وصف الوظيفة
يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إجادتك للغة الإنجليزية.
مايندريفت يربط المتخصصين بفرص الذكاء الاصطناعي المرتبطة بالمشروعات لشركات التقنية الرائدة، مع التركيز على الاختبار والتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة مرتبطة بالمشروع وليست توظيفاً دائماً.
ما تنطوي عليه هذه الفرصة نحن نبني مجموعة بيانات لتقييم وكلاء التشفير/البرمجة بالذكاء الاصطناعي - مدى تمكن النموذج من التعامل مع مهام المطورين في العالم الواقعي.
ستقوم بإنشاء مهام صعبة ومعايير تقييم ضمن بيئات محاكاة واقعية: بناء بيئات مطور واقعية - شركة افتراضية بها قاعدة كود وبنية تحتية وسياق (تذاكر، وثائق، محادثات) تشكل تاريخ تطوير مقنع تصميم المهام من حالات وسيطة لهذه البيئات - صغُ سؤال الاستعلام، حدد ما يعني "الم Solved"، وتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي اكتب اختبارات تتحقق من حلول الوكيل - اقبل جميع الأساليب الصحيحة ورفض الأساليب غير الصحيحة، ليست صارمة جدًا ولا متساهلة جدًا كرر العمل على المهام والاختبارات بناءً على ملاحظات QA - راجع حلول الوكلاء، حلل الإخفاقات، واطرح تحسينات حتى يكون التقييم عادلًا وقويًا ما ليس هذا ليس وضع بيانات ليس هندسة زي إشراف على الاستدلال ليس كتابة كود من الصفر - الوكيل يكتب معظم الكود؛ أنت تقود وتقيم ما الذي نبحث عنه 5+ سنوات في تطوير البرمجيات مجموعة تقنية أساسية: بايثون (FastAPI)، جافا سكريبت/تايب سكрипت (ريأكت)، دوكر، بوستغريسك، كافكا، ريدس خبرة في كتابة الاختبارات (وظيفي، تكاملي) إجادة الإنجليزية - B2+ لماذا هذا صعب النماذج الحدِّية جيدة في التشفير حالياً.
إنشاء مهمة تتحدّى النماذجات الأفضل بشكل حقيقي ليس سهلاً.
تحتاج لفهم عميق لأين تفشل النماذج وما السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيء.
المهام لديها العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض غير الصحيحة أصعب مما يبدو.
كيف يعمل الوضع قدم طلب → اجتزء تأهيل → انضم إلى مشروع → أكمل المهام → استلم الدفع التعويض يصل حتى 50 دولار/ساعة مكافئ، حسب المستوى والإيقاع.
يتم تقدير المهام بحوالي 20 ساعة لكل منها؛ يمكنك تحديد 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 Compensation Up to $50/hr equivalent , depending on level and pace.
Tasks are estimated at ~20 hours each; you set your own schedule.