الوصف الوظيفي
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى كفاءتك في اللغة الإنجليزية.
Mindrift تربط المتخصصين بفرص الذكاء الاصطناعي القائمة على المشاريع لعدد من شركات التكنولوجيا الرائدة، مع تركيز على الاختبار، التقييم، وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع وليست توظيفاً دائماً.
ما تنطوي عليه هذه الفرصة نحن نقوم ببناء مجموعة بيانات لتقييم وكلاء ترميز AI - مدى قدرة النموذج على التعامل مع مهام المطورين في العالم الحقيقي.
ستنشئ مهاماً وتقييمات دقيقة ضمن بيئات محاكاة واقعية: بناء بيئات مطور واقعية - لشركة افتراضية تحتوي على قاعدة كود وبنية تحتية وسياق (تذاكر، مستندات، محادثات) تشكل تاريخ تطوير يمكن تصديقه تصميم مهام من حالات وسيطة لهذه البيئات - صِغ الطلب، حدِّد ما يعني "تمت المعالجة"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي اكتب اختبارات تتحقق من حلول الوكيل - اقبل جميع الأساليب الصحيحة ورفض الأساليب غير الصحيحة، لا تكون صارمة جدًا ولا متساهلة جدًا كرر العمل على المهام والاختبارات بناءً على ملاحظات QA - راجع حلول الوكلاء، حلل الإخفاقات، وحسِّن حتى يكون التقييم عادلاً ومتين ما ليس هذا NOT NOT علامة البيانات NOT هندسة الإرشادات NOT كتابة الشفرة من الصفر - الوكيل يكتب معظم الشفرة؛ أنت تقود وتقيّم ما نبحث عنه 5+ سنوات في تطوير البرمجيات النواة التقنية: Python (FastAPI)، JavaScript/TypeScript (React)، Docker، Postgres، Kafka، Redis الخبرة في كتابة الاختبارات (العملية، التكامل) الكفاءة في الإنجليزية - B2+ لماذا هذا صعب النماذج المتقدمة في المجال قد تكون جيدة في الترميز بالفعل.
إنشاء مهمة تتحدى النماذج الأفضل بشكل حقيقي ليس أمرًا بسيطًا.
تحتاج إلى فهم عميق لأين تفشل النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيئ.
المهام لها حلول متعددة صالحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض الحلول غير الصحيحة أصعب مما يبدو.
كيف يعمل النظام Apply → Pass qualification(s) → Join a project → Complete tasks → Get paid التعويض حتى 50 دولارًا/ساعة مكافئ، اعتمادًا على المستوى وتيرة العمل.
تُقدَّر المهام بحوالي ~20 ساعة لكل منها؛ يمكنك ضبط 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 5+ 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 paid Compensation Up to $50/hr equivalent , depending on level and pace.
Tasks are estimated at ~20 hours each; you set your own schedule.