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 إجادتك للغة الإنجليزية.<\/p>\n
Mindrift تربط المتخصصين بفرص ذكاء اصطناعي قائمة على المشاريع مع شركات تقنية رائدة، مركّزة على الاختبار والتقييم والتحسين لأنظمة الذكاء الاصطناعي. المشاركة مبنية على المشروع وليست توظيفاً دائمًا.<\/p>\n
ما الذي ينطوي عليه هذا الفرصة
\n
نحن نبني مجموعة بيانات لتقييم وكلاء التكويد بالذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطور الواقعية.<\/p>\n
ستنشئ مهامًا وتقييمات في بيئات محاكاة واقعية:<\/p>\n
\n - بناء بيئات مطور واقعية - شركة افتراضية بها كود وبنية تحتية وسياق (تذاكر، مستندات، محادثات) تشكل تاريخ تطوير مقنع
\n - تصميم مهام من حالات وسيطة لهذه البيئات - صياغة المطلوب، تعريف what "تم حله"، والتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي
\n - كتابة اختبارات تتحقق من حلول الوكلاء - قبول جميع الأساليب الصحيحة ورفض الأساليب الخاطئة، لا تكون صارمة جدًا ولا متساهلة جدًا
\n - التكرار على المهام والاختبارات بناءً على ملاحظات QA - مراجعة حلول الوكلاء، تحليل الإخفاقات، والتحسين حتى تكون التقييم عادلًا وقويًا
\n
\n
ما الذي ليس عليه
\n
\n - ليس تصنيف بيانات
\n - ليس هندسة المطالبات
\n - ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت تُوجِّه وتقيِّم
\n
\n
ما نبحث عنه
\n
\n - 5+ سنوات في تطوير البرمجيات
\n - المكدس الأساسي: بايثون (FastAPI)، جافاسكريبت/تايب سكريبت (ريأكت)، دوكر، بوستغريز، كافكا، ريديس
\n - خبرة في كتابة الاختبارات (وظيفية، تكامل)
\n - إتقان الإنجليزية - B2+
\n
\n
لماذا هذا صعب
\n
نماذج الحدود الأمامية جيدة في الترميز بالفعل. إنشاء مهمة تتحدى النماذج الأفضل فعليًا ليس أمرًا بسيطًا. تحتاج إلى فهم عميق لأين تفشل النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيئ. لدى المهام العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض الصحيحة منها أصعب مما يبدو.
\n
كيف يعمل
\n
التقديم؟ اجتياز التأهيل؟ الانضمام إلى مشروع؟ إكمال المهام؟ الدفع
\n
تقدير الجهد
\n
من المتوقع أن تستغرق المهام لهذا المشروع 20 ساعة لإكمالها، حسب التعقيد. هذه تقديرية وليست شرطًا زمنيًا؛ اختر متى وكيف تعمل. يجب تقديم المهام قبل الموعد النهائي وتفي معايير القبول المذكورة ليتم قبولها.
\n
التعويض
\n
حتى 50$/ساعة مكافئة، يعتمد على المستوى والسرعة. تُقدَّر المهام بحوالي 20 ساعة لكل منها؛ تحدد جدولك الزمني.