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.
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 (Fast API), Java Script/Type Script (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.
Requirements And Benefits
Educational qualifications
A Master's Degree in Computer Science, Software Engineering, Data Science / Data Analytics, Artificial Intelligence / Machine Learning, Computational Linguistics / Natural Language Processing (NLP), Information Systems or other related fields. Bachelor's degree is accepted if only candidate has 5 years of experience in the field
Academic and/or Professional Experience
Candidates should have a minimum of 3 years of professional experience in related roles or domain - specifically for QA-automation/testing or cybersecurity roles
How It Works
Apply → Pass qualification(s) → Join a project → Complete tasks → Get paid
Compensation:
Paid per accepted task. Your rate depends on the qualification tier you reach and how efficiently you complete tasks — up to the equivalent of $50/hr. Because payment is per task, a faster pace raises your effective hourly rate.
Why this freelance opportunity might be a great fit for you?
Take part in a part-time, remote, freelance project that fits around your primary professional or academic commitments. Work on advanced AI projects and gain valuable experience that enhances your portfolio. - Influence how future AI models understand and communicate in your field of expertise
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية مع تحديد مستوى إجادتك للغة الإنجليزية.
توصل Mindrift بين المتخصصين وفرص الذكاء الاصطناعي القائمة على المشاريع مع شركات التكنولوجيا الرائدة، مع التركيز على اختبار وتقييم وتحسين أنظمة الذكاء الاصطناعي. المشاركة هنا قائمة على المشاريع وليس التوظيف الدائم.
نقوم ببناء مجموعة بيانات لتقييم وكلاء الترميز في الذكاء الاصطناعي - مدى جودة تعامل النموذج مع مهام المطورين في العالم الحقيقي.
ستقوم بإنشاء مهام صعبة ومعايير تقييم ضمن بيئات محاكاة واقعية:
إنشاء بيئات تطوير واقعية - شركة افتراضية مع قاعدة كود وبنية تحتية وسياق (تذاكر، وثائق، محادثات) تشكل تاريخ تطوير مقنع تصميم المهام من الحالات المتوسطة لهذه البيئات - صياغة المطالبات، تحديد معنى "تم الحل"، وضمان إمكانية حل المهمة بواسطة وكيل الذكاء الاصطناعي كتابة اختبارات للتحقق من حلول الوكيل - قبول جميع النهج الصحيحة ورفض غير الصحيحة، دون أن تكون صارمة للغاية أو متساهلة للغاية تكرار المهام والاختبارات بناءً على ملاحظات ضمان الجودة - مراجعة حلول الوكيل، تحليل الأخطاء، وتحسينها حتى يصبح التقييم عادلاً وقوياً
ما هذا ليس:
ليس تصنيف البيانات ليس هندسة المطالبات ليس كتابة الكود من الصفر - يكتب الوكيل معظم الكود، وأنت توجه وتقييم
ما نبحث عنه:
5 سنوات أو أكثر في تطوير البرمجيات المكدس الأساسي: بايثون (Fast API)، جافا سكريبت/Type Script (React)، دوكير، بوستجرس، كafka، ريديس خبرة في كتابة الاختبارات (وظيفية، تكاملية) إجادة اللغة الإنجليزية - B2+
لماذا هذا صعب:
نماذج الرائدة جيدة بالفعل في الترميز. إنشاء مهمة تحدي النماذج الأفضل ليس بالأمر السهل. تحتاج إلى فهم عميق لأماكن فشل النماذج وما هي السيناريوهات التي تكشف الفرق بين الحل الجيد والسيء. المهام لديها العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض غير الصحيحة أصعب مما يبدو.
المتطلبات والفوائد
المؤهلات التعليمية
درجة الماجستير في علوم الكمبيوتر، هندسة البرمجيات، علوم البيانات/تحليلات البيانات، الذكاء الاصطناعي/تعلم الآلة، اللغويات الحاسوبية/معالجة اللغة الطبيعية (NLP)، نظم المعلومات أو مجالات ذات صلة. يُقبل البكالوريوس إذا كان المرشح لديه 5 سنوات خبرة في المجال
الخبرة الأكاديمية أو المهنية
يجب أن يكون المرشحون لديهم خبرة مهنية لا تقل عن 3 سنوات في أدوار أو مجالات ذات صلة - تحديداً roles في اختبار الأتمتة/الاختبار أو الأمن السيبراني
كيف يعمل الأمر
التقديم → اجتياز المؤهلات → الانضمام إلى مشروع → إكمال المهام → الحصول على الأجر
المكافأة:
الأجر لكل مهمة مقبولة. يعتمد معدلك على مستوى المؤهلات الذي تصل إليه وسرعة إكمال المهام - حتى ما يعادل 50 دولارًا للساعة. بما أن الدفع يكون لكل مهمة، فإن السرعةraise معدل الساعات الفعلي لديك.
لماذا قد تكون هذه الفرصةFreelance مناسبة لك؟
شارك في مشروع حر بدوام جزئي عن بعد يتناسب مع التزاماتك المهنية أو الأكاديمية الأساسية. اعمل على مشاريع ذكاء اصطناعي متقدمة واكتسب خبرة قيمة تعزز ملفك الشخصي. - أثر في كيفية فهم نماذج الذكاء الاصطناعي المستقبلية والتواصل في مجال تخصصك