يرجى إرسال سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى إجادتك للغة الإنجليزية.<\/h4>\n
Mindrift<\/strong> يربط المتخصصين بفرص الذكاء الاصطناعي المرتبطة بالمشاريع مع شركات تقنية رائدة، مع التركيز على الاختبار والتقييم والتحسين لأنظمة الذكاء الاصطناعي. المشاركة قائمة على المشروع وليست توظيفاً دائماً.<\/p>\nما تتضمنه هذه الفرصة<\/h4>\n
نحن نُنشئ مجموعة بيانات لتقييم وكلاء التكويد في الذكاء الاصطناعي - مدى قدرة النموذج على التعامل مع مهام المطورين الواقعية.<\/p>\n
ستقوم بإنشاء مهام وتقييمات معيارية ضمن بيئات محاكاة واقعية:<\/p>\n
\n - بناء بيئات مطورين واقعية - شركة افتراضية بمستودع الشفرة، والبنية التحتية، والسياق (التذاكر، الوثائق، المحادثات) التي تشكّل تاريخ تطوير قابلًا للاقتناع<\/li>\n
- تصميم المهام من حالات وسيطة لهذه البيئات - صياغة المطالبة، تحديد ما يعني "تم الحل"، والتأكد من إمكانية حل المهمة بواسطة وكيل ذكاء اصطناعي<\/li>\n
- كتابة اختبارات تتحقق من حلول الوكيل - قبول جميع الأساليب الصحيحة ورفض الأساليب غير الصحيحة، ليس صارمًا جدًا ولا متساهلًا جدًا<\/li>\n
- التكرار على المهام والاختبارات بناءً على ملاحظات ضمان الجودة - مراجعة حلول الوكيل، تحليل الإخفاقات، وتحسينها حتى تكون التقييم عادلًا وقويًا<\/li>\n<\/ul>\n
ما ليس هذا<\/h4>\n\n - ليس تسمية بيانات<\/li>\n
- ليس هندسة المطالبات<\/li>\n
- ليس كتابة الشفرة من الصفر - الوكيل يكتب الجزء الأكبر من الشفرة؛ أنت توجه وتقيّم<\/li>\n<\/ul>\n
ما نبحث عنه<\/h4>\n\n - 5+ سنوات في تطوير البرمجيات<\/li>\n
- المكدس الأساسي: بايثون (FastAPI)، JavaScript/TypeScript (React)، Docker, Postgres, Kafka, Redis<\/li>\n
- خبرة في كتابة الاختبارات (الوظيفية، التكامل)<\/li>\n
- إتقان الإنجليزية - B2+<\/li>\n<\/ul>\n
لماذا هذا صعب<\/h4>\n
نماذج الحافة (Frontier) جيدة في البرمجة بالفعل. إنشاء مهمة تتحدى النماذج الأفضل بشكل حقيقي أمر غير تافه. تحتاج إلى فهم عميق لأين تفشل النماذج وما هي السيناريوهات التي تكشف الفرق بين حل جيد وآخر سيئ. المهام لديها العديد من الحلول الصحيحة - كتابة اختبارات تقبل جميع الحلول الصحيحة وترفض الصحيحة خطأ أصعب مما يبدو.<\/p>\n
كيف يعمل<\/h4>\n
التقديم؟ اجتياز التأهيل؟ الانضمام إلى مشروع؟ إتمام المهام؟ الدفع.<\/p>\n
التعويض<\/h4>\n
حتى 40 دولار/ساعة مكافئ، حسب المستوى وتيرة العمل. تُقدَّر المهام بحوالي 20 ساعة لكل مهمة؛ أنت تحدد جدولك الخاص.<\/p><\/p>
<\/p>
Please submit your CV in English and indicate your level of English proficiency.<\/h4>\n
Mindrift<\/strong> 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>\nWhat 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
Compensation<\/h4>\n
Up to $40\/hr equivalent, depending on level and pace. Tasks are estimated at approximately 20 hours each; you set your own schedule.<\/p><\/p>
<\/p>