وصف الوظيفة
يرجى إرسال سيرتك الذاتية باللغة الإنجليزية والت indicar مستوى إتقانك للغة الإنجليزية.
يربط Mindrift المتخصصين بفرص ذكاء اصطناعي قائمة على المشاريع لشركات تقنية رائدة، مع تركيز على الاختبار والتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع وليست توظيفاً دائماً.
ما تنطوي عليه هذه الفرصة نحن نبني مجموعة بيانات لتقييم وكلاء الترميز بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطورين الواقعية.
ستقوم بإنشاء مهام وت criteria تقييم داخل بيئات محاكاة واقعية: بناء بيئات مطور واقعية - شركة افتراضية بها قاعدة أكواد وبنية تحتية وسياق (تذاكر، وثائق، محادثات) تشكل تاريخ تطوير يمكن تصديقه تصميم المهام من حالات وسيطة لهذه البيئات - صغ السؤال، حدد ما يعنيه "تم الحل"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي اكتب اختبارات تتحقق من حلول الوكلاء - اقبل جميع الأساليب الصحيحة ورفض الأساليب غير الصحيحة، لا تكون صارمة جدًا ولا متساهلة جدًا تكرار المهام والاختبارات بناءً على ملاحظات QA - راجع حلول الوكلاء، حلل الإخفاقات، وصقل حتى تكون التقييمات عادلة ومتينة ما هذا ليس ليس وضع بيانات ليس هندسة الطلب ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت توجه وتقيّم ما نبحث عنه 5+ سنوات في تطوير البرمجيات الأساس التكنولوجي: بايثون (FastAPI)، جافاسكريبت/تايب سكريبت (ريأكت)، دوكر، بوستغريس، كافكا، ريديس خبرة في كتابة الاختبارات (وظيفية، تكامل) الإتقان باللغة الإنجليزية - B2+ لماذا هذا صعب؟ موديلات الواجهة الأمامية/الموديلات الحدودية جيدة في الترميز بالفعل.
إنشاء مهمة تتحدى النماذج الأفضل حقًا ليس بالسهلة.
تحتاج إلى فهم عميق أين تفشل النماذج وما السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيئ.
للمهمات هناك حلول كثيرة صالحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض غير الصحيحة أصعب مما يبدو.
كيف يعمل العمل التقديم → اجتياز التأهيل → الانضمام إلى مشروع → إتمام المهام → الدفع التعويض حتى 50 دولار/ساعة مكافئ، حسب المستوى والإيقاع.
يتم تقدير المهام بنحو ~20 ساعة لكل منها؛ حدد جدولك الزمني 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.