يرجى تقديم سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إتقانك للإنجليزية.<\/h4>\n
تربط Mindrift المتخصصين بفرص AI قائمة على المشاريع للشركات التقنية الرائدة، تركز على الاختبار والتقييم والتحسين لأنظمة الذكاء الاصطناعي. المشاركة قائمة على المشروع وليست توظيفاً دائماً.<\/p>\n
ما تتضمنه هذه الفرصة:<\/h4>\n
نحن نبني مجموعة بيانات لتقييم وكلاء الترميز بالذكاء الاصطناعي - إلى أي مدى يتعامل النموذج مع مهام المطورين الواقعية.
\n
ستقوم بإنشاء مهام وتقييمات ضمن بيئات محاكاة واقعية:<\/p>\n
\n - إنشاء بيئات مطور واقعية - شركة افتراضية بقاعدة كود وبنية تحتية وسياق (تذاكر، مستندات، محادثات) تشكل تاريخ تطوير قابل للتصديق
\n - تصميم المهام من حالات وسيطة لهذه البيئات - صوغ المطالب، وتحديد ما يعني "تمت الإحالة", والتأكد من أن المهمة قابلة للحل بواسطة وكيل ذكاء اصطناعي
\n - كتابة اختبارات تتحقق من حلول الوكلاء - قبول جميع الأساليب الصحيحة ورفض الأساليب الخاطئة، ليس صارماً جدًا ولا متساهلاً جدًا
\n - التكرار على المهام والاختبارات بناءً على ملاحظات QA - مراجعة حلول الوكلاء، تحليل الإخفاقات، والتحسين حتى تكون التقييم عادلًا وقويًا
\n
\n
ما ليس هذا:
\n
\n - ليس تعريف البيانات
\n - ليس هندسة المطالب
\n - ليس كتابة كود من الصفر - يكتب الوكيل معظم الكود؛ أنت توجه وتقيم
\n
\n
ما نبحث عنه:
\n
\n - 8+ سنوات في تطوير البرمجيات
\n - المكدس الأساسي: بايثون (FastAPI)، جافاسكريبت/تايب سكريبت (ريأكت)، Docker، PostgreSQL، Kafka، Redis
\n - خبرة في كتابة الاختبارات (وظيفية، تكاملية)
\n - إتقان الإنجليزية - B2+
\n
\n
لماذا هذا صعب:
\n
نماذج Frontier جيدة في الترميز فعلاً. إنشاء مهمة تتحدى النماذج الأفضل حقًا ليس بسيطاً. تحتاج إلى فهم عميق للأماكن التي تفشل فيها النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وحل سيئ. للمهام حلول كثيرة صحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض غير الصحيحة أصعب مما يبدو.
\n
كيف يعمل:
\n
التقديم؟ اجتياز التأهيل؟ الانضمام إلى مشروع؟ إكمال المهام؟ الدفع
\n
تقدير الجهد:
\n
يُقدّر أن تستغرق المهام لهذا المشروع حوالي 30 ساعة لإكمالها، حسب التعقيد. هذا تقدير وليس جدولاً زمنياً؛ تحدد أنت متى وكيف تعمل. يجب تقديم المهام بحلول الموعد النهائي وتلبية معايير القبول المدرجة حتى يتم قبولها.
\n
التعويض:
\n
حتى 150 دولار/ساعة مكافئ، بناءً على المستوى والإيقاع. تُقدَّر المهام بحوالي ~30 ساعة لكل مهمة؛ أنت تحدد جدولك الخاص.
Please submit your CV in English and indicate your level of English proficiency.<\/h4>\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\"<\/strong> 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 - 8+ 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 30 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 $150\/hr equivalent, depending on level and pace. Tasks are estimated at ~30 hours each; you set your own schedule.<\/p><\/p>
<\/p>