وصف الوظيفة
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إجادتك للغة الإنجليزية.
تربط Mindrift المتخصصين بفرص ذكاء اصطناعي قائمة على المشاريع لشركات تكنولوجيا رائدة، مع التركيز على الاختبار والتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع، وليست توظيفاً دائماً.
ما يتضمنه هذا الفرصة نحن نبني مجموعة بيانات لتقييم وكلاء الترميز بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطورين الواقعية.
ستقوم بإنشاء مهام وتقييمات داخل بيئات محاكاة واقعية: بناء بيئات مطور واقعية - شركة افتراضية بها كود وبنية تحتية وسياق (تذاكر، مستندات، محادثات) تشكل تاريخ تطوير يمكن تصديقه تصميم مهام من حالات وسيطة لهذه البيئات - صغ السؤال، حدد معنى "المحلول"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي اكتب اختبارات تتحقق من حلول الوكيل - اقبل جميع النهج الصحيحة ورفض غير الصحيحة، لا تكون صارمة جدًا ولا متساهلة جدًا تكرار على المهام والاختبارات بناءً على ملاحظات QA - راجع حلول الوكلاء، حلل الإخفاقات، وحسن حتى تكون التقييمات عادلة وقوية ما هذا ليس ليست بيانات علامة Not data labeling ليس هندسة الأوامر Not كتابة الشفرة من الصفر - الوكيل يكتب معظم الشفرة؛ أنت ترشد وتقيم ما نبحث عنه 5+ سنوات في تطوير البرمجيات المكدس الأساسي: بايثون (FastAPI)، JavaScript/TypeScript (React)، Docker، Postgres، Kafka، Redis خبرة في كتابة الاختبارات (وظيفية، تكامل) إجادة الإنجليزية - B2+ لماذا هذا صعب النماذج الأمامية جيدة بالفعل في الترميز.
إنشاء مهمة تتحدى النماذج الأفضل حقاً ليست بسيطة.
تحتاج إلى فهم عميق لأين تفشل النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيء.
لدى المهام العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض الصحيحة الخاطئة أصعب مما يبدو.
كيف يعمل النظام التطبيق → اجتياز التأهيل(ات) → الانضمام إلى مشروع → إكمال المهام → الدفع تقدير الجهد المهام لهذا المشروع مقدر أن تستغرق 20 ساعة لإكمالها، بحسب التعقيد.
هذا تقدير وليس متطلب جدولة؛ اختر متى وكيف تعمل.
يجب تقديم المهام قبل الموعد النهائي وتلبية معايير القبول المدرجة ليتم قبولها.
التعويض حتى 50 دولار/ساعة مكافئ، اعتماداً على المستوى وسرعة التنفيذ.
تُقدر المهام بحوالي 20 ساعة لكل منها؛ أنت تحدد 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 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.