Software Engineering Evaluation Specialist

Mindrift
Frankfurt am Main

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.

About the Role

You’ll design coding tasks that challenge frontier AI coding agents. Each task is a self-contained Docker environment with a broken piece of software; an AI agent attempts the fix; automated tests verify the outcome. Your deliverable is the full task package: broken code, tests, instructions, and a reference solution proving the task is solvable.

Responsibilities :

  • Invent a realistic developer scenario — a real bug, a broken ETL, a missing feature — not a toy problem.
  • Build a reproducible Docker environment with pinned dependencies.
  • Write a pytest that verifies outcomes, not specific commands — deterministic, non-flaky, and does not leak the fix.
  • Write an instruction.md that reads like a Jira ticket a developer would receive.
  • Write a reference solve.sh proving the task is solvable.
  • Calibrate difficulty so current state-of-the-art agents solve the task 20–60% of the time.
  • Iterate based on feedback from expert QA reviewers.
  • Later: review other authors’ tasks as a QA reviewer.

Not in scope

  • Data labeling, prompt engineering.
  • Production code to ship — you design problems and verification for AI agents.
  • Leetcode puzzles — scenarios must look like real developer work.
  • Not every candidate task ships — quality over quantity.

Requirements

  • 3+ years of production software development in one backend stack — Python, Go, Node.js, Java, or Rust. Depth in one stack beats breadth.
  • Python + pytest fluency — required regardless of primary stack. The task harness is pytest-based even when the broken app is in another language. Fixtures, parametrize, monkeypatch, timeouts, conftest.py.
  • Docker authoring — reproducible Dockerfiles, pinned dependencies, multi-stage builds when needed, non-root user.
  • Linux & Bash — comfort debugging inside containers (strace, lsof, journalctl); shell beyond set -euo pipefail.
  • AI coding agent experience — Claude Code, Cursor, Roo Code, or similar, on non-trivial work. You can cite a specific time the AI was confidently wrong and how you caught it.
  • English — B2+ written.

Not a fit

  • Data Science, ML, or Computer Vision engineers without backend-engineering output.
  • Manual QA testers without automation or test authoring.
  • Frontend-only, low-code / no-code, IT Support, or Business Analysts.
  • Engineers who have never written pytest from scratch.
  • Junior, intern, or assistant as the most recent role.

Preferred qualifications

  • Domain depth in Security, System Administration (nginx / systemd / cron), Scientific Computing (NumPy / PyTorch / SciPy), DevOps, or Git internals.
  • Modern Python tooling (uv, poetry, pyproject.toml).
  • Coverage tooling (pytest-cov, coverage.py, gcov, llvm-cov, kcov).
  • Fuzzing or property-based testing (Hypothesis).
  • Prior contribution to agent-evaluation benchmarks or related frameworks.

Process

Apply → Pass qualification (90-minute sample-task screen + short behavioral interview) → Join a project → Complete tasks → Get paid.

Time commitment

  • Onboarding: ~10 hours per first task.
  • Steady state: ~5 hours per task, 2–4 parallel tasks per author.
  • Realistic weekly load: 8–20 hours. Higher volume available for top performers.
  • You choose when and how to contribute; tasks must be submitted by the deadline and meet acceptance criteria.

Compensation:

  • Paid contributions, rates up to $35/hour *.
  • Task-based compensation equivalent to hourly rate, depending on performance and volume.
  • Some projects include incentive payments.

*Rates vary based on expertise, skills assessment, location, project needs, and other factors. Higher rates may be provided to highly specialized experts. Lower rates may apply during onboarding or non-core project phases. Payment details are shared per project.

Apply

Submit your CV via the Mindrift platform. Indicate your English level, note this role (Software Engineering Evaluation Specialist — Terminal Bench), and include a GitHub profile link if available.

Veröffentlicht am 2026-08-18

Empfohlene Jobs

Monteur Baugruppenmontage (m/w/d) in Frankfurt am Main

Expert Select GmbH
Frankfurt am Main

Monteur Baugruppenmontage (m/w/d) in Frankfurt am Main Du hast Erfahrung in der Montage und möchtest lieber an einem festen Arbeitsplatz arbeiten statt ständig auf wechselnden Baustellen? Dann kan…

Details Anzeigen
Veröffentlicht am 2026-07-22

Verkaufsleiter Region Frankfurt (m/w/d)

Lidl Vertriebs-GmbH & Co. KG, Erlensee Süd
Frankfurt am Main

Einleitung Wir wollen für unsere Kunden nur das Beste. Dich zum Beispiel. Als Verkaufsleiter hast du die Performance der Filialen im Blick und die Zufriedenheit deines Teams auf dem Schirm. Und wä…

Details Anzeigen
Veröffentlicht am 2026-07-02

Gesundheits- und Krankenpfleger (m/w/d) TOP Gehalt Seniorenheim

SCORE Personal
Frankfurt am Main

Weniger Akutstress. Mehr Beziehungspflege. Mehr Planbarkeit. Als Gesundheits- und Krankenpfleger (m/w/d) kennen Sie den Druck im Klinikalltag. In diesem Seniorenheim arbeiten Sie mit festen Bewohne…

Details Anzeigen
Veröffentlicht am 2026-08-13

Senior Consultant Data Science (w/m/d)

KPMG Karriere Deutschland
Frankfurt am Main

Du bereitest komplexe Daten auf, modellierst, analysierst und visualisierst sie. Außerdem entwickelst Du mathematische und Machine Learning Modelle in Batch- und Real-Time-Kontext, um Lösungen für Pr…

Details Anzeigen
Veröffentlicht am 2026-08-15

IT - Qualitätsbeauftragter (m/w/d) - Ingenieur, Quality Assurance

Finanz Informatik
Frankfurt am Main

Als einer der größten Banken-IT-Dienstleister und Digitalisierungspartner Europas sind wir der Treiber der Digitalisierung innerhalb der Sparkassen-Finanzgruppe. Mit über 4.000 Mitarbeiter:innen an 3…

Details Anzeigen
Veröffentlicht am 2026-08-03

IT-Niederlassungsleiter (m/w/d) - Personaldienstleistung

Unique Personalservice GmbH
Frankfurt am Main

Du bist eine kommunikationsstarke, unternehmerisch denkende und verantwortungsbewusste Persönlichkeit mit Begeisterung für die IT und die Arbeit mit Menschen? Du möchtest nicht einfach eine bestehende…

Details Anzeigen
Veröffentlicht am 2026-08-18

IT-Revisor*in (m/w/d)

DFB e.V.
Frankfurt am Main

Position Wir suchen zum nächstmöglichen Zeitpunkt in Vollzeit (40h/ Woche) eine*n IT-Revisor*in (m/w/d) für die Abteilung Governance & Geschäftsprozesse. Dein Spielfeld Eigenständig…

Details Anzeigen
Veröffentlicht am 2026-08-12

(Senior) Consultant SAP BI (m/w/d) - Ingenieur, Consulting, Datenbankentwicklung/BI

cbs Corporate Business Solutions
Frankfurt am Main

Wir sind die Berater der Weltmarktführer: Hochmotivierte Expertinnen und Experten, die als erfolgreiches Team digitale End-to-End-Geschäftsprozesslösungen vorantreiben. Gemeinsam stärken wir die Zuku…

Details Anzeigen
Veröffentlicht am 2026-08-08

Qualitätsspezialist (m/w/d) Musterfertigung - IT, Qualitätsmanagement

MCA Engineering
Frankfurt am Main

Deine Aufgaben Sicherstellung und Weiterentwicklung der Qualitätsprozesse in der Musterfertigung. Überwachung von Musteraufbauten sowie Analyse und Ableitung von Verbesserungsmaßnahmen. Iden…

Details Anzeigen
Veröffentlicht am 2026-08-07

Gesamtprojektleiter:in mit fachlicher Teamleitungsfunktion / Eifelstrecke

DB InfraGO AG
Frankfurt am Main

Du setzt gerne komplexe Projekte, insbesondere bei der Realisierung von innovativer Infrastruktur um? Du suchst die Herausforderung und willst Großes bewegen? Möchtest du raus aus dem Gewöhnlichen un…

Details Anzeigen
Veröffentlicht am 2026-07-23