AI Evaluation Engineer (Python, QA or Security)
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.
Empfohlene Jobs
Kommissionierer/in - Lager - Bettwaren - Vollzeit!
Ab sofort suchen wir, perZukunft, einen engagierten Kommissionierer (m/w/d) in Voll- oder Teilzeit. Sie arbeiten in wechselnden Schichten von Montag bis Samstag. Unser vertreibt [u.a.] Bettwaren. …
Projektingenieur:in Verkehrsanlagen
Wir, die DB Zeitarbeit GmbH, sind der interne Personaldienstleister der Deutschen Bahn AG und zugleich dein Sprungbrett in den DB-Konzern: Kurzfristig zu besetzende Stellen, Projektarbeit oder Eltern…
Sicherheitsmanager /in - Geld- und Werttransport (m/w/d)
Wir suchen ab sofort im Kundenauftrag in Berlin-Neukölln einen Sicherheitsmanager m/w/d für den Geld- und Werttransport. Die Stelle wird in einer 40 Stunden/Woche vergeben und tarifgemäß vergüt…
Senior Consultant SAP SuccessFactors / HCM (w/m/d)
Mit Deiner Expertise in der Beratung willst Du unseren Bereich Technology Transformation mit dem Fokus HR Transformation nachhaltig voranbringen? Dann kannst Du Dich hier einbringen: Als Senior Co…
Kaufmännische Angestellte (m/w/d) in Direktvermittlung
+++ DIREKTVERMITTLUNG in Festanstellung (keine Zeitarbeit) / Vermittlungsgutscheine (AVGS) werden akzeptiert +++ Bei Fragen einfach unverbindlich anrufen: 03048479484 oder einen Rückruf vereinbaren…
Zahnmedizinische:r Fachangestellte:r (w/m/d) - Hier gehörst Du hin!
Über uns Herzlich willkommen bei Zahnbewegung.Berlin MVZ GmbH - Colosseum Dental!Unsere Praxis besteht seit 1995 und hat sich seither als etablierte Anlaufstelle für kieferorthopädische Behandlungen…
Leitung des Fachbereichs Straßenverkehrsbehörde / Nutzung des öffentlichen Straßenraums
Leitung des Fachbereichs Straßenverkehrsbehörde / Nutzung des öffentlichen Straßenraums Der Bezirk Tempelhof-Schöneberg ist mit seinen ca. 350.000 Einwohner_innen einer der buntesten, vielfälti…
Mobiler Sicherheitsdienst (m/w/d) in Berlin-Wedding
Neuer Job in Berlin-Wedding: Werden Sie Mobiler Sicherheitsdienst (m/w/d). Die Vielfalt der Einsatzorte in Berlin-Wedding macht jede Schicht anders: Logistikzentren, Büroparks und Wohnanlagen wechse…
Consultant SAP Engagement Cloud (all genders)
DEINE ROLLE Marketing-Konzepte: Du hilfst Kunden, Marketing-Strategien von Persona bis Customer Journey zu entwickeln. Workshops und Konzepte: Du leitest Workshops und erstellst technische Konz…
Sales Development Representative - (all genders)
SDR | Compliance-SaaS | Berlin | €56K OTE Du möchtest deine Karriere im Sales starten? Du hast Lust, heyData zum global führenden Compliance-Startup aufzubauen, aber willst auch gleichzeitig übe…