Software Engineering Evaluation Specialist

Mindrift
Paris

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.

Publié le 2026-08-18

Emplois Recommandés

HEAD OF MARKETING | B2B TECH | PARIS | CDI | 80-90K€

Data Recrutement
Paris

L'ENTREPRISE : UN ACTEUR PIONNIER DE L’IA APPLIQUÉE AUX ENTREPRISES Cette scale-up française développe une plateforme d’intelligence artificielle de nouvelle génération permettant aux grandes …

Voir les Détails
Publié le 2026-06-18

Chef de projet Cloud H/F

Log
Paris

Rejoignez une équipe passionnée par l'innovation et contribuez à des projets Cloud de grande envergure chez LOG ! Dans un contexte de forte croissance, nous recherchons un Chef de Projet Cloud po…

Voir les Détails
Publié le 2025-10-07

ML Engineer - Freelance

Collective.work
Paris

Tu rejoins une équipe pluridisciplinaire . En tant que ML Engineer, tu interviens sur l'ensemble du cycle de vie des features ML — de l'idée à la mise en production — en collaboration étroite avec le…

Voir les Détails
Publié le 2026-07-17

Manager de Point de Vente F/H

PAUL
Paris 10e

A propos de PAUL: Areas est la référence n°1 en France de la restauration de voyage. Présents dans les gares, autoroutes, aéroports et centres de loisirs, nous collaborons avec des enseignes renommée…

Voir les Détails
Publié le 2026-08-21

Ingénieur·e Logiciel C++/ADA (H/F) - Systèmes Critiques

Groupe SII
Paris

Description de la mission Au sein de l’Agence  Engineering & Cyber , nous accompagnons nos clients Grands Comptes depuis 40 ans. Véritable partenaire des acteurs majeurs du secteur comme Thales, …

Voir les Détails
Publié le 2025-07-08

Associate Product Manager (F/H) - internship

Studi
Paris

About us A subsidiary of Studi, Le Wagon is the world leader in immersive tech training. We teach our students the skills they need to change their lives, land a job, give their career a fresh b…

Voir les Détails
Publié le 2026-07-21

Neurologue H/F - Paris 75009

JoberGroup
Paris 9e

Présentation de l'entrepriseRetrouvez plus de 4000 offres d'emploi santé sur notre site et application mobile Jober Group. Profitez d'un réseau de 2000 partenaires sur toute la France, d'une équip…

Voir les Détails
Publié le 2026-05-01

(H/F) Gérant franchisé centre d'apprentissage de l'anglais

Les Petits Bilingues
Paris 1er

A propos de Les Petits Bilingues: Les Petits Bilingues c'est plus de 30 ans d'expérience dans l'apprentissage de l'anglais pour petits et grands ! Avec une méthode éprouvée basée sur des outils et un…

Voir les Détails
Publié le 2026-08-03

Expertise SailPoint (IT)

R&S TELECOM
Paris

Contexte de la mission : En tant qu'expert SailPoint vous intégrez une équipe en charge du développement et la mise en place de la solution SailPoint IndentityIQ Tâches à réaliser : Sur la so…

Voir les Détails
Publié le 2026-08-15

DRH Temps partiel - PME ÉCO-INDUSTRIE

TRYON
Paris

Tu incarne la fonction ressources humaines dans un contexte de croissance et de structuration de l’entreprise (30 collaborateurs aujourd’hui et 100 dans 3 ans). Tu agis sur les sujets RH à 360° et en…

Voir les Détails
Publié le 2026-08-14