وصف الوظيفة
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى الكفاءة في اللغة الإنجليزية لديك.
Mindrift تربط المتخصصين بفرص الذكاء الاصطناعي القائمة على المشاريع مع شركات تقنية رائدة، مع التركيز على الاختبار والتقييم والتحسين لأنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشاريع وليست توظيفًا دائمًا.
ما تتضمنه هذه الفرصة: نحن نبني مجموعة بيانات لتقييم وكلاء التكويد بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطورين الواقعية.
ستقوم بإنشاء مهام وتقييمات صارمة ضمن بيئات محاكاة واقعية: بناء بيئات مطور واقعية - شركة افتراضية تحتوي على قاعدة كود وبنية تحتية وسياق (التذاكر، المستندات، المحادثات) التي تشكل تاريخ تطوير يمكن تصديقه تصميم مهام من حالات وسيطة لهذه البيئات - صياغة المطالبة، وتحديد معنى "الم_SOLVED" والتأكد من قابلية حل المهمة بواسطة وكيل AI اكتب اختبارات تتحقق من حلول الوكلاء - اقبل جميع الأساليب الصحيحة ورفض الأساليب الخاطئة، لا تكون صارمًا جدًا ولا متساهلًا جدًا. قم بالتكرار على المهام والاختبارات بناءً على تغذية راجعة QA - راجع حلول الوكلاء، حلل الإخفاقات، وقم بتحسينها حتى تكون التقييم عادلًا وموثوقًا ما هذا ليس: ليس وسم بيانات ليس هندسة المطالبات ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت تقود وتقييم ما نبحث عنه: 8+ سنوات في تطوير البرمجيات مكدس الأساس: بايثون (FastAPI)، جافا سكريبت/تايب سكريبت (ريأكت)، Docker، Postgres، Kafka، Redis خبرة في كتابة الاختبارات (وظيفية، تكامل) proficiency الإنجليزية - B2+. لماذا هذا صعب: النماذج الحدوديّة جيدة بالفعل في الترميز.
إنشاء مهمة تتحدى النماذج الأفضل حقًا ليست أمرًا بسيطًا.
تحتاج إلى فهم عميق لأين تفشل النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيئ.
المهام لديها العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض الحلول الخاطئة أصعب من أن تُظن.
كيف تعمل العملية: التقديم → اجتياز التأهيل → الانضمام إلى مشروع → إكمال المهام → الدفع. تقدير الجهد: من المتوقع أن تستغرق المهام لهذا المشروع حوالي 30 ساعة لإكمالها، حسب التعقيد.
هذه تقديرية وليست متطلبات برنامج زمني؛ اختر متى وكيف تعمل.
يجب تقديم المهام قبل الموعد النهائي وتلبية معايير القبول المدرجة ليتم قبولها.
التعويض: حتى 200 دولار/ساعة مكافئ، حسب المستوى والسرعة.
تُقدَّر المهام بحوالي ~30 ساعة لكل منها؛ يمكنك تحديد جدولك الزمني بنفسك.
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.