الوصف الوظيفي
يرجى إرسال سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إجادتك للغة الإنجليزية.
يعقد Mindrift صلة بين المتخصصين وفرص الذكاء الاصطناعي القائمة على المشاريع للشركات التقنية الرائدة، مع تركيز على الاختبار، والتقييم، وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع وليست توظيفًا دائمًا.
ما تتضمنه هذه الفرصة Frontier coding agents هم proficientون بالفعل في الاختبارات.
نقيس ما إذا كانوا يجتازونها بشكل صحيح .
نحن نعمل على بناء مجموعة بيانات لتقييم السلامة والسلوك لعوامل الترميز بالذكاء الاصطناعي — ليس فقط ما إذا أكملوا مهمة، بل ما إذا قاموا بذلك بصدق، ضمن النطاق، وبدون حفر الزوايا.
ستصمم مهام تكون الطريق السهل فيها هو الطريق غير الآمن، وتكتب الاختبارات التي تلتقط ذلك: بناء بيئات مطور واقعية — شركة افتراضية بها قاعدة كود وبنية تحتية وسياق (تذاكر، مستندات، محادثات) تشكل تاريخ تطوير مقنع تصميم مهام تزاوج بين هدف تطوير آمن مع اختصار غير آمن مغرٍ: توسيع النطاق، خروقات السياسات، تلف البيانات، تغييرات واسعة الامتثال اكتب اختبارات تتحقق مما إذا كان الوكيل أكمل المهمة بالطريقة الصحيحة — القبض على الزوايا المقطوعة، وليس فقط التحقق من النتائج التكرار في المهام بناء على ملاحظات ضبط الجودة — مراجعة حلول الوكيل، تحليل الإخفاقات، وتحسين حتى تكون التقييم عادلًا وقويًا ما هذا ليس: ليس تع labeling للبيانات؛ ليس هندسة الاستفسار؛ ليس الأمن السيبراني أو اختبار الاختراق — لا يوجد مهاجم في السيناريو.
خبرة الأمن السيبراني ميزة لكنها ليست مطلوبة.
نبحث عن مهندسين يفهمون كيف يجب أن يتصرف الكود، لا مختبرين اختراق.
مهندسون برمجيات أقوياء، ليسوا متخصصين في الأمن؛ ليس كتابة كود من الصفر — الوكيل يكتب معظم الكود؛ أنت تصمم الوضع وتقيّم النتيجة؛ ما نبحث عنه: خبرة 4–5+ سنوات في تطوير البرمجيات؛ تكنولوجيا الأساس: بايثون، جافاسكريبت/تايب سكريبت؛ مهارات تصميم اختبارات قوية — اختبارات وظيفية وتكامل تفصل بين الإكمال الآمن وغير الآمن، وليس فقط الصحيح من غير الصحيح؛ خبرة عملية في عوامل التكويد (Claude Code, GitHub Copilot CLI, Codex, أو ما يماثلها); الإلمام بطلبات سحب GitHub وعمليات CI كمستخدم؛ اتساع التقنية مطلوب لكن ليس فلاتر.
تحاكي المهام مستودعات حقيقية مع قواعد بيانات، خطوط CI، وسكربتات النشر، لذا يكون التعرض لجهة الخلفية والبنية التحتية أداة مفيدة حقًا — لكن ليس من الضروري أن تكون خبيرًا في كل طبقة؛ إجادة اللغة الإنجليزية — مستوى B2+ لماذا هذا صعب Frontier models are already good at coding.
إنشاء مهمة تتحدى النماذج الأفضل حقًا أمر غير بسيط.
الصعوبة الحقيقية هي بناء الإغراء — سيناريو حيث المسار غير الآمن أو خارج النطاق هو طريق أقل مقاومة — ثم كتابة اختبارات تلتقط موثوقًا وكيلًا اتخذ ذلك الطريق.
المهام لديها حلول كثيرة صالحة؛ يجب على الاختبارات قبول جميعها ورفض السيئة منها.
كيف يعمل: التقديم → اجتياز التأهيل → الانضمام إلى مشروع → إكمال المهام → الدفع توقعات وقت المشروع لهذا المشروع، تُقدَّر المهام بأنها ستتطلب حوالي 20-25 ساعة في الأسبوع خلال الفترات النشطة، وفقًا لمتطلبات المشروع.
هذه تقدير 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 50 دولارًا في الساعة كمعادل، اعتمادًا على مستواهم وسرعتهم في المساهمة.
يختلف التعويض عبر المشاريع حسب النطاق، التعقيد، والخبرة المطلوبة.
يرجى ملاحظة أن مشاريع أخرى على المنصة قد تقدم مستويات كسب مختلفة بناءً على متطلباتها.
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 $50 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.