El mercado de agentes de código y de evaluación de modelos de frontera está creciendo rápidamente, y quienes saben diseñar benchmarks confiables son cada vez más valiosos para los laboratorios de IA y las empresas que los usan.

Perfil buscado

Buscan a una persona con base sólida en ingeniería de software y curiosidad genuina por entender cómo los datos, las evaluaciones y los mecanismos de retroalimentación influyen en las capacidades de un modelo. Te sentirás cómodo si te gusta investigar el comportamiento de los modelos, encontrar sus puntos débiles y convertir esos hallazgos en mejoras concretas, trabajando de cerca con investigadores, ingenieros y equipos de IA aplicada.

Qué harás

  • Diseñar y liderar marcos de evaluación para agentes de código: especificaciones de benchmarks, metodologías de puntuación, rúbricas y estándares de calidad.
  • Encabezar iniciativas de investigación de punta a punta para medir y mejorar el desempeño de modelos de código en distintas tareas de ingeniería de software.
  • Desarrollar conjuntos de datos de alta calidad, ejemplos de referencia y protocolos de evaluación.
  • Analizar el comportamiento y los modos de falla de los modelos, e identificar debilidades sistemáticas para convertirlas en mejoras de entrenamiento y evaluación.
  • Construir herramientas e infraestructura para experimentación a gran escala, generación de datos, flujos de revisión y pipelines de evaluación.
  • Establecer mejores prácticas de evaluación con rigor metodológico, reproducibilidad y calidad de medición.
  • Colaborar en el diseño de experimentos para evaluar capacidades emergentes de los modelos.
  • Contribuir a reportes técnicos, estudios de benchmarks e iniciativas de investigación dirigidas a clientes.

Requisitos clave

  • Sólida formación en ingeniería de software, con dominio de Python, C++ o lenguajes comparables.
  • 3 años o más de experiencia en ingeniería de software, machine learning, investigación en IA, evaluación o disciplinas técnicas afines.
  • Experiencia diseñando, revisando o validando evaluaciones técnicas, benchmarks, tareas de programación o metodologías de evaluación.
  • Familiaridad con modelos de lenguaje (LLMs), agentes de código, aprendizaje por refuerzo, evaluación de modelos o sistemas de IA relacionados.
  • Capacidad comprobada para construir herramientas, automatizar flujos de trabajo y mejorar procesos mediante experimentación sistemática.
  • Fuertes habilidades analíticas para investigar el comportamiento de sistemas técnicos complejos.
  • Excelente comunicación escrita y verbal para explicar hallazgos técnicos a distintas audiencias.
  • Comodidad en entornos de investigación dinámicos, con prioridades cambiantes.

Valorado adicionalmente

  • Experiencia con sistemas de IA de frontera, agentes de código o investigación en evaluación de modelos.
  • Trayectoria impulsando de forma independiente proyectos técnicos o de investigación ambiguos, desde la idea hasta la ejecución.
  • Experiencia diseñando benchmarks o datasets para sistemas de machine learning a escala.
  • Familiaridad con flujos agénticos, uso de herramientas, aprendizaje por refuerzo o metodologías de post-entrenamiento.
  • Publicaciones, contribuciones open source o liderazgo técnico demostrado en IA, machine learning o ingeniería de software.

Beneficios de la posición

  • Participación accionaria (equity) para todos los empleados.
  • Posibilidad de bonos por desempeño, según el rol y las políticas de la empresa.
  • Reembolso de hasta el 100% de las primas del seguro médico.
  • Vacaciones pagadas.
  • Plan 401(k) con aportación de la empresa.
  • Beneficios adicionales pensados para un equipo remoto de alto desempeño.

Rango salarial

El rango indicado en los datos de la vacante es de USD 600,000 - 1,300,000. Por otro lado, el texto original señala que el salario base nacional para esta posición de tiempo completo es de USD 200,000 – 260,000, además de equity y posibles bonos.

Sobre el proceso de selección

micro1 es un empleador que ofrece igualdad de oportunidades. Su proceso de contratación usa herramientas de inteligencia artificial para apoyar la evaluación de candidatos, aunque están diseñadas para complementar, y no reemplazar, la decisión humana.

¿Te interesa? Aplica directamente desde el enlace de la vacante.

AplicarEntra o crea tu cuenta gratis (incluye el newsletter semanal) para ver el enlace de aplicación.

Fuente: HimalayasVacante originalmente publicada en Himalayas. Descripción adaptada por el equipo de Vacantes Remotas.

Vacantes relacionadas

Accede a más trabajos en
nuestro canal de Telegram
100K+