وصف الوظيفة
يرجى إرسال سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى كفاءتك في اللغة الإنجليزية.
Mindrift يربط المتخصصين بفرص الذكاء الاصطناعي القائمة على المشاريع لشركات تقنية رائدة، مع تركيز على الاختبار وتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع وليست توظيفاً دائماً.
ما الذي تتضمنه هذه الفرصة نحن نكوّن مجموعة بيانات لتقييم وكلاء الترميز الذكي - مدى جودة تعامل النموذج مع مهام المطورين الواقعية.
ستقوم بإنشاء مهام تحدي ومعايير تقييم ضمن بيئات محاكاة واقعية: بناء بيئات مطور واقعية - شركة افتراضية بها قاعدة كود وبنية تحتية وسياق (تذاكر، مستندات، محادثات) تشكل تاريخ تطوير مقبول. صِغ المهام من حالات وسيطة لهذه البيئات - صِغ المطبوعة، حدد ما يعني “محلول”، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي. اكتب اختبارات تتحقق من حلول الوكيل - تقبل جميع الأساليب الصحيحة وترفض غير الصحيحة، لا تكون صارمة جدًا ولا متساهلة جدًا. تقويم المهام والاختبارات بناءً على تعليقات ضمان الجودة - راجع حلول الوكلاء، حلل الإخفاقات، وصقلها حتى يكون التقييم عادلًا وقويًا. ما ليس هذا NOT Not data labeling Not prompt engineering Not writing code from scratch - الوكيل يكتب معظم الكود؛ أنت توجه وتقيّم. ما نبحث عنه 5+ سنوات في تطوير البرمجيات النواة: بايثون (FastAPI)، جافا سكريبت/تايب سكريبت (React)، دوكر، بوستغريسك، كافكا، ريـديس. خبرة في كتابة اختبارات (وظيفية، تكاملي). الكفاءة الإنجليزية - B2+. لماذا هذا صعب النماذج الأمامية جيدة في التشفير بالفعل.
إنشاء مهمة تتحدى النماذج الأفضل بشكل حقيقي أمر غير بسيط.
تحتاج إلى فهم عميق لمواقع فشل النماذج وما السيناريوهات التي تكشف الفرق بين حل جيد وحل سيء.
لدى المهام العديد من الحلول الصالحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وت reject الحلول غير الصحيحة أصعب مما يبدو.
كيف يعمل النظام التقديم → اجتياز التأهيل → الانضمام إلى مشروع → إكمال المهام → الدفع. تقدير الجهد: من المتوقع أن تستغرق المهام لهذا المشروع حوالي 20 ساعة لإكمالها، حسب التعقيد.
هذا تقدير وليس متطلب جدولة؛ اختر متى وكيف تعمل.
يجب تقديم المهام بحلول المهلة وتلبي معايير القبول المدرجة ليتم قبولها.
التعويض: حتى 50 دولار/ساعة مكافئ، وفقاً للمستوى والوتيرة.
تُقدَّر المهام بحوالي ~20 ساعة لكل مهمة؛ حدد جدولك الزمني 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.