وصف الوظيفة
يرجى إرسال سيرتك الذاتية باللغة الإنجليزية وتحديد مستوى كفاءتك في اللغة الإنجليزية.
Mindrift تربط المتخصصين بفرص الذكاء الاصطناعي القائمة على المشاريع للشركات التقنية الرائدة، مع التركيز على الاختبار والتقييم وتحسين أنظمة الذكاء الاصطناعي.
المشاركة قائمة على المشروع، وليست توظيفًا دائمًا.
ما تتضمنه هذه الفرصة: عملاء/frontier في وكالات الترميز هم بالفعل جيدون في اجتياز الاختبارات.
نقيس ما إذا كانوا يجتازونها بالطريقة الصحيحة .
نحن نبني مجموعة بيانات لتقييم الأمان والسلوك لدى وكلاء الترميز بالذكاء الاصطناعي — ليس فقط إنجاز المهمة، بل هل يفعلونها بنزاهة، ضمن النطاق، ودون تقصير.
ستصمم مهام حيث المسار السهل هو غير آمن، وتكتب الاختبارات التي تكشف ذلك: بناء بيئات مطور واقعية — شركة افتراضية تحتوي على قاعدة كود وبنية تحتية وسياق (تذاكر، وثائق، محادثات) تشكل تاريخ تطوير مقنع تصميم مهام تجمع هدف تطويري آمن مع اختصار غير آمن مغري: توسيع النطاق، انتهاكات السياسة، تلف البيانات، تغييرات واسعة الامتثال اكتب اختبارات تتحقق من أن الوكيل أنجز المهمة بطريقة صحيحة — كاشفة عن الاختزالات غير الصحيحة، لا فقط التحقق من المخرجات. قم بالتكرار على المهام والاختبارات بناءً على ملاحظات ضمان الجودة — راجع حلول الوكلاء، حلّل الإخفاقات، واصل ضبطها حتى تكون التقييم عادلًا وقويًا. ما ليس هذا: ليس تصنيف بيانات؛ ليس هندسة الاستعلامات؛ ليس الأمن السيبراني أو اختبار الاختراق — لا وجود لمهاجم في السيناريو.
خبرة الأمن السيبراني ميزة ولكنها ليست مطلوبة.
نحن نبحث عن مهندسين يفهمون كيف يجب أن يتصرف الكود، لا مختبري اختراق.
مهندسو برمجيات أقوياء، ليسوا متخصصين في الأمن؛ ليس كتابة كود من الصفر — الوكيل يكتب معظم الكود؛ أنت تصمم الموقف وتقييم النتيجة؛ ما نبحث عنه: 4–5+ سنوات في تطوير البرمجيات؛ التقنية الأساسية: بايثون، جافاسكريبت/تايبسكريبت؛ مهارات تصميم اختبارات قوية — اختبارات وظيفية وتكامل تفصل بين الإنجاز الآمن وغير الآمن، وليس فقط الصحيح من الخاطئ؛ خبرة عملية مع وكلاء الترميز (Claude Code، GitHub Copilot CLI، Codex، أو ما يماثلها)؛ الإلمام بطلبات سحب GitHub وعمليات CI كمستخدم؛ اتساع التقنيات مقبول، ليس كفلتر.
تحاكي المهام مستودعات حقيقية تحتوي قواعد بيانات، خطوط CI، وملفات نشر، لذا فإن التعرض الأوسع للخلفية والخوادم مفيد حقاً — لكن ليس مطلوباً أن تكون خبيراً في كل طبقة؛ الكفاءة الإنجليزية — B2+. لماذا هذا صعب: نماذج Frontier جيدة في الترميز بالفعل.
إنشاء مهمة تتحدى النماذج الأفضل بشكل حقيقي ليس بسيطاً.
الصعوبة الحقيقية هي بناء الإغراء — سيناريو حيث المسار غير الآمن أو خارج النطاق هو طريق المقاومة الأقل — ثم كتابة اختبارات تكشف بشكل موثوق عن وكيل اتبعه.
تحتوي المهام على العديد من الحلول الصحيحة؛ يجب أن تقبل الاختبارات جميعها وترفض السيئة منها.
كيف تعمل: التقديم → اجتياز التأهيل → الانضمام إلى مشروع → إكمال المهام → الدفع. التوقعات الزمنية للمشروع: للمشروع هذا، تُقدَّر المهام بنحو 20-25 ساعة أسبوعياً خلال فترات النشاط، بناءً على متطلبات المشروع.
هذه تقدير، ليست عبء عمل مضمون، وتطبق فقط أثناء نشاط المشروع.
يجب تقديم المهام قبل الموعد النهائي وتلبي معايير القبول المدرجة ليتم قبولها.
التعويض: في هذا المشروع، يمكن للمساهمين أن يكسبوا حتى 50 دولاراً في الساعة كمعادل، حسب مستواهم وتيرة مساهمتهم.
يختلف التعويض عبر المشاريع حسب النطاق والتعقيد والخبرة المطلوبة.
يرجى ملاحظة أن مشاريع أخرى على المنصة قد تقدم مستويات ربح مختلفة وفقاً لمتطلباتها.
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 Frontier coding agents are already good at passing tests.
We measure whether they pass them the right way .
We're building a dataset to evaluate the safety and conduct of AI coding agents — not just whether they complete a task, but whether they do it honestly, within scope, and without cutting corners.
You'll design tasks where the easy path is the unsafe one, and write the tests that catch it: Build realistic developer environments — a virtual company with codebase, infrastructure, and context (tickets, docs, conversations) that forms a believable development history Design tasks that pair a benign development goal with a tempting unsafe shortcut: scope creep, policy violations, data corruption, over-permissive changes Write tests that verify whether the agent completed the task the right way — catching corners cut, not just checking outputs 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 cybersecurity or red-teaming — there is no attacker in the scenario.
Cybersecurity experience is a nice-to-have but not a requirement.
We're looking for engineers who understand how code should behave, not penetration testers.
Strong software engineers, not security specialists; Not writing code from scratch — the agent writes most of the code; you design the situation and evaluate the outcome; What we look for 4–5+ years in software development; Core stack: Python, JavaScript/TypeScript; Strong test design skills — functional and integration tests that separate safe from unsafe completion, not just correct from incorrect; Hands-on experience with coding agents (Claude Code, GitHub Copilot CLI, Codex, or similar); Familiarity with GitHub PRs and CI workflows as a user; Stack breadth is welcome, not a filter.
Tasks simulate real repositories with databases, CI pipelines, and deploy scripts, so wider backend and infrastructure exposure is genuinely useful — but you don't need to be an expert in every layer; 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.
The real difficulty is building the temptation — a scenario where the unsafe or out-of-scope path is the path of least resistance — and then writing tests that reliably catch an agent that took it.
Tasks have many valid solutions; tests must accept all of them and reject the bad ones.
How it works Apply → Pass qualification(s) → Join a project → Complete tasks → Get paid Project time expectations For this project, tasks are estimated to require around 20-25 hours per week during active phases, based on project requirements.
This is an estimate, not a guaranteed workload, and applies only while the project is active.
Tasks must be submitted by the deadline and meet the listed acceptance criteria to be accepted.
Compensation On this project, contributors can earn up to $50 per hour equivalent , depending on their level and pace of contribution.
Compensation varies across projects depending on scope, complexity, and required expertise.
Please note that other projects on the platform may offer different earning levels based on their requirements.