وصف الوظيفة
يرجى إرسال سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إتقانك للغة الإنجليزية.
Mindrift يربط المتخصصين بفرص الذكاء الاصطناعي القائمة على المشاريع مع شركات تكنولوجيا رائدة، مع التركيز على الاختبار والتقييم والتحسين لأنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع، وليست توظيفاً دائماً.
ما تتضمنه هذه الفرصة: نحن نبني مجموعة بيانات لتقييم وكلاء البرمجة بالذكاء الاصطناعي - مدى تعامل النموذج مع مهام المطورين الواقعية.
ستنشئ مهاماً تحديًا ومعايير تقييم ضمن بيئات محاكاة واقعية: بناء بيئات مطورين واقعية - شركة افتراضية بها قاعدة كود وبنية تحتية وسياق (تذاكر، وثائق، محادثات) تشكل تاريخ تطوير ممكن التصديق عليه تصميم مهام من حالات وسيطة لهذه البيئات - صياغة المطالبة، وتحديد معنى "المُنجَز"، والتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي كتابة اختبارات للتحقق من حلول الوكيل - قبول جميع النهج الصحيحة ورفض غير الصحيحة، لا تكون صارمة للغاية ولا متساهلة جداً إجراء تحسينات على المهام والاختبارات بناءً على تعليقات ضمان الجودة - مراجعة حلول الوكلاء، تحليل الإخفاقات، وتحسينها حتى تصبح التقييم عادلًا وقويًا ما ليس بهذا: ليس تصنيف بيانات ليس هندسة المطالبات ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت توجه وتقييم ما نبحث عنه: 8+ سنوات في تطوير البرمجيات المكدس الأساسي: بايثون (FastAPI)، جافا سكريبت/تايب سكريبت (React)، دوكر، بوستغريسك، كافكا، ريديس خبرة في كتابة الاختبارات (وظيفية، تكامل) إجادة الإنجليزية - B2+ لماذا هذا صعب: النماذج الحدودية جيدة في الترميز بالفعل.
إنشاء مهمة تتحدى النماذج الأفضل حقاً أمر غير بسيط.
تحتاج فهمًا عميقًا لأين تفشل النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وحل سيئ.
لدى المهام العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وت reject الحلول الخاطئة أصعب مما يبدو.
كيف يعمل: التقديم → اجتياز التأهيل → الانضمام إلى مشروع → إكمال المهام → الدفعالتقدير الجهد: من المتوقع أن تستغرق مهام هذا المشروع 30 ساعة لإكمالها، وذلك يعتمد على التعقيد.
هذا تقدير وليس شرطاً زمنياً؛ اختر متى وكيف تعمل.
يجب تقديم المهام قبل المهلة وتفي بمعايير القبول المدرجة ليتم قبولها.
التعويض: حتى 150 دولار/ساعة مكافئ، اعتماداً على المستوى والإيقاع.
تُقدَّر المهام بحوالي ~30 ساعة لكل منها؛ ضع 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 $150/hr equivalent , depending on level and pace.
Tasks are estimated at ~30 hours each; you set your own schedule.