وصف الوظيفة
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى كفاءتك في اللغة الإنجليزية.
تربط Mindrift بين المتخصصين وفرص الذكاء الاصطناعي القائمة على المشاريع لشركات التقنية الرائدة، مع التركيز على الاختبار والتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة مبنية على المشاريع وليست توظيفاً دائماً.
ما يتضمنه هذا الفرصة نحن ننشئ مجموعة بيانات لتقييم وكلاء الترميز بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطور الواقعية.
ستنشئ مهام وتقييمات ضمن بيئات محاكاة واقعية: إنشاء بيئات مطور واقعية - شركة افتراضية بها قاعدة كود وبنية تحتية وسياق (تذاكر، وثائق، محادثات) تشكل تاريخ تطوير مقبول التصميمات من حالات وسيطة لهذه البيئات - صغ نمبيط الطلب، حدد ما يعني "حل"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي اكتب اختبارات للتحقق من حلول الوكلاء - اقبل جميع الأساليب الصحيحة ورفض الأساليب غير الصحيحة، لا تكون صارمة جدًا ولا متساهلة جدًا. كرر المهام والاختبارات بناءً على ملاحظات QA - راجع حلول الوكلاء، حلل الإخفاقات، واصقل حتى تكون التقييم عادلًا وقويًا. ما هذا ليس ليس تصنيف بيانات ليس هندسة مطالبات ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت تقود وتقييم. ما نبحث عنه: أكثر من 5 سنوات في تطوير البرمجيات; المجموعة الأساسية: بايثون (FastAPI)، جافاسكريبت/تايب سكريبت (React)، دوكر، بوستجريسك، كافكا، ريديس; خبرة في كتابة الاختبارات (وظيفية، تكامل); الكفاءة الإنجليزية - B2+. لماذا هذا صعب: نماذج الحدود الأمامية جيدة في الترميز بالفعل. إنشاء مهمة تتحدى النماذج الأفضل حقًا ليس سهلاً. عليك أن تفهم بعمق أين تفشل النماذج وما السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيئ. المهام لديها العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض غير الصحيحة أصعب مما يبدو. كيف يعمل النظام: تقدم → اجتياز تأهيل/ات → الانضمام لمشروع → إكمال المهام → الدفع. تقدير الجهد: من المتوقع أن تستغرق مهام هذا المشروع حوالي 20 ساعة لإكمالها، حسب التعقيد. هذه تقديرية وليست شرطاً زمنياً؛ اختر متى وكيف تعمل. يجب تقديم المهام قبل الموعد النهائي وتلبي معايير القبول المدرجة ليتم قبولها. التعويض: حتى 50 دولار/ساعة مكافئ، اعتماداً على المستوى والوتيرة. المهام مقدرة بحوالي ~20 ساعة لكل منها؛ حدد 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 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 Effort estimate Tasks for this project are estimated to take 20 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 $50/hr equivalent , depending on level and pace.
Tasks are estimated at ~20 hours each; you set your own schedule.