Description<\/h4>\n
Please submit your CV in English and indicate your level of English proficiency.<\/p>\n
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.<\/p>\n
What this opportunity involves<\/h4>\n
We're building a dataset to evaluate AI coding agents - how well a model handles real-world developer tasks.<\/p>\n
You'll create challenging tasks and evaluation criteria within realistic simulated environments:<\/p>\n
\n - Build realistic developer environments - a virtual company with codebase, infrastructure, and context (tickets, docs, conversations) that forms a believable development history<\/li>\n
- 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<\/li>\n
- Write tests that verify agent solutions - accept all valid approaches and reject incorrect ones, neither too strict nor too lenient<\/li>\n
- Iterate on tasks and tests based on QA feedback - review agent solutions, analyze failures, and refine until the evaluation is fair and robust<\/li>\n<\/ul>\n
What this is not<\/h4>\n\n - Not data labeling<\/li>\n
- Not prompt engineering<\/li>\n
- Not writing code from scratch - the agent writes most of the code; you guide and evaluate<\/li>\n<\/ul>\n
What we look for<\/h4>\n\n - 5+ years in software development<\/li>\n
- Core stack: Python (FastAPI), JavaScript\/TypeScript (React), Docker, Postgres, Kafka, Redis<\/li>\n
- Experience writing tests (functional, integration)<\/li>\n
- English proficiency - B2+<\/li>\n<\/ul>\n
Why this is hard<\/h4>\n
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.<\/p>\n
How it works<\/h4>\n
Apply ? Pass qualification(s) ? Join a project ? Complete tasks ? Get paid<\/p>\n
Effort estimate<\/h4>\n
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.<\/p>\n
Compensation<\/h4>\n
Up to $50\/hr equivalent, depending on level and pace. Tasks are estimated at approximately 20 hours each; you set your own schedule.<\/p><\/p>
<\/p>
الوصف
\n
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إتقانك للإنجليزية.
\n
Mindrift تربط المتخصصين بفرص AI قائمة على المشاريع لشركات التكنولوجيا الرائدة، مع التركيز على اختبار وتقييم وتحسين أنظمة الذكاء الاصطناعي. المشاركة قائمة على المشروع وليست وظيفة دائمة.
\n
ما تتضمنه هذه الفرصة
\n
نحن نبني مجموعة بيانات لتقييم وكلاء الترميز الذكي الاصطناعي - مدى تمكن نموذج من التعامل مع مهام مطورين حقيقية.
\n
ستنشئ مهام وتقييمات ضمن بيئات محاكاة واقعية:
\n
\n - إنشاء بيئات مطور واقعية - شركة افتراضية بها قاعدة كود وبنية تحتية وسياق (تذاكر، مستندات، محادثات) تشكل تاريخ تطوير يمكن تصديقه
\n - تصميم مهام من حالات وسيطة لهذه البيئات - صغ الطلب، حدد ما يعني "حل"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي
\n - كتابة اختبارات تتحقق من حلول الوكلاء - تقبل جميع الأساليب الصحيحة وترفض الخاطئة، لا تكون صارمة جدًا ولا متساهلة جدًا
\n - التكرار على المهام والاختبارات بناءً على تعليقات QA - مراجعة حلول الوكلاء، تحليل الإخفاقات، وتحسينها حتى تكون التقييمات عادلة وقوية
\n
\n
ما ليس هذا
\n
\n - ليس تسمية بيانات
\n - ليس هندسة المداخل (PROMPT)
\n - ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت توجه وتقيم
\n
\n
ما نبحث عنه
\n
\n - خمس سنوات فما فوق في تطوير البرمجيات
\n - المكدس الأساسي: بايثون (FastAPI)، جافا سكريبت/تايب سكريبت (ريأكت)، دوكر، بوستغريس، كافكا، ريديس
\n - خبرة في كتابة الاختبارات (وظيفية، تكامل)
\n - إتقان الإنجليزية - B2+
\n
\n
لماذا هذا صعب
\n
نماذج الجبهة الأمامية جيدة بالفعل في البرمجة. إنشاء مهمة تتحدى النماذج الأفضل فعلاً ليس بسيطاً. تحتاج إلى فهم عميق 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 وترفض غير الصحيحة أصعب ممايبدو.
\n
كيف يعمل
\n
التقديم؟ اجتياز المؤهل؟ الانضمام إلى مشروع؟ إكمال المهام؟ الدفع
\n
تقدير الجهد
\n
تُقدّر المهام لهذا المشروع بوقت حوالي 20 ساعة لإكمالها، حسب التعقيد. هذا تقدير وليس معيار جدولة؛ أنت تختار متى وكيف تعمل. يجب تقديم المهام بالموعد النهائي وتلبية معايير القبول المدرجة ليتم قبولها.
\n
التعويض
\n
حتى 50 دولار/ساعة ما يعادل، حسب المستوى والوتيرة. تُقدَّر المهام بحوالي 20 ساعة لكل منها؛ تضع جدولك الزمني الخاص.