وصف الوظيفة
يرجى إرسال سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إجادتك للغة الإنجليزية.
Mindrift تربط المتخصصين بفرص AI قائمة على المشروع لشركات تقنية رائدة، مع التركيز على الاختبار والتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع، وليست توظيفاً دائمًا.
ماذا تتضمن هذه الفرصة: نحن نبني مجموعة بيانات لتقييم وكلاء الترميز بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطورين الواقعية.
ستخلق مهامًا وتقييمات معروفة التحديات ضمن بيئات محاكاة واقعية: بناء بيئات مطورين واقعية - شركة افتراضية تحتوي على قاعدة الشفرة، والبنية التحتية، والسياق (التذاكر، الوثائق، المحادثات) التي تشكل تاريخ تطوير مقبول تصميم مهام من حالات وسيطة لهذه البيئات - صغ الهدف، حدد معنى "المsolved"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل AI اكتب اختبارات تتحقق من حلول الوكيل - اقبل كل الأساليب الصحيحة واطرح الأساليب الخاطئة، لا تكون صارمًا جدًا ولا متساهلاً جدًا كرِّر العمل على المهام والاختبارات استنادًا إلى تعليقات QA - راجع حلول الوكلاء، حلل الإخفاقات، وحرِّر حتى تكون التقييم عادلًا وقويًا ما ليس هذا: ليس تصنيف بيانات ليس هندسة مطالب ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت تُوجِّه وتقيّم ما الذي نبحث عنه: خبرة 8+ سنوات في تطوير البرمجيات الكتلة الأساسية: بايثون (FastAPI)، جافاسكريبت/تايب سكريبت (React)، دوكر، بوستغري، كافكا، ريديس خبرة في كتابة الاختبارات (وظيفية، تكامل) الكفاءة الإنجليزية - B2+ لماذا هذا صعب: النماذج المتقدمة جيدة بالفعل في الترميز.
إنشاء مهمة تتحدى النماذج الأفضل بشكل حقيقي ليست أمرًا بسيطًا.
تحتاج إلى فهم عميق لمكان فشل النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيئ.
للمهمات عدة حلول صالحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض الحلول الخاطئة أصعب مما يبدو.
كيف يعمل: التقديم → اجتياز التأهيل → الانضمام إلى مشروع → إكمال المهام → الدفع تقدير الجهد المهام للمشروع مقدَّر أنها ستستغرق 30 ساعة لإكمالها، حسب التعقيد.
هذا تقدير وليس متطلب جدول زمني؛ اختر متى وكيف تعمل.
يجب تقديم المهام قبل الموعد النهائي وتفي بمعايير القبول المدرجة ليتم قبولها.
التعويض: حتى 200 دولار/ساعة مكافئ، حسب المستوى والوتيرة.
تُقدَّر المهام بنحو ~30 ساعة لكل منها؛ أنت تحدد جدولك الخاص.
Job description
Please submit your CV in English and indicate your level of English proficiency.
Mindrift connects specialists with project-based AI opportunities for leading tech companies, focused on testing, evaluating, and improving AI systems.
Participation is project-based, not permanent employment.
What this opportunity involves: We're building a dataset to evaluate AI coding agents - how well a model handles real-world developer tasks.
You'll create challenging tasks and evaluation criteria within realistic simulated environments: Build realistic developer environments - a virtual company with codebase, infrastructure, and context (tickets, docs, conversations) that forms a believable development history Design tasks from intermediate states of these environments - craft the prompt, define what "solved" means, and ensure the task is solvable by an AI agent Write tests that verify agent solutions - accept all valid approaches and reject incorrect ones, neither too strict nor too lenient Iterate on tasks and tests based on QA feedback - review agent solutions, analyze failures, and refine until the evaluation is fair and robust What this is NOT: Not data labeling Not prompt engineering Not writing code from scratch - the agent writes most of the code; you guide and evaluate What we look for: 8+ years in software development Core stack: Python (FastAPI), JavaScript/TypeScript (React), Docker, Postgres, Kafka, Redis Experience writing tests (functional, integration) English proficiency - B2+ Why this is hard: Frontier models are already good at coding.
Creating a task that genuinely challenges the best models is non-trivial.
You need to deeply understand where models fail and what scenarios reveal the difference between a good and a bad solution.
Tasks have many valid solutions - writing tests that accept all correct solutions and reject incorrect ones is harder than it sounds.
How it works Apply → Pass qualification(s) → Join a project → Complete tasks → Get paidEffort estimate Tasks for this project are estimated to take 30 hours to complete, depending on complexity.
This is an estimate and not a schedule requirement; you choose when and how to work.
Tasks must be submitted by the deadline and meet the listed acceptance criteria to be accepted.
Compensation: Up to $200/hr equivalent , depending on level and pace.
Tasks are estimated at ~30 hours each; you set your own schedule.