Senior Python Engineer - AI Coding Agent Evaluation (Freelance)
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:
- 8+ 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 paidEffort estimate
Tasks for this project are estimated to take 30 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 $200/hr equivalent , depending on level and pace. Tasks are estimated at ~30 hours each; you set your own schedule.
Emplois Recommandés
Auditeur Expérimenté en Cyber Sécurité H/F (Paris)
Description de la mission Forte d'un réseau mondial de plus de 11 000 experts et de 63 laboratoires technologiques cyber, notre équipe d'Audit et de Conseil en Cybersécurité se consacre à accompagn…
Hospitality Officer pour une Maison de Luxe (35h/sem) F/H
Rattaché(e) à un Hospitality Manager, vous serez positionné(e) chez notre client, Prestigieuse Maison de Luxe située à Paris 1er. En contrat CDI temps-plein, vos missions consisteront à : Ass…
Psychologue - auprès de mineurs - Équipe mobile d'appui aux situations complexes — H/F
Psychologue - auprès de mineurs - Équipe mobile d'appui aux situations complexes — H/F Vous souhaitez mettre votre expertise clinique au service d’un dispositif innovant dédié à l’accompagnement des …
Alternance Technical Consultant CRM (24 mois)
À propos de ChapsVision En quelques années, ChapsVision s’est imposé comme un acteur européen de référence du Big Data et de l’Intelligence Artificielle. Notre ambition : permettre aux entrepri…
Analyste Capital Regulatory Reporting
Poste ouvert aux personnes en situation de handicap.Au sein de l'équipe, vous participez à l'analyse, au calcul et au contrôle des données financières utilisées dans le cadre des réglementations prude…
Consultant Manager Data Gouvernance (F/H)
Carnet de route Novencia accompagne ses clients dans leurs projets de transformation digitale, technologique et data. Expert en Data et Intelligence Artificielle nous aidons nos clients à explo…
INFIRMIER DE EN SOINS DE SUITE ONCOLOGIE (F/H)
Parce que l'humain est au cœur de nos préoccupations, parce que la compétence est vitale, chez Appel Médical, nous nous engageons depuis plus de 50 ans auprès des acteurs de la santé et de la solidari…
Directeur Technique (H/F) #Datacenter #Hyperscale
votre mission Atlantis RH cherche pour un client, groupe international , un Directeur Technique (H/F) #Datacenter #Hyperscale sur Paris. Rejoignez un groupe international et apportez votre e…
Technicien de maintenance multi-technique (F/H)
VINCI Facilities IDF Tertiaire recrute des Techniciens de maintenance multi technique (F/H) pour l'une de ses Entreprises spécialisée dans les services de maintenance et travaux associés pour des s…
Formaliste juridique 100% télétravail
Qui sommes-nous ? LegalPlace est la plateforme qui simplifie toutes les démarches administratives, juridiques et comptables des entrepreneurs. Notre mission : permettre à chacun de créer, gére…