Freelance Agent Evaluation Engineer
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
Effort estimate
Tasks for this project are estimated to take 20 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.
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
Parkhausbetreuer/ Quereinsteiger (m/w/d)
Wir gestalten Parkerlebnisse… …in über 195 Parkobjekten in 50 deutschen Städten leben wir „Quality in Parking“.Q-Park steht für gemeinsame Erfolgserlebnisse, Kundenfokussierung, Wertschätzung und ei…
Schlosser m/w/d und Schweißer m/w/d in München gesucht
Für eine Baustelle in München suchen wir einen Schlosser m/w/d und einen Schweißer m/w/d. Die Stelle ist in Zeitarbeit zu besetzen. Aufgaben Sie übernehmen alle anfallenden Arbeiten auf d…
IT-PMO & IT-Projektmanagement - Junior Consultant (m/w/d) in Hamburg
Wir bei mgm beraten und steuern seit über 20 Jahren Digitalisierungsprojekte unserer internationalen Kunden. Mit ganzheitlichen Lösungen befähigen wir IT, Business und Organisation, die Chancen der d…
Helfer/in - Metallbearbeitung(m/w/d)
Die Amano GmbH ist ein auf Innovationen im Bereich HR ausgerichtetes Unternehmen. Gemeinsam mit unseren Partnern möchten wir eine zukunftsorientierte Arbeitswelt gestalten: ein Ziel, welches gerade i…
Leitender Oberarzt Akutgeriatrie Großraum München (m/w/d)
Unser Kunde, ein modernes Krankenhaus der Grund- und Regelversorgung in Süddeutschland, sucht zum nächstmöglichen Zeitpunkt einen leitenden Oberarzt in der Akutgeriatrie (m/w/d) zur Unterstützung der …
Working Student IT System Administrator (all genders)
ABOUT US Our mission at Avelios is to unlock clinical data to power seamless healthcare operations for better patient care. To do so, we have built a modular software platform that digitizes and o…
Rechtsanwaltsfachangestellte / Rechtsfachwirt (m/w/d)
Als professioneller Personalvermittler stehen wir Ihnen bei der Suche nach einer neuen Herausforderung zur Seite. KBryant verspricht Ihnen die bestmögliche Beratung für Ihre berufliche Zukunft. Nutze…
Personalsachbearbeiter (m/w/d)
Ihre Aufgaben: Administrative Betreuung unserer Mitarbeitenden von der Einstellung bis zum Austritt Ansprechpartner für Mitarbeitende und Führungskräfte in allen personalrelevanten Themen Be…
Erzieher/Heilerziehungspfleger (m/w/d) bis 4.095 € + Zulagen
Erzieher/Heilerziehungspfleger (m/w/d) bis 4.095 € + Zulagen Wertschätzend, fair, unkompliziert. Die baloop GmbH als Teil der arano group GmbH ist Dein Personaldienstleister in der Pädagogik.…
Teamleiter Embedded Software (m/w/d)
Teamleiter Embedded Software (m/w/d) Referenz ID: 1419955 Finden Sie mit der AllatNet Recruiting Ihren Traum-Job. Durch unseren einzigartigen Kontakt zu Groß- und mittelständischen …