وصف الوظيفة
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إتقانك للغة الإنجليزية.
Mindrift يربط المتخصصين بفرص الذكاء الاصطناعي القائمة على المشاريع للشركات التقنية الرائدة، مع تركيز على اختبار وتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع وليست توظيفًا دائمًا.
ما تتضمنه هذه الفرصة: نحن ننشئ مجموعة بيانات لتقييم وكلاء الترميز بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطورين الواقعية.
ستقوم بإنشاء مهام وتقييمات صعبة ضمن بيئات محاكاة واقعية: بناء بيئات مطور واقعية - شركة افتراضية مع قاعدة كود وبنية تحتية وسياق (تذاكر، وثائق، محادثات) تشكل تاريخ تطوير يمكن تصديقه وتصميم مهام من حالات وسيطة لهذه البيئات - صغ الطلب وحدد ما يعني "حل" وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي اكتب اختبارات للتحقق من حلول الوكلاء - اقبل جميع الأساليب الصحيحة ورفض غير الصحيحة، لا تكون صارم جدًا ولا متساهل جدًا تدرُّب المهام والاختبارات بناءً على تغذية راجعة من Q A - راجع حلول الوكلاء، حلل الإخفاقات، وصقلها حتى تكون التقييم عادلًا وقويًا ما هذا ليس: ليس تسمية بيانات ليس هندسة مطالبة ليست كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت توجه وتقييم ما نبحث عنه: 8+ سنوات في تطوير البرمجيات الكومة الأساسية: بايثون (FastAPI)، جافا سكريبت/أنغوللا TypeScript (React)، دوكر، Postgres، Kafka، Redis خبرة في كتابة الاختبارات (وظيفية، تكامل) الكفاءة الإنجليزية - B2+ لماذا هذا صعب: النماذج الحدودية جيدة بالفعل في الترميز.
إنشاء مهمة تتحدى النماذج الأفضل حقًا ليس أمرًا بسيطًا.
تحتاج إلى فهم عميق أين تفشل النماذج وما السيناريوهات التي تكشف الفرق بين حل جيد وحل سيئ.
لدى المهام العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض غير الصحيحة أمر أصعب مما يبدو.
كيف يعمل النظام قدم → اجتاز التأهيل(ات) → انضم إلى مشروع → أكمل المهام → احصل على أجرالتقدير: المهام لهذا المشروع مقدر لها حوالي 30 ساعة لإكمالها، حسب التعقيد.
هذا تقدير وليس متطلبًا للجدول؛ أنت تختار متى وكيف تعمل.
يجب تقديم المهام بحلول الموعد النهائي وتفي معايير القبول المدرجة ليتم قبولها.
التعويض: يصل حتى 200 دولار/ساعة مكافئ، حسب المستوى والوتيرة.
تُقدَّر المهام بحوالي 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.