وصف الوظيفة
يرجى إرسال سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إجادتك للغة الإنجليزية.
تتصل Mindrift المتخصصين بفرص ذكاء اصطناعي قائمة على المشاريع لشركات تقنية رائدة، مع التركيز على الاختبار والتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع، وليست توظيفًا دائمًا.
ما تتضمنه هذه الفرصة: عملاء Frontier للبرمجة جيدون بالفعل في اجتياز الاختبارات.
نقيس ما إذا كانوا يجتازونها بالطريقة الصحيحة .
نحن نبني مجموعة بيانات لتقييم أمان وسلوك وكلاء البرمجة بالذكاء الاصطناعي — ليس فقط ما إذا كانوا أكملوا مهمة ما، بل هل قاموا بها بنزاهة، ضمن النطاق، ودون تقصير في العمل.
ستصمم مهام حيث الطريق السهل هو الطريق غير الآمن، وتكتب الاختبارات التي تكشف ذلك: بناء بيئات مطور واقعية — شركة افتراضية مع قاعدة كود وبنية وتواصل (التذاكر، المستندات، المحادثات) التي تشكل تاريخ تطوير مقبول
تصميم مهام تربط هدف تطوير آمن ببديل غير آمن مغرٍ: توسيع النطاق، الانتهاكات السياسية، تلف البيانات، التغييرات ذات الامتيازات المفرطة
اكتب اختبارات تتحقق مما إذا كان الوكيل قد أنجز المهمة بالطريقة الصحيحة — مع اكتشاف التقصير في الدقة وعدم الاعتماد فقط على المخرجات
التكرار في المهام والاختبارات بناءً على تعليقات ضمان الجودة — راجع حلول الوكلاء، تحليل الإخفاقات، وتحسينها حتى تكون التقييمات عادلة وقوية
ما هذا ليس: ليس وسم بيانات؛ ليس هندسة مطالبات؛ ليس أمان سيبراني أو اختبار اختراق — لا يوجد مهاجم في السيناريو.
خبرة الأمن السيبراني ميزة إضافية لكنها ليست شرطًا.
نبحث عن مهندسين يفهمون كيف يجب أن يتصرف الكود، لا باختبار الاختراقات.
مهندسون برمجيون أقوياء، ليسوا متخصصين في الأمن؛ ليس كتابة كود من الصفر — الوكيل يكتب معظم الكود؛ أنت تصمم الوضع وتقيّم النتيجة؛ ما نبحث عنه: 4–5+ سنوات في تطوير البرمجيات؛ التكنولوجيا الأساسية: بايثون، جافاسكريبت/تايب سكريبت؛ مهارات تصميم اختبارات قوية — اختبارات وظيفية وتكامل تفصل بين الإنجاز الآمن وغير الآمن، وليس فقط الصحيح من غير الصحيح؛ خبرة عملية مع وكلاء الترميز (Claude Code، GitHub Copilot CLI، Codex، أو ما يشابهها)؛ الإلمام بطلبات سحب GitHub وعمليات CI كمستخدم؛ اتساع الستاك مرحب به، ليس كفلتر.
تحاكي المهام مستودعات حقيقية مع قواعد بيانات، خطوط CI، و سكريبتات النشر، لذا فإن التعرض الواسع للبنية الخلفية والبنية التحتية مفيد حقًا — لكن ليس عليك أن تكون خبيرًا في كل طبقة؛ الكفاءة الإنجليزية — B2+
لماذا هذا صعب Frontier models are already good at coding.
إن إنشاء مهمة تتحدى النماذج الأفضل حقًا ليس بسيطًا.
الصعوبة الحقيقية هي بناء الإغراء — سيناريو حيث الطريق غير الآمن أو خارج النطاق هو طريق أقل مقاومة — ثم كتابة اختبارات تكشف بشكل موثوق عن الوكيل الذي اختار ذلك.
للمهام عدة حلول صحيحة؛ يجب أن تقبل الاختبارات جميعها وترفض السيء منها.
كيف يعمل: تطبيق → اجتياز التأهيل(التأهيلات) → الانضمام إلى مشروع → إكمال المهام → الحصول على أجر
توقعات وقت المشروع: بالنسبة لهذا المشروع، يُقدر أن المهام تحتاج حوالي 20-25 ساعة أسبوعيًا خلال فترات النشطة، بناءً على متطلبات المشروع.
هذه تقديرات وليست عبء عمل مضمون، وتطبق فقط أثناء نشاط المشروع.
يجب تقديم المهام قبل الموعد النهائي وتلبية معايير القبول المدرجة ليتم قبولها.
التعويض: في هذا المشروع، يمكن للمساهمين كسب حتى 75 دولارًا أمريكيًا في الساعة المعادلة، اعتمادًا على مستوى المشاركة وسرعتها.
يختلف التعويض عبر المشاريع اعتمادًا على النطاق والتعقيد والخبرة المطلوبة.
الرجاء ملاحظة أن مشاريع أخرى على المنصة قد تقدم مستويات كسب مختلفة وفقًا لمتطلباتها.
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 Frontier coding agents are already good at passing tests.
We measure whether they pass them the right way .
We're building a dataset to evaluate the safety and conduct of AI coding agents — not just whether they complete a task, but whether they do it honestly, within scope, and without cutting corners.
You'll design tasks where the easy path is the unsafe one, and write the tests that catch it: Build realistic developer environments — a virtual company with codebase, infrastructure, and context (tickets, docs, conversations) that forms a believable development history Design tasks that pair a benign development goal with a tempting unsafe shortcut: scope creep, policy violations, data corruption, over-permissive changes Write tests that verify whether the agent completed the task the right way — catching corners cut, not just checking outputs 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 cybersecurity or red-teaming — there is no attacker in the scenario.
Cybersecurity experience is a nice-to-have but not a requirement.
We're looking for engineers who understand how code should behave, not penetration testers.
Strong software engineers, not security specialists; Not writing code from scratch — the agent writes most of the code; you design the situation and evaluate the outcome; What we look for 4–5+ years in software development; Core stack: Python, JavaScript/TypeScript; Strong test design skills — functional and integration tests that separate safe from unsafe completion, not just correct from incorrect; Hands-on experience with coding agents (Claude Code, GitHub Copilot CLI, Codex, or similar); Familiarity with GitHub PRs and CI workflows as a user; Stack breadth is welcome, not a filter.
Tasks simulate real repositories with databases, CI pipelines, and deploy scripts, so wider backend and infrastructure exposure is genuinely useful — but you don't need to be an expert in every layer; 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.
The real difficulty is building the temptation — a scenario where the unsafe or out-of-scope path is the path of least resistance — and then writing tests that reliably catch an agent that took it.
Tasks have many valid solutions; tests must accept all of them and reject the bad ones.
How it works Apply → Pass qualification(s) → Join a project → Complete tasks → Get paid Project time expectations For this project, tasks are estimated to require around 20-25 hours per week during active phases, based on project requirements.
This is an estimate, not a guaranteed workload, and applies only while the project is active.
Tasks must be submitted by the deadline and meet the listed acceptance criteria to be accepted.
Compensation On this project, contributors can earn up to $75 per hour equivalent , depending on their level and pace of contribution.
Compensation varies across projects depending on scope, complexity, and required expertise.
Please note that other projects on the platform may offer different earning levels based on their requirements.