الوصف الوظيفي
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إجادتك للغة الإنجليزية.
Mindrift يربط المتخصصين بفرص الذكاء الاصطناعي المعتمدة على المشاريع مع شركات تقنية رائدة، مركّزاً على اختبار الأنظمة الذكية وتقييمها وتحسينها.
المشاركة قائمة على المشروع، وليست توظيفاً دائماً.
ما تتضمنه هذه الفرصة: نحن نبني مجموعة بيانات لتقييم وكلاء البرمجة بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطورين الواقعية.
ستقوم بإنشاء مهام وتقييمات داخل بيئات محاكاة واقعية: بناء بيئات مطور واقعية - شركة افتراضية بها قاعدة كود وبنية تحتية وسياق (التذاكر، المستندات، المحادثات) التي تشكل تاريخ تطوير مقبول التصميم مهام من حالات وسيطة لهذه البيئات - اصنع المطالَبة، عرّف ما يعني "حل"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي اكتب اختبارات تتحقق من حلول الوكلاء - قبول جميع الأساليب الصحيحة ورفض الأساليب غير الصحيحة، ليس صارماً للغاية ولا متساهلاً للغاية استمر في تحسين المهام والاختبارات بناءً على ملاحظات ضمان الجودة - راجع حلول الوكلاء، حلل الإخفاقات، و حسّن حتى يصبح التقييم عادلاً ومتيناً ما ليس هذا: ليس تصنيف بيانات ليس هندسة مطالبة ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت توجّه وتقيّم ما نبحث عنه: 8+ سنوات في تطوير البرمجيات البنية الأساسية: بايثون (FastAPI)، JavaScript/TypeScript (React)، Docker، PostgreSQL، Kafka، Redis خبرة في كتابة الاختبارات (وظيفية، تكامل) الكفاءة الإنجليزية - B2+ لماذا هذا صعب: النماذج الحدودية جيدة في البرمجة بالفعل.
إنشاء مهمة تتحدى أفضل النماذج بشكل حقيقي أمر غير بسيط.
تحتاج إلى فهم عميق أين تفشل النماذج وماذا تكشفه السيناريوهات عن الفرق بين حل جيد وآخر سيئ.
لدى المهام العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض غير الصحيحة أصعب مما يبدو.
كيف يعمل هذا التطبيق: التقديم → اجتياز المؤهلات → الانضمام إلى مشروع → إكمال المهام → الدفعتقدير الجهد: من المتوقع أن تأخذ المهام لهذا المشروع حوالي 30 ساعة لإكمالها، اعتماداً على التعقيد.
هذا تقدير وليس متطلباً جدولياً؛ اختر متى وكيف العمل.
يجب تقديم المهام قبل الموعد النهائي وتلبية معايير القبول المدرجة ليتم قبولها.
التعويض: حتى 200 دولار/ساعة مكافئ، حسب المستوى والإيقاع.
تُقدَّر المهام بحوالي ~30 ساعة لكل منها؛ قم بتحديد 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.