How Jump Trading is scaling quant research with ChatGPT

Jump Trading uses OpenAI to expand quantitative research. See how longer-running AI workflows combine multiple data sources with human review.

As a quantitative trading firm, Jump Trading creates predictive models that use market data, news and events, and a range of alternative data sources to make the best possible predictions about asset prices. Because markets are complex, noisy, and changing over time, it is rarely possible to anticipate exactly what will happen. But according to Lucas Baker, Head of LLM R&D at Jump, predicting even slightly better than a coin flip at scale is enough to result in a successful strategy. Baker leads agentic research and development, and he’s focused on building the agents, harnesses, and infrastructure that let quantitative researchers explore their ideas in greater breadth and depth. Adding GPT-6 Astra has dramatically expanded the scale and complexity of workflows that can be handed off to agents, from day-to-day coding to advanced quantitative studies to validate new hypotheses.

“With the GPT-6 series, especially GPT-6 Astra, Open AI has unlocked a new tier of autonomy for long-horizon tasks that require flexible agent coordination and extreme persistence on complex workflows. Where we used to require frequent human guidance and intervention, we can now focus fully on defining a secure and well-monitored environment with clear goals and letting the agents find their own way.”—Lucas Baker, Head of LLM R&D, Jump Trading

From short snippets of code to comprehensive analysis Over the past year, AI has transformed from a helpful tool, useful for writing one-off code snippets or finding small bugs into a capable, versatile system that can develop entire codebases and services by itself. Now, Baker and his team find that AI works best when treated more like a colleague. Researchers can define a key problem, a work environment, and a way of evaluating the quality and significance of results, then steer one or many agents in real time about where to focus the analysis or which job to run next. Baker says that with GPT-6 Astra, agents are now capable of not only finding meaningful and practical changes, but merging and stacking those wins together in a process of recursive improvement. Over the course of a single long-running task, the system can analyze its findings, judge them against the agreed-upon criteria from an initial proposal, and actively redirect its efforts rather than needing a person to analyze each round of changes. As he puts it, “You can define something that needs to run for days—it needs to pull from many data sources, it needs to make those subtle calls about what is important and what is not, and it needs to interrelate everything—to create a comprehensive analysis that actually works now,” he says.

Keeping human judgment at the center Jump Trading works across every time horizon and asset class. Every step of the process is complex, and in a heavily regulated industry such as finance, mistakes can have both financial and compliance consequences. Baker says that it is critical to be aware of the risks that arise from entrusting work to AI, but also that agentic intelligence can also be applied to improving quality, security, and monitoring, not just adding features. Strong system design and boundaries, clear constraints, infrastructure that promotes steerability and observability, and human review of changes help Jump Trading’s team ensure that AI-enabled workflows are ready to scale in a regulated environment.

“If you have a safe environment where the agent or system is free to produce any output that it needs, but there is also a human review process at the end of it where critical validation takes place with human acceptance, that’s what gives us confidence,” he says. For example, if an agent produces a trading signal, it’s scoped and reviewed the same way any output would be: as a signal, usually informative but potentially wrong, and integrated ...

بصفتها شركة تداول كمي، تنشئ Jump Trading نماذج تنبؤية تستخدم بيانات السوق والأخبار والأحداث، ومجموعة واسعة من مصادر البيانات البديلة، لتقديم أفضل تنبؤات ممكنة بشأن أسعار الأصول. وبسبب تعقيد الأسواق وضجيجها وتغيرها مع مرور الوقت، نادرًا ما يكون من الممكن التنبؤ بدقة بما سيحدث. ولكن وفقًا لـ Lucas Baker، رئيس البحث والتطوير الخاص بنماذج اللغات الكبيرة (LLM) في Jump، فإن التنبؤ بشكل أفضل قليلًا من رمي العملة على نطاق واسع يكفي لإنتاج استراتيجية ناجحة. ويقود Baker البحث والتطوير المعتمد على الوكلاء، ويركز على بناء الوكلاء والأدوات والبنية التحتية التي تسمح للباحثين الكميّين باستكشاف أفكارهم بعمق واتساع أكبر. وقد أدى إضافة GPT-6 Astra إلى توسيع نطاق وتعقيد سير العمل التي يمكن إسنادها إلى الوكلاء بشكل كبير، من البرمجة اليومية إلى الدراسات الكمية المتقدمة للتحقق من الفرضيات الجديدة.

"مع سلسلة GPT-6، وخاصة GPT-6 Astra، فتحت Open AI باب مستوى جديد من الاستقلالية للمهام طويلة الأمد التي تتطلب تنسيقًا مرنًا بين الوكلاء وثباتًا شديدًا في سير العمل المعقدة. فبدلًا من أننا كنا نحتاج إلى توجيه وتدخل بشري متكرر، يمكننا الآن التركيز بالكامل على تحديد بيئة آمنة ومراقبة جيدًا ذات أهداف واضحة، والسماح للوكلاء بإيجاد طريقهم بأنفسهم."—Lucas Baker، رئيس البحث والتطوير الخاص بنماذج اللغات الكبيرة، Jump Trading

من مقاطع الشفرة القصيرة إلى التحليل الشامل

خلال العام الماضي، تحول الذكاء الاصطناعي من أداة مساعدة مفيدة لكتابة مقاطع شفرة لمرة واحدة أو العثور على أخطاء صغيرة إلى نظام قادر ومتعدد الاستخدامات يمكنه تطوير قواعد شفرة وخدمات كاملة بمفرده. والآن، يجد Baker وفريقه أن الذكاء الاصطناعي يعمل بشكل أفضل عندما يُعامل أكثر كزميل. فيمكن للباحثين تحديد مشكلة رئيسية، وبيئة عمل، وطريقة لتقييم جودة النتائج وأهميتها، ثم توجيه وكيل واحد أو عدة وكلاء في الوقت الفعلي بشأن المكان الذي يجب التركيز عليه في التحليل أو المهمة التي يجب تشغيلها بعد ذلك. ويقول Baker إن الوكلاء، مع GPT-6 Astra، أصبحوا قادرين الآن ليس فقط على العثور على تغييرات ذات معنى وعملية، بل ودمج تلك الانتصارات وتراكمها معًا في عملية تحسين تكرارية. وعلى مدار مهمة طويلة الأمد واحدة، يمكن للنظام تحليل نتائجها، وتقديرها مقابل المعايير المتفق عليها من اقتراح أولي، وإعادة توجيه جهوده بنشاط بدلًا من الحاجة إلى شخص لتحليل كل جولة من التغييرات. وكما يقول: "يمكنك تحديد شيء يحتاج إلى التشغيل لأيام—يجب أن يستمد من مصادر بيانات متعددة، ويحتاج إلى اتخاذ تلك القرارات الدقيقة حول ما هو مهم وما ليس كذلك، ويحتاج إلى ربط كل شيء ببعضه—لإنشاء تحليل شامل يعمل فعليًا الآن،" كما يقول.

إبقاء الحكم البشري في المركز

تعمل Jump Trading عبر كل الأفق الزمني وفئات الأصول. وكل خطوة في العملية معقدة، وفي صناعة منظمة بشدة مثل التمويل، يمكن أن تكون للأخطاء عواقب مالية وامتثالية. ويقول Baker إن من الضروري أن نكون على دراية بالمخاطر الناشئة عن إسناد العمل إلى الذكاء الاصطناعي، ولكن أيضًا أن الذكاء المعتمد على الوكلاء يمكن تطبيقه لتحسين الجودة والأمان والمراقبة، وليس فقط لإضافة ميزات. فالتصميم القوي للنظام والحدود الواضحة، والقيود المحددة، والبنية التحتية التي تعزز القدرة على التوجيه والمراقبة، والمراجعة البشرية للتغييرات تساعد فريق Jump Trading على ضمان أن سير العمل المدعومة بالذكاء الاصطناعي جاهزة للتوسع في بيئة منظمة.

"إذا كان لديك بيئة آمنة حيث يكون الوكيل أو النظام حرًا في إنتاج أي مخرجات يحتاجها، ولكن هناك أيضًا عملية مراجعة بشرية في نهايتها حيث تجري عملية التحقق الحاسم مع القبول البشري، فهذا ما يمنحنا الثقة،" يقول. فعلى سبيل المثال، إذا أنتج الوكيل إشارة تداول، فإنها تُحدَّد نطاقها وتُراجع بنفس الطريقة التي تُراجع بها أي مخرج: كإشارة، تكون عادةً مفيدة ولكنها قد تكون خاطئة محتملة، وتُدمج...

الكيانات الرئيسية: Co...

الأسئلة الشائعة

س: كيف تستخدم Jump Trading الذكاء الاصطناعي في البحث الكمي؟

ج: تستخدم Jump Trading GPT-6 Astra من OpenAI لتوسيع نطاق البحث الكمي من خلال تمكين سير عمل الذكاء الاصطناعي طويل الأمد الذي يجمع بين مصادر بيانات متعددة مع المراجعة البشرية. وتساعد وكلاء الذكاء الاصطناعي في البرمجة والتحقق من الفرضيات والتحسين التكراري للنماذج، بينما يضمن الإشراف البشري الامتثال والجودة في بيئة منظمة.

একটি পরিমাণগত ট্রেডিং ফার্ম হিসেবে, Jump Trading ভবিষ্যদ্বাণীমূলক মডেল তৈরি করে যা সম্পদ মূল্যের সর্বোচ্চ সম্ভাব্য ভবিষ্যদ্বাণী করতে বাজারের তথ্য, সংবাদ এবং ঘটনা, এবং বিকল্প তথ্য উৎসের একটি পরিসর ব্যবহার করে। যেহেতু বাজার জটিল, শব্দযুক্ত এবং সময়ের সাথে পরিবর্তনশীল, তাই কখনই কখনোই সঠিকভাবে ভবিষ্যদ্বাণী করা সম্ভব হয় না। কিন্তু Lucas Baker-এর মতে, Jump-এর LLM R&D-এর প্রধান, স্কেলে একটি মুদ্রা নিক্ষেপের চেয়ে সামান্য ভালো ভবিষ্যদ্বাণী করাও একটি সফল কৌশলের ফলাফল হওয়ার জন্য যথেষ্ট। Baker এজেন্টিক গবেষণা ও উন্নয়নের নেতৃত্ব দেন, এবং তিনি পরিমাণগত গবেষকদের তাদের ধারণা আরও বিস্তার ও গভীরতা নিয়ে অন্বেষণ করতে দেওয়া এজেন্ট, হারনেস এবং অবকাঠামো তৈরিতে মনোনিবেশ করেন। GPT-6 Astra যোগ করার ফলে এজেন্টদের হস্তান্তর করা কাজের প্রবাহের স্কেল এবং জটিলতা ব্যাপকভাবে বৃদ্ধি পেয়েছে, দৈনন্দিন কোডিং থেকে নতুন অনুমান যাচাই করার জন্য উন্নত পরিমাণগত অধ্যয়ন পর্যন্ত।

"GPT-6 সিরিজের সাথে, বিশেষ করে GPT-6 Astra, Open AI দীর্ঘমেয়াদী কাজের জন্য স্বায়ত্তশাসনের একটি নতুন স্তর মুক্ত করেছে যা নমনীয় এজেন্ট সমন্বয় এবং জটিল কাজের প্রবাহে চরম ধৈর্য প্রয়োজন। যেখানে আমাদের আগে প্রায়শই মানব নির্দেশনা এবং হস্তক্ষেপের প্রয়োজন হতো, এখন আমরা সম্পূর্ণভাবে একটি নিরাপদ এবং ভালোভাবে পর্যবেক্ষিত পরিবেশ সংজ্ঞায়িত করতে মনোযোগ দিতে পারি যেখানে স্পষ্ট লক্ষ্য রয়েছে এবং এজেন্টদের তাদের নিজস্ব পথ খুঁজে পেতে দেওয়া হয়েছে।"—Lucas Baker, Head of LLM R&D, Jump Trading

কোডের ছোট অংশ থেকে বিস্তারিত বিশ্লেষণ পর্যন্ত

অতীত বছরে, AI একটি সহায়ক সরঞ্জাম থেকে সক্ষম, বহুমুখী ব্যবস্থায় পরিণত হয়েছে যা একক কোড অংশ লেখা বা ছোট বাগ খুঁজে পাওয়ার জন্য উপযোগী ছিল, এখন এটি নিজেই পুরো কোডবেস এবং সেবা বিকাশ করতে পারে। এখন, Baker এবং তার দল দেখছেন যে AI তখনই সেরা কাজ করে যখন এটিকে একজন সহকর্মীর মতো আচরণ করা হয়। গবেষকরা একটি মূল সমস্যা, একটি কাজের পরিবেশ এবং ফলাফলের গুণমান ও গুরুত্ব মূল্যায়নের একটি পদ্ধতি সংজ্ঞায়িত করতে পারেন, তারপর বাস্তব সময়ে একটি বা একাধিক এজেন্টকে নির্দেশ দিতে পারেন যে বিশ্লেষণে কোথায় মনোযোগ দেওয়া উচিত বা পরবর্তীতে কোন কাজ চালানো উচিত। Baker বলেন যে GPT-6 Astra-এর সাথে, এজেন্টরা এখন কেবল অর্থবহ এবং ব্যবহারিক পরিবর্তন খুঁজে পাওয়ার ক্ষমতা রাখেন না, বরং একটি পুনরাবৃত্তি উন্নতির প্রক্রিয়ায় সেই সাফল্যগুলো একত্রিত এবং স্তূপীকরণ করার ক্ষমতাও রাখেন। একটি একক দীর্ঘমেয়াদী কাজের সময়কালে, ব্যবস্থাটি তার আবিষ্কারগুলোর বিশ্লেষণ করতে পারে, একটি প্রাথমিক প্রস্তাব থেকে সম্মত মানদণ্ডের বিরুদ্ধে তাদের বিচার করতে পারে, এবং প্রতিটি পরিবর্তনের রাউন্ড বিশ্লেষণ করার জন্য একজন ব্যক্তির প্রয়োজনীয়তার বদলে সক্রিয়ভাবে তার প্রচেষ্টা পুনর্নির্দেশিত করতে পারে। তিনি যেমন বলেছেন, "আপনি এমন কিছু সংজ্ঞায়িত করতে পারেন যা দিনের জন্য চালানোর প্রয়োজন—এর অনেক তথ্য উৎস থেকে তথ্য প্রয়োজন, এতে গুরুত্বপূর্ণ এবং অগুরুত্বপূর্ণ বিষয়ের সূক্ষ্ম সিদ্ধান্ত নেওয়ার প্রয়োজন, এবং সবকিছু পরস্পর সংযুক্ত করার প্রয়োজন—একটি বিস্তারিত বিশ্লেষণ তৈরি করার জন্য যা এখন সত্যিই কাজ করে," তিনি বলেন।

মানব বিচারকে কেন্দ্রে রাখা

Jump Trading প্রতিটি সময়সীমা এবং সম্পদ শ্রেণীতে কাজ করে। প্রক্রিয়ার প্রতিটি ধাপ জটিল, এবং আর্থিকের মতো অত্যধিক নিয়ন্ত্রিত শিল্পে, ভুলের আর্থিক এবং অনুपालন পরিণতি হতে পারে। Baker বলেন যে AI-কে কাজ অর্পণ থেকে উদ্ভূত ঝুঁকি সম্পর্কে সচেতন থাকা অত্যন্ত গুরুত্বপূর্ণ, কিন্তু এজেন্টিক বুদ্ধিমত্তা গুণমান, নিরাপত্তা এবং পর্যবেক্ষণ উন্নত করতেও প্রয়োগ করা যেতে পারে, কেবল বৈশিষ্ট্য যোগ করার জন্য নয়। শক্তিশালী সিস্টেম নকশা এবং সীমানা, স্পষ্ট সীমাবদ্ধতা, স্টিয়ারেবিলিটি এবং ওবজারভেবিলিটি প্রচারকারী অবকাঠামো, এবং পরিবর্তনের মানব পর্যালোচনা Jump Trading-এর দলকে নিশ্চিত করতে সাহায্য করে যে AI-সক্ষম কাজের প্রবাহ নিয়ন্ত্রিত পরিবেশে স্কেল করার জন্য প্রস্তুত।

"আপনার যদি একটি নিরাপদ পরিবেশ থাকে যেখানে এজেন্ট বা ব্যবস্থাটি যে কোনো আউটপুট উৎপাদন করতে মুক্ত যা তাকে প্রয়োজন, কিন্তু এর শেষে একটি মানব পর্যালোচনা প্রক্রিয়াও রয়েছে যেখানে মানব গ্রহণের সাথে গুরুত্বপূর্ণ যাচাইকরণ ঘটে, তাই এটাই আমাদের আত্মবিশ্বাস দেয়," তিনি বলেন। উদাহরণস্বরূপ, যদি একটি এজেন্ট একটি ট্রেডিং সিগন্যাল উৎপাদন করে, তবে এটি যেকোনো আউটপুটের মতোই স্কোপ এবং পর্যালোচনা করা হয়: একটি সিগন্যাল হিসেবে, সাধারণত তথ্যপূর্ণ কিন্তু সম্ভাব্যভাবে ভুল, এবং একীভূত...

মূল এন্টিটি: Co...

FAQ Q: পরিমাণগত গবেষণায় Jump Trading কীভাবে AI ব্যবহার করে?

FAQ A: Jump Trading OpenAI-এর GPT-6 Astra ব্যবহার করে পরিমাণগত গবেষণা স্কেল করে একাধিক তথ্য উৎসকে মানব পর্যালোচনার সাথে একত্রিত করে দীর্ঘমেয়াদী AI কাজের প্রবাহ সক্ষম করে। AI এজেন্ট কোডিং, অনুমান যাচাইকরণ এবং মডেলের পুনরাবৃত্তি উন্নতির সহায়তা করে, যখন মানব তত্ত্বাবধান একটি নিয়ন্ত্রিত পরিবেশে অনুपालন এবং গুণমান নিশ্চিত করে।

Als quantitative Handelsfirma erstellt Jump Trading Vorhersagemodelle, die Marktdaten, Nachrichten und Ereignisse sowie eine Reihe alternativer Datenquellen nutzen, um die bestmöglichen Vorhersagen über Vermögenspreise zu treffen. Da Märkte komplex, verrauscht und zeitlich veränderlich sind, ist es selten möglich, genau vorherzusagen, was geschehen wird. Doch laut Lucas Baker, Head of LLM R&D bei Jump, reicht es aus, im großen Maßstab sogar nur geringfügig besser als ein Münzwurf vorherzusagen, um eine erfolgreiche Strategie zu entwickeln. Baker leitet die agentenbasierte Forschung und Entwicklung und konzentriert sich auf den Aufbau der Agenten, Harnesses und der Infrastruktur, die es quantitativen Forschern ermöglichen, ihre Ideen in größerer Breite und Tiefe zu erkunden. Die Ergänzung von GPT-6 Astra hat die Skalierbarkeit und Komplexität der Workflows, die an Agenten übergeben werden können, drastisch erweitert—von der täglichen Programmierung bis hin zu fortgeschrittenen quantitativen Studien zur Validierung neuer Hypothesen.

"Mit der GPT-6-Serie, insbesondere GPT-6 Astra, hat Open AI eine neue Stufe der Autonomie für langfristige Aufgaben freigeschaltet, die eine flexible Agentenkoordination und extreme Ausdauer bei komplexen Workflows erfordern. Wo wir früher häufig menschliche Anleitung und Eingriffe benötigten, können wir uns nun vollständig darauf konzentrieren, eine sichere und gut überwachte Umgebung mit klaren Zielen zu definieren und die Agenten ihren eigenen Weg finden zu lassen."—Lucas Baker, Head of LLM R&D, Jump Trading

Von kurzen Code-Schnipseln bis hin zu umfassenden Analysen

Im vergangenen Jahr hat sich KI von einem hilfreichen Werkzeug, das nützlich war, um einmalige Code-Schnipsel zu schreiben oder kleine Fehler zu finden, zu einem fähigen, vielseitigen System entwickelt, das eigenständig gesamte Codebasen und Dienste entwickeln kann. Jetzt stellen Baker und sein Team fest, dass KI am besten funktioniert, wenn sie eher wie ein Kollege behandelt wird. Forscher können ein Schlüsselproblem, eine Arbeitsumgebung und eine Methode zur Bewertung der Qualität und Bedeutung von Ergebnissen definieren und dann einen oder mehrere Agenten in Echtzeit anleiten, wo sie den Fokus der Analyse legen oder welchen Job sie als nächstes ausführen sollen. Baker sagt, dass Agenten mit GPT-6 Astra nun nicht nur in der Lage sind, bedeutende und praktische Änderungen zu finden, sondern diese Erfolge auch in einem Prozess rekursiver Verbesserung zusammenzuführen und zu stapeln. Im Verlauf einer einzigen langlaufenden Aufgabe kann das System seine Erkenntnisse analysieren, sie gegen die vereinbarten Kriterien eines ursprünglichen Vorschlags bewerten und seine Bemühungen aktiv umlenken, anstatt dass eine Person jede Runde von Änderungen analysieren muss. Wie er es ausdrückt: "Sie können etwas definieren, das über Tage laufen muss—es muss aus vielen Datenquellen ziehen, es muss diese subtilen Entscheidungen darüber treffen, was wichtig ist und was nicht, und es muss alles miteinander verknüpfen—um eine umfassende Analyse zu erstellen, die tatsächlich jetzt funktioniert", sagt er.

Menschliches Urteil im Zentrum behalten

Jump Trading arbeitet über alle Zeithorizonte und Asset-Klassen hinweg. Jeder Schritt des Prozesses ist komplex, und in einer stark regulierten Branche wie der Finanzwelt können Fehler sowohl finanzielle als auch Compliance-Folgen haben. Baker sagt, dass es entscheidend ist, sich der Risiken bewusst zu sein, die aus der Übertragung von Arbeit an KI entstehen, aber auch, dass agentenbasierte Intelligenz auch zur Verbesserung von Qualität, Sicherheit und Überwachung eingesetzt werden kann, nicht nur zum Hinzufügen von Funktionen. Starke Systemdesigns und Grenzen, klare Einschränkungen, Infrastruktur, die Steuerbarkeit und Beobachtbarkeit fördert, sowie menschliche Überprüfung von Änderungen helfen dem Team von Jump Trading sicherzustellen, dass KI-gestützte Workflows bereit sind, in einer regulierten Umgebung skaliert zu werden.

"Wenn Sie eine sichere Umgebung haben, in der der Agent oder das System frei jede Ausgabe produzieren kann, die es benötigt, aber es auch einen menschlichen Überprüfungsprozess am Ende gibt, bei dem eine kritische Validierung mit menschlicher Akzeptanz stattfindet, dann gibt uns das Vertrauen", sagt er. Wenn ein Agent beispielsweise ein Handelssignal erzeugt, wird es genauso eingegrenzt und überprüft wie jede andere Ausgabe: als Signal, normalerweise informativ, aber potenziell falsch, und integriert...

Schlüssellentitäten: Co...

Häufig gestellte Fragen

F: Wie nutzt Jump Trading KI in der quantitativen Forschung?

A: Jump Trading nutzt GPT-6 Astra von OpenAI, um quantitative Forschung zu skalieren, indem langlaufende KI-Workflows ermöglicht werden, die mehrere Datenquellen mit menschlicher Überprüfung kombinieren. Die KI-Agenten unterstützen beim Codieren, der Hypothesenvalidierung und der rekursiven Verbesserung von Modellen, während die menschliche Aufsicht Compliance und Qualität in einer regulierten Umgebung sicherstellt.

Como firma de trading cuantitativo, Jump Trading crea modelos predictivos que utilizan datos de mercado, noticias y eventos, y una amplia gama de fuentes de datos alternativas para realizar las mejores predicciones posibles sobre los precios de los activos. Dado que los mercados son complejos, ruidosos y cambiantes con el tiempo, rara vez es posible anticipar exactamente qué sucederá. Pero según Lucas Baker, Director de I+D de LLM en Jump, predecir incluso ligeramente mejor que un simple lanzamiento de moneda a gran escala es suficiente para dar lugar a una estrategia exitosa. Baker lidera la investigación y desarrollo de agentes, y se centra en construir los agentes, arneses e infraestructura que permiten a los investigadores cuantitativos explorar sus ideas con mayor amplitud y profundidad. La incorporación de GPT-6 Astra ha ampliado drásticamente la escala y la complejidad de los flujos de trabajo que pueden delegarse a los agentes, desde la codificación diaria hasta estudios cuantitativos avanzados para validar nuevas hipótesis.

"Con la serie GPT-6, especialmente GPT-6 Astra, Open AI ha desbloqueado un nuevo nivel de autonomía para tareas de largo alcance que requieren una coordinación flexible de agentes y una persistencia extrema en flujos de trabajo complejos. Donde antes requeríamos orientación e intervención humana frecuente, ahora podemos centrarnos completamente en definir un entorno seguro y bien monitorizado con objetivos claros y dejar que los agentes encuentren su propio camino."—Lucas Baker, Director de I+D de LLM, Jump Trading

Desde fragmentos de código cortos hasta análisis exhaustivos

Durante el último año, la IA ha pasado de ser una herramienta útil, adecuada para escribir fragmentos de código de una sola vez o encontrar pequeños errores, a un sistema capaz y versátil que puede desarrollar bases de código y servicios enteros por sí mismo. Ahora, Baker y su equipo descubren que la IA funciona mejor cuando se trata más como un colega. Los investigadores pueden definir un problema clave, un entorno de trabajo y una forma de evaluar la calidad y la importancia de los resultados, y luego dirigir en tiempo real a uno o varios agentes sobre dónde centrar el análisis o qué trabajo ejecutar a continuación. Baker dice que con GPT-6 Astra, los agentes ahora son capaces no solo de encontrar cambios significativos y prácticos, sino de fusionar y apilar esos logros juntos en un proceso de mejora recursiva. A lo largo de una única tarea de larga duración, el sistema puede analizar sus hallazgos, juzgarlos frente a los criterios acordados de una propuesta inicial y redirigir activamente sus esfuerzos en lugar de necesitar que una persona analice cada ronda de cambios. Como él dice: "Puedes definir algo que necesita ejecutarse durante días: necesita extraer de muchas fuentes de datos, necesita hacer esos llamamientos sutiles sobre qué es importante y qué no, y necesita interrelacionar todo: para crear un análisis exhaustivo que realmente funcione ahora", dice.

Manteniendo el juicio humano en el centro

Jump Trading trabaja en todos los horizontes temporales y clases de activos. Cada paso del proceso es complejo, y en una industria altamente regulada como la finanzas, los errores pueden tener consecuencias financieras y de cumplimiento. Baker dice que es crucial ser consciente de los riesgos que surgen de confiar el trabajo a la IA, pero también que la inteligencia de agentes puede aplicarse para mejorar la calidad, la seguridad y la monitorización, no solo para añadir funciones. Un diseño de sistema sólido y límites claros, restricciones definidas, infraestructura que promueva la capacidad de dirección y la observabilidad, y la revisión humana de los cambios ayudan al equipo de Jump Trading a garantizar que los flujos de trabajo habilitados por la IA estén listos para escalar en un entorno regulado.

"Si tienes un entorno seguro donde el agente o el sistema es libre de producir cualquier salida que necesite, pero también hay un proceso de revisión humana al final donde tiene lugar una validación crítica con aceptación humana, eso es lo que nos da confianza", dice. Por ejemplo, si un agente produce una señal de trading, se delimita y revisa de la misma manera que cualquier otra salida: como una señal, generalmente informativa pero potencialmente errónea, e integrada...

Entidades clave: Co...

Preguntas frecuentes

P: ¿Cómo utiliza Jump Trading la IA en la investigación cuantitativa?

R: Jump Trading utiliza GPT-6 Astra de OpenAI para ampliar la investigación cuantitativa habilitando flujos de trabajo de IA de larga duración que combinan múltiples fuentes de datos con revisión humana. Los agentes de IA ayudan en la codificación, la validación de hipótesis y la mejora recursiva de modelos, mientras que la supervisión humana garantiza el cumplimiento y la calidad en un entorno regulado.

En tant que société de trading quantitatif, Jump Trading crée des modèles prédictifs qui utilisent des données de marché, des actualités et des événements, ainsi qu'une gamme de sources de données alternatives pour faire les prédictions les plus précises possibles sur les prix des actifs. Comme les marchés sont complexes, bruyants et évolutifs, il est rarement possible d'anticiper exactement ce qui va se passer. Mais selon Lucas Baker, responsable de la R&D sur les LLM chez Jump, prédire même légèrement mieux qu'un lancer de pièce à grande échelle suffit à donner lieu à une stratégie réussie. Baker dirige la recherche et le développement de systèmes autonomes, et il se concentre sur la construction des agents, des harnais et de l'infrastructure qui permettent aux chercheurs quantitatifs d'explorer leurs idées avec plus de profondeur et d'étendue. L'ajout de GPT-6 Astra a considérablement élargi l'échelle et la complexité des flux de travail qui peuvent être confiés aux agents, de la programmation quotidienne aux études quantitatives avancées visant à valider de nouvelles hypothèses.

"Avec la série GPT-6, en particulier GPT-6 Astra, Open AI a débloqué un nouveau niveau d'autonomie pour les tâches à long terme qui nécessitent une coordination flexible des agents et une persistance extrême sur des flux de travail complexes. Là où nous devions auparavant fournir une guidance et une intervention humaines fréquentes, nous pouvons désormais nous concentrer pleinement sur la définition d'un environnement sécurisé et bien surveillé avec des objectifs clairs, et laisser les agents trouver leur propre chemin."—Lucas Baker, responsable de la R&D sur les LLM, Jump Trading

Des extraits de code courts à l'analyse complète

Au cours de l'année écoulée, l'IA est passée d'un outil utile, pratique pour écrire des extraits de code ponctuels ou trouver de petits bugs, à un système capable et polyvalent capable de développer seul des bases de code et des services entiers. Désormais, Baker et son équipe constatent que l'IA fonctionne mieux lorsqu'elle est traitée davantage comme un collègue. Les chercheurs peuvent définir un problème clé, un environnement de travail et une méthode d'évaluation de la qualité et de la signification des résultats, puis orienter en temps réel un ou plusieurs agents sur l'endroit où concentrer l'analyse ou quelle tâche exécuter ensuite. Baker indique qu'avec GPT-6 Astra, les agents sont désormais capables non seulement de trouver des changements significatifs et pratiques, mais aussi de fusionner et d'empiler ces succès dans un processus d'amélioration récursive. Au cours d'une seule tâche à long terme, le système peut analyser ses découvertes, les juger par rapport aux critères convenus d'une proposition initiale, et réorienter activement ses efforts plutôt que de nécessiter qu'une personne analyse chaque tour de modifications. Comme il le dit : "Vous pouvez définir quelque chose qui doit s'exécuter pendant des jours—il doit puiser dans de nombreuses sources de données, il doit faire ces appels subtils sur ce qui est important et ce qui ne l'est pas, et il doit tout interconnecter—pour créer une analyse complète qui fonctionne réellement maintenant," dit-il.

Garder le jugement humain au centre

Jump Trading travaille sur tous les horizons temporels et toutes les classes d'actifs. Chaque étape du processus est complexe, et dans une industrie fortement réglementée comme la finance, les erreurs peuvent avoir des conséquences financières et de conformité. Baker souligne qu'il est crucial d'être conscient des risques liés à la délégation de travail à l'IA, mais aussi que l'intelligence agentique peut être appliquée pour améliorer la qualité, la sécurité et la surveillance, pas seulement pour ajouter des fonctionnalités. Une conception de système solide et des limites claires, des contraintes explicites, une infrastructure favorisant la pilotabilité et l'observabilité, ainsi qu'une revue humaine des modifications aident l'équipe de Jump Trading à s'assurer que les flux de travail alimentés par l'IA sont prêts à être mis à l'échelle dans un environnement réglementé.

"Si vous disposez d'un environnement sûr où l'agent ou le système est libre de produire n'importe quelle sortie dont il a besoin, mais qu'il existe également un processus de revue humaine à la fin où une validation critique a lieu avec acceptation humaine, c'est ce qui nous donne confiance," dit-il. Par exemple, si un agent produit un signal de trading, il est délimité et revu de la même manière que n'importe quelle autre sortie : comme un signal, généralement informatif mais potentiellement erroné, et intégré...

Entités clés : Co...

Questions fréquentes

Q : Comment Jump Trading utilise-t-il l'IA dans la recherche quantitative ?

R : Jump Trading utilise GPT-6 Astra d'OpenAI pour étendre la recherche quantitative en permettant des flux de travail d'IA à long terme qui combinent plusieurs sources de données avec une revue humaine. Les agents d'IA assistent dans la programmation, la validation des hypothèses et l'amélioration récursive des modèles, tandis que la supervision humaine garantit la conformité et la qualité dans un environnement réglementé.

एक क्वांटिटेटिव ट्रेडिंग फर्म के रूप में, Jump Trading भविष्यवाणी मॉडल बनाता है जो संपत्ति मूल्यों के बारे में संभव होने पर सबसे अच्छी भविष्यवाणी करने के लिए बाजार के डेटा, खबरों और घटनाओं, और वैकल्पिक डेटा स्रोतों की एक श्रृंखला का उपयोग करते हैं। चूंकि बाजार जटिल, शोर वाले और समय के साथ बदलते हैं, यह कभी-कभी सटीक रूप से यह पूर्वानुमान करना संभव नहीं होता है। लेकिन Jump में LLM R&D के प्रमुख Lucas Baker के अनुसार, पैमाने पर सिक्का उछाल से थोड़ा बेहतर भविष्यवाणी करना भी एक सफल रणनीति का परिणाम होने के लिए पर्याप्त है। Baker एजेंटिक रिसर्च और डेवलपमेंट का नेतृत्व करते हैं, और वे उन एजेंटों, हैर्नेस और बुनियादी ढांचे को बनाने पर केंद्रित हैं जो क्वांटिटेटिव रिसर्चरों को अपनी विचारों को अधिक गहराई और चौड़ाई में खोजने की अनुमति देते हैं। GPT-6 Astra जोड़ने से एजेंटों को सौंपे जा सकने वाले कार्यप्रवाह के पैमाने और जटिलता में नाटकीय रूप से वृद्धि हुई है, दैनिक कोडिंग से लेकर नए परिकल्पनाओं को सत्यापित करने के लिए उन्नत क्वांटिटेटिव अध्ययनों तक।

"GPT-6 श्रृंखला के साथ, विशेष रूप से GPT-6 Astra, Open AI ने लंबे समय तक चलने वाली कार्यों के लिए स्वतंत्रता का एक नया स्तर अनलॉक किया है जिन्हें लचीले एजेंट समन्वय और जटिल कार्यप्रवाह पर अत्यधिक धैर्य की आवश्यकता होती है। जहां हमें पहले अक्सर मानव मार्गदर्शन और हस्तक्षेप की आवश्यकता होती थी, अब हम पूरी तरह से एक सुरक्षित और अच्छी तरह से निगरानी वाले वातावरण को परिभाषित करने पर ध्यान केंद्रित कर सकते हैं जिसमें स्पष्ट लक्ष्य हों और एजेंटों को अपना रास्ता ढूंढने दें।"—Lucas Baker, Head of LLM R&D, Jump Trading

छोटे कोड टुकड़ों से व्यापक विश्लेषण तक

पिछले एक वर्ष में, AI एक सहायक उपकरण से सक्षम, बहुमुखी प्रणाली में बदल गया है जो स्वयं पूरी कोडबेस और सेवाएं विकसित कर सकता है, जो एक-बार कोड टुकड़ों को लिखने या छोटी बग खोजने के लिए उपयोगी था। अब, Baker और उनकी टीम को यह पता चला है कि AI तब सबसे अच्छा काम करता है जब इसे अधिक एक सहकर्मী के रूप में माना जाता है। रिसर्चर एक मुख्य समस्या, एक कार्य वातावरण परिभाषित कर सकते हैं, और परिणामों की गुणवत्ता और महत्व का मूल्यांकन करने का एक तरीका, फिर वास्तविक समय में एक या कई एजेंटों को निर्देशित कर सकते हैं कि विश्लेषण पर कहाँ ध्यान केंद्रित करना है या अगला कौन सा कार्य चलाना है। Baker कहते हैं कि GPT-6 Astra के साथ, एजेंट अब न केवल अर्थपूर्ण और व्यावहारिक परिवर्तन खोजने में सक्षम हैं, बल्कि एक पुनरावर्ती सुधार की प्रक्रिया में उन जीत को एक साथ मर्ज और स्टैक करने में भी सक्षम हैं। एकल लंबे समय तक चलने वाले कार्य के दौरान, सिस्टम अपने निष्कर्षों का विश्लेषण कर सकता है, उन्हें एक प्रारंभिक प्रस्ताव से सहमत मानदंडों के खिलाफ निर्णय ले सकता है, और प्रत्येक परिवर्तन की राउंड का विश्लेषण करने के लिए एक व्यक्ति की आवश्यकता के बजाय सक्रिय रूप से अपने प्रयासों को पुनर्निर्देशित कर सकता है। जैसे कि वे कहते हैं, "आप कुछ ऐसा परिभाषित कर सकते हैं जिसके चलने की आवश्यकता है दिन—इसे कई डेटा स्रोतों से खींचने की आवश्यकता है, इसे यह निर्धारित करने के लिए उन सूक्ष्म निर्णय लेने की आवश्यकता है कि क्या महत्वपूर्ण है और क्या नहीं, और इसे सब कुछ एक-दूसरे से संबंधित करने की आवश्यकता है—एक व्यापक विश्लेषण बनाने के लिए जो वास्तव में अब काम करता है," वे कहते हैं।

मानव निर्णय को केंद्र में रखना

Jump Trading हर समय क्षितिज और संपत्ति श्रेणी में काम करता है। प्रक्रिया का हर कदम जटिल है, और वित्त जैसे अत्यधिक नियंत्रित उद्योग में, गलतियों के वित्तीय और अनुपालन परिणाम हो सकते हैं। Baker कहते हैं कि AI को काम सौंपने से उत्पन्न जोखिमों के बारे में जागरूक होना महत्वपूर्ण है, लेकिन साथ ही एजेंटिक बुद्धिमत्ता का उपयोग गुणवत्ता, सुरक्षा और निगरानी में सुधार करने के लिए भी किया जा सकता है, न कि केवल विशेषताएं जोड़ने के लिए। मजबूत सिस्टम डिजाइन और सीमाएं, स्पष्ट प्रतिबंध, जो स्टीयरबिलिटी और ऑब्जर्वेबिलिटी को बढ़ावा देते हैं, और परिवर्तनों का मानव समीक्षा Jump Trading की टीम को यह सुनिश्चित करने में मदद करते हैं कि AI-सक्षम कार्यप्रवाह नियंत्रित वातावरण में स्केल करने के लिए तैयार हैं।

"अगर आपके पास एक सुरक्षित वातावरण है जहां एजेंट या सिस्टम को वह कोई भी आउटपुट उत्पादित करने की स्वतंत्रता है जिसकी उसे आवश्यकता है, लेकिन इसके अंत में एक मानव समीक्षा प्रक्रिया भी है जहां महत्वपूर्ण सत्यापन मानवीय स्वीकृति के साथ होता है, तो वही हमें आत्मविश्वास देता है," वे कहते हैं। उदाहरण के लिए, यदि एक एजेंट एक ट्रेडिंग सिग्नल उत्पन्न करता है, तो इसे किसी भी आउटपुट की तरह ही परिभाषित और समीक्षा किया जाता है: एक सिग्नल के रूप में, आमतौर पर सूचनात्मक लेकिन संभावित रूप से गलत, और एकीकृत...

प्रमुख एंटिटी: Co...

FAQ Q: Jump Trading क्वांटिटेटिव रिसर्च में AI का उपयोग कैसे करता है?

FAQ A: Jump Trading क्वांटिटेटिव रिसर्च को स्केल करने के लिए OpenAI के GPT-6 Astra का उपयोग करता है जो कई डेटा स्रोतों को मानव समीक्षा के साथ जोड़ने वाले लंबे समय तक चलने वाले AI कार्यप्रवाह को सक्षम बनाता है। AI एजेंट कोडिंग, परिकल्पना सत्यापन और मॉडल के पुनरावर्ती सुधार में सहायता करते हैं, जबकि मानव पर्यवेक्षण एक नियंत्रित वातावरण में अनुपालन और गुणवत्ता को सुनिश्चित करता है।

Sebagai firma perdagangan kuantitatif, Jump Trading membuat model prediktif yang menggunakan data pasar, berita dan peristiwa, serta berbagai sumber data alternatif untuk membuat prediksi terbaik yang mungkin tentang harga aset. Karena pasar kompleks, bising, dan berubah seiring waktu, jarang mungkin untuk mengantisipasi dengan tepat apa yang akan terjadi. Namun menurut Lucas Baker, Kepala R&D LLM di Jump, memprediksi bahkan sedikit lebih baik daripada melempar koin dalam skala besar sudah cukup untuk menghasilkan strategi yang sukses. Baker memimpin penelitian dan pengembangan agentic, dan ia fokus pada membangun agen, harness, dan infrastruktur yang memungkinkan peneliti kuantitatif mengeksplorasi ide-ide mereka dengan lebih luas dan mendalam. Menambahkan GPT-6 Astra secara dramatis memperluas skala dan kompleksitas alur kerja yang dapat diserahkan kepada agen, dari pemrograman sehari-hari hingga studi kuantitatif lanjutan untuk memvalidasi hipotesis baru.

"Dengan seri GPT-6, terutama GPT-6 Astra, Open AI telah membuka tingkat otonomi baru untuk tugas jangka panjang yang memerlukan koordinasi agen yang fleksibel dan ketekunan ekstrem pada alur kerja kompleks. Di mana kami sebelumnya memerlukan bimbingan dan intervensi manusia yang sering, sekarang kami dapat sepenuhnya fokus pada mendefinisikan lingkungan yang aman dan termonitor dengan baik dengan tujuan yang jelas dan membiarkan agen menemukan jalan mereka sendiri."—Lucas Baker, Kepala R&D LLM, Jump Trading

Dari potongan kode pendek hingga analisis komprehensif

Selama setahun terakhir, AI telah berubah dari alat yang membantu, berguna untuk menulis potongan kode satu kali atau menemukan bug kecil, menjadi sistem yang mampu dan serbaguna yang dapat mengembangkan basis kode dan layanan secara mandiri. Sekarang, Baker dan timnya menemukan bahwa AI bekerja paling baik ketika diperlakukan lebih seperti rekan kerja. Peneliti dapat mendefinisikan masalah kunci, lingkungan kerja, dan cara mengevaluasi kualitas dan signifikansi hasil, lalu mengarahkan satu atau banyak agen secara real-time tentang di mana memfokuskan analisis atau pekerjaan mana yang akan dijalankan selanjutnya. Baker mengatakan bahwa dengan GPT-6 Astra, agen sekarang mampu tidak hanya menemukan perubahan yang bermakna dan praktis, tetapi juga menggabungkan dan menumpuk kemenangan-kemenangan tersebut bersama-sama dalam proses perbaikan rekursif. Sepanjang satu tugas jangka panjang, sistem dapat menganalisis temuan-temuannya, menilainya berdasarkan kriteria yang disepakati dari proposal awal, dan secara aktif mengarahkan kembali upayanya alih-alih memerlukan seseorang untuk menganalisis setiap putaran perubahan. Seperti yang ia katakan, "Anda dapat mendefinisikan sesuatu yang perlu berjalan selama berhari-hari—perlu menarik dari banyak sumber data, perlu membuat panggilan halus tentang apa yang penting dan apa yang tidak, dan perlu saling terkaitkan semuanya—untuk menciptakan analisis komprehensif yang benar-benar berfungsi sekarang," katanya.

Menjaga penilaian manusia di pusat

Jump Trading bekerja di setiap horizon waktu dan kelas aset. Setiap langkah dalam proses ini kompleks, dan dalam industri yang sangat diatur seperti keuangan, kesalahan dapat memiliki konsekuensi finansial dan kepatuhan. Baker mengatakan bahwa sangat penting untuk menyadari risiko yang timbul dari mempercayakan pekerjaan kepada AI, tetapi juga bahwa kecerdasan agentic dapat diterapkan untuk meningkatkan kualitas, keamanan, dan pemantauan, bukan hanya menambahkan fitur. Desain sistem yang kuat dan batas-batas, batasan yang jelas, infrastruktur yang mempromosikan steerability dan observability, serta tinjauan manusia atas perubahan membantu tim Jump Trading memastikan bahwa alur kerja yang didukung AI siap untuk diskalakan dalam lingkungan yang diatur.

"Jika Anda memiliki lingkungan yang aman di mana agen atau sistem bebas menghasilkan output apa pun yang dibutuhkannya, tetapi juga ada proses tinjauan manusia di akhirnya di mana validasi kritis terjadi dengan penerimaan manusia, itulah yang memberi kami kepercayaan," katanya. Sebagai contoh, jika agen menghasilkan sinyal perdagangan, itu dibatasi dan ditinjau dengan cara yang sama seperti output apa pun: sebagai sinyal, biasanya informatif tetapi berpotensi salah, dan diintegrasikan...

Entitas Kunci: Co...

FAQ Q: Bagaimana Jump Trading menggunakan AI dalam penelitian kuantitatif?

FAQ A: Jump Trading menggunakan GPT-6 Astra dari OpenAI untuk menskalakan penelitian kuantitatif dengan memungkinkan alur kerja AI jangka panjang yang menggabungkan beberapa sumber data dengan tinjauan manusia. Agen AI membantu dalam pemrograman, validasi hipotesis, dan perbaikan rekursif model, sementara pengawasan manusia memastikan kepatuhan dan kualitas dalam lingkungan yang diatur.

クオンツトレーディング企業として、Jump Tradingは市場データ、ニュース、イベント、およびさまざまな代替データソースを使用して、資産価格について可能な限り最適な予測を行う予測モデルを作成します。市場は複雑でノイズが多く、時間とともに変化するため、何が起きるか正確に予測することはめったにありません。しかし、JumpのLLM R&D責任者であるLucas Baker氏によると、スケーラブルな規模でコイン投げよりもわずかに良い予測ができるだけで、成功する戦略につながります。Baker氏はエージェントの研究開発を率いており、クオンツ研究者が自分のアイデアをより広い範囲と深さで探求できるようにするエージェント、ハーネス、インフラストラクチャの構築に注力しています。GPT-6 Astraの追加により、エージェントに引き渡すことができるワークフローの規模と複雑さが劇的に拡大しました。日常のコーディングから、新しい仮説を検証するための高度なクオンツ研究までです。

"GPT-6シリーズ、特にGPT-6 Astraにより、Open AIは、柔軟なエージェントの調整と複雑なワークフローに対する極端な持続性を必要とする長期タスクのために、新しいレベルの自律性を解放しました。以前は頻繁な人間のガイダンスと介入を必要としていましたが、現在は明確な目標を持つ安全でよく監視された環境を完全に定義することに集中し、エージェントに自分たちの道を見つけることを任せることができます。"—Lucas Baker、Jump Trading LLM R&D責任者

短いコードスニペットから包括的な分析まで

過去1年間で、AIは一度限りのコードスニペットの作成や小さなバグの発見に役立つ便利なツールから、独自にコードベース全体やサービスを開発できる有能で多目的なシステムへと変容しました。現在、Baker氏とそのチームは、AIをより同僚のように扱う場合に最もよく機能することを発見しています。研究者は主要な問題、作業環境、結果の質と重要性を評価する方法を定義し、リアルタイムで1つまたは複数のエージェントに分析をどこに集中させるか、次にどのジョブを実行するかを指示できます。Baker氏によると、GPT-6 Astraでは、エージェントは現在、意味のある実用的な変更を見つけるだけでなく、再帰的改善のプロセスでそれらの勝利を統合して積み重ねることも可能になっています。単一の長期タスクの間に、システムは発見を分析し、初期の提案から合意された基準に対して評価し、各ラウンドの変更を人が分析する必要はなく、積極的に努力を方向転換できます。彼が言うように、「数日間実行する必要がある何かを定義できます—多くのデータソースから引き出す必要があり、何が重要で何が重要でないかについての微妙な判断を下す必要があり、すべてを相互に関連付ける必要があります—実際に今機能する包括的な分析を作成するために」と彼は言います。

人間の判断を中心に保つ

Jump Tradingはすべての時間軸と資産クラスで活動しています。プロセスの各ステップは複雑であり、金融のような厳しく規制された業界では、ミスには金銭的およびコンプライアンス上の結果が生じる可能性があります。Baker氏は、AIに仕事を任せることから生じるリスクを意識することが重要であると述べていますが、エージェント型インテリジェンスは機能の追加だけでなく、品質、セキュリティ、モニタリングの向上にも適用できると述べています。強固なシステム設計と境界、明確な制約、ステアラビリティと観測性を促進するインフラストラクチャ、および変更の人間のレビューは、Jump TradingのチームがAI対応ワークフローを規制された環境でスケーリングの準備ができていることを確認するのに役立ちます。

"エージェントまたはシステムが必要なあらゆる出力を自由に生成できる安全な環境がある場合、ただしその最後に人間の承認を伴う重要な検証が行われる人間のレビュープロセスもある場合、それが私たちに自信を与えてくれます」と彼は言います。例えば、エージェントがトレーディングシグナルを生成した場合、それはあらゆる出力と同じ方法でスコープされ、レビューされます：シグナルとして、通常は情報的ですが潜在的に誤っている可能性があり、統合されます...

主要エンティティ：Co...

よくある質問

質問：Jump Tradingはクオンツ研究でAIをどのように使用していますか？

回答：Jump TradingはOpenAIのGPT-6 Astraを使用して、複数のデータソースと人間のレビューを組み合わせる長期のAIワークフローを可能にすることでクオンツ研究をスケーリングしています。AIエージェントはコーディング、仮説の検証、モデルの再帰的改善を支援し、人間の監視は規制された環境でのコンプライアンスと品質を保証します。

Como uma firma de trading quantitativo, a Jump Trading cria modelos preditivos que usam dados de mercado, notícias e eventos, e uma gama de fontes de dados alternativas para fazer as melhores previsões possíveis sobre preços de ativos. Como os mercados são complexos, ruidosos e mudam com o tempo, raramente é possível antecipar exatamente o que vai acontecer. Mas, de acordo com Lucas Baker, Head of LLM R&D na Jump, prever mesmo que ligeiramente melhor que um lance de moeda em escala é suficiente para resultar em uma estratégia bem-sucedida. Baker lidera pesquisa e desenvolvimento de agentes, e está focado em construir os agentes, harnesses e infraestrutura que permitem que pesquisadores quantitativos explorem suas ideias com maior amplitude e profundidade. Adicionar GPT-6 Astra expandiu dramaticamente a escala e complexidade dos fluxos de trabalho que podem ser entregues a agentes, desde codificação do dia a dia até estudos quantitativos avançados para validar novas hipóteses.

"Com a série GPT-6, especialmente GPT-6 Astra, a Open AI desbloqueou um novo nível de autonomia para tarefas de longo prazo que exigem coordenação flexível de agentes e persistência extrema em fluxos de trabalho complexos. Onde antes exigíamos orientação e intervenção humana frequentes, agora podemos focar totalmente em definir um ambiente seguro e bem monitorado com objetivos claros e deixar os agentes encontrar seu próprio caminho."—Lucas Baker, Head of LLM R&D, Jump Trading

De trechos curtos de código a análise abrangente

No último ano, a IA transformou-se de uma ferramenta útil, adequada para escrever trechos de código únicos ou encontrar pequenos bugs, em um sistema capaz e versátil que pode desenvolver bases de código e serviços inteiros por si só. Agora, Baker e sua equipe descobrem que a IA funciona melhor quando tratada mais como um colega. Os pesquisadores podem definir um problema-chave, um ambiente de trabalho e uma maneira de avaliar a qualidade e significância dos resultados, e então orientar um ou vários agentes em tempo real sobre onde focar a análise ou qual trabalho executar a seguir. Baker diz que com GPT-6 Astra, os agentes agora são capazes não apenas de encontrar mudanças significativas e práticas, mas de fundir e empilhar essas vitórias juntas em um processo de melhoria recursiva. Ao longo de uma única tarefa de longa duração, o sistema pode analisar suas descobertas, julgá-las contra os critérios acordados de uma proposta inicial, e redirecionar ativamente seus esforços em vez de precisar que uma pessoa analise cada rodada de mudanças. Como ele diz: "Você pode definir algo que precisa rodar por dias—precisa puxar de muitas fontes de dados, precisa fazer essas chamadas sutis sobre o que é importante e o que não é, e precisa inter-relacionar tudo—para criar uma análise abrangente que realmente funciona agora," diz ele.

Mantendo o julgamento humano no centro

A Jump Trading trabalha em todos os horizontes de tempo e classes de ativos. Cada etapa do processo é complexa, e em uma indústria fortemente regulamentada como a finanças, erros podem ter consequências financeiras e de conformidade. Baker diz que é crítico estar ciente dos riscos que surgem de confiar trabalho à IA, mas também que a inteligência agentica pode ser aplicada para melhorar qualidade, segurança e monitoramento, não apenas adicionar recursos. Design de sistema forte e limites, restrições claras, infraestrutura que promove steerability e observabilidade, e revisão humana de mudanças ajudam a equipe da Jump Trading a garantir que fluxos de trabalho habilitados por IA estejam prontos para escalar em um ambiente regulamentado.

"Se você tem um ambiente seguro onde o agente ou sistema é livre para produzir qualquer saída que precise, mas também há um processo de revisão humana no final onde validação crítica ocorre com aceitação humana, é isso que nos dá confiança," diz ele. Por exemplo, se um agente produz um sinal de trading, ele é escopado e revisado da mesma maneira que qualquer saída: como um sinal, geralmente informativo mas potencialmente errado, e integrado...

Entidades-chave: Co...

Perguntas frequentes

P: Como a Jump Trading usa IA em pesquisa quantitativa?

R: A Jump Trading usa o GPT-6 Astra da OpenAI para escalar pesquisa quantitativa, habilitando fluxos de trabalho de IA de longa duração que combinam múltiplas fontes de dados com revisão humana. Os agentes de IA auxiliam em codificação, validação de hipóteses e melhoria recursiva de modelos, enquanto a supervisão humana garante conformidade e qualidade em um ambiente regulamentado.

Как фирма количественного трейдинга, Jump Trading создаёт прогностические модели, которые используют рыночные данные, новости и события, а также широкий спектр альтернативных источников данных для максимально точных прогнозов цен на активы. Поскольку рынки сложны, зашумлены и меняются со временем, редко возможно точно предсказать, что произойдёт. Но, по словам Лукаса Бейкера, главы LLM R&D в Jump, прогнозирование даже немного лучше, чем подбрасывание монеты, в масштабе достаточно для успешной стратегии. Бейкер руководит агентным исследованиями и разработкой и сосредоточен на создании агентов, инструментов и инфраструктуры, которые позволяют количественным исследователям исследовать свои идеи в большей широте и глубине. Добавление GPT-6 Astra значительно расширило масштаб и сложность рабочих процессов, которые можно передать агентам, от повседневного кодирования до продвинутых количественных исследований для проверки новых гипотез.

"С серией GPT-6, особенно GPT-6 Astra, Open AI открыла новый уровень автономии для задач длительного горизонта, требующих гибкой координации агентов и экстремальной настойчивости в сложных рабочих процессах. Там, где раньше требовалось частое человеческое руководство и вмешательство, теперь мы можем полностью сосредоточиться на определении безопасной и хорошо контролируемой среды с чёткими целями и позволить агентам найти свой собственный путь."—Лукас Бейкер, глава LLM R&D, Jump Trading

От коротких фрагментов кода до комплексного анализа

За последний год ИИ превратился из полезного инструмента, пригодного для написания разовых фрагментов кода или поиска мелких ошибок, в способную, универсальную систему, способную самостоятельно разрабатывать целые базы кода и сервисы. Теперь Бейкер и его команда обнаруживают, что ИИ работает лучше всего, когда относится к нему больше как к коллеге. Исследователи могут определить ключевую проблему, рабочую среду и способ оценки качества и значимости результатов, а затем в реальном времени направлять одного или нескольких агентов относительно того, где сосредоточить анализ или какую задачу выполнить следующей. Бейкер говорит, что с GPT-6 Astra агенты теперь способны не только находить значимые и практические изменения, но и объединять и накапливать эти победы вместе в процессе рекурсивного улучшения. В течение одного долгосрочного задания система может анализировать свои выводы, оценивать их по согласованным критериям из первоначального предложения и активно перенаправлять свои усилия вместо того, чтобы требовать от человека анализа каждого раунда изменений. Как он выражается: "Вы можете определить что-то, что должно работать в течение дней—оно должно извлекать данные из множества источников, оно должно принимать эти тонкие решения о том, что важно, а что нет, и оно должно взаимосвязывать всё—чтобы создать комплексный анализ, который действительно работает сейчас," говорит он.

Сохраняя человеческое суждение в центре

Jump Trading работает на всех временных горизонтах и классах активов. Каждый шаг процесса сложен, и в такой строго регулируемой отрасли, как финансы, ошибки могут иметь финансовые и комплаенс-последствия. Бейкер говорит, что критически важно осознавать риски, возникающие при доверии работы ИИ, но также и то, что агентный интеллект может применяться для улучшения качества, безопасности и мониторинга, а не только для добавления функций. Прочный дизайн системы и границы, чёткие ограничения, инфраструктура, способствующая управляемости и наблюдаемости, и человеческий обзор изменений помогают команде Jump Trading убедиться, что рабочие процессы с поддержкой ИИ готовы к масштабированию в регулируемой среде.

"Если у вас есть безопасная среда, где агент или система свободны производить любой вывод, который им нужен, но также есть процесс человеческого обзора в конце, где происходит критическая валидация с человеческим принятием, именно это даёт нам уверенность," говорит он. Например, если агент производит торговый сигнал, он ограничивается и проверяется так же, как и любой другой вывод: как сигнал, обычно информативный, но потенциально ошибочный, и интегрируется...

Ключевые сущности: Co...

Часто задаваемые вопросы

В: Как Jump Trading использует ИИ в количественных исследованиях?

О: Jump Trading использует GPT-6 Astra от OpenAI для масштабирования количественных исследований, обеспечивая долгосрочные рабочие процессы ИИ, которые объединяют несколько источников данных с человеческим контролем. Агенты ИИ помогают в кодировании, проверке гипотез и рекурсивном улучшении моделей, в то время как человеческий надзор обеспечивает соответствие и качество в регулируемой среде.

作为量化交易公司，Jump Trading 创建预测模型，利用市场数据、新闻和事件，以及一系列另类数据源，对资产价格做出尽可能准确的预测。由于市场复杂、嘈杂且随时间变化，几乎不可能准确预测将要发生什么。但据 Jump 的 LLM 研发主管 Lucas Baker 称，在大规模上预测得比抛硬币稍好一点就足以形成成功的策略。Baker 领导代理式研发，专注于构建代理、工具和基础设施，使量化研究人员能够以更广的广度和更深的深度探索他们的想法。加入 GPT-6 Astra 后，可以移交给人工智能代理的工作流的规模和复杂性大幅扩展，从日常编码到用于验证新假设的高级量化研究。"借助 GPT-6 系列，尤其是 GPT-6 Astra，Open AI 为需要灵活代理协调和对复杂工作流保持极端持久性的长周期任务解锁了一个新的自主层级。过去我们需要频繁的人类指导和干预，现在我们可以完全专注于定义一个安全且监控良好的环境，设定清晰的目标，让代理自己找到路径。"——Lucas Baker，Jump Trading LLM 研发主管

从简短的代码片段到全面分析

过去一年，AI 已从一种有用的工具（可用于编写一次性代码片段或查找小错误）转变为一个有能力的、多功能的系统，能够独立开发整个代码库和服务。现在，Baker 和他的团队发现，当 AI 被更多地当作同事对待时效果最佳。研究人员可以定义一个关键问题、一个工作环境以及评估结果质量和重要性的方法，然后实时引导一个或多个代理，决定将分析集中在何处或下一步运行哪个任务。Baker 表示，借助 GPT-6 Astra，代理现在不仅能够发现有意义且实用的改进，还能在递归改进的过程中将这些成果合并和叠加起来。在单个长期运行的任务过程中，系统可以分析其发现，对照初始提案中商定的标准进行评判，并主动调整其努力方向，而无需人工分析每一轮更改。正如他所言，"你可以定义一个需要运行数天的任务——它需要从多个数据源获取数据，需要做出关于什么重要、什么不重要的微妙判断，需要将一切相互关联——从而创建出真正能用的全面分析。"

将人类判断置于核心

Jump Trading 涉足所有时间跨度和资产类别。流程的每一步都很复杂，而在金融这样一个高度监管的行业，错误可能带来财务和合规后果。Baker 表示，必须意识到将工作委托给 AI 所带来的风险，但代理式智能也可用于提高质量、安全性和监控水平，而不仅仅是增加功能。强大的系统设计和边界、清晰的约束、促进可引导性和可观测性的基础设施，以及对更改的人工审查，帮助 Jump Trading 的团队确保 AI 赋能的工作流能够在受监管的环境中准备就绪并实现规模化。

"如果你有一个安全的环境，代理或系统可以自由产生它需要的任何输出，但在此之后还有一个人类审查流程，在其中进行关键验证并获得人类认可，这正是我们信心的来源，"他说。例如，如果代理产生了一个交易信号，它会被以与任何输出相同的方式界定和审查：作为一个信号，通常具有信息量但可能错误，并被整合……

关键实体：Co...

常见问题

问题：Jump Trading 如何在量化研究中应用 AI？

答案：Jump Trading 利用 OpenAI 的 GPT-6 Astra 扩展量化研究，通过启用结合多种数据源与人工审查的长期运行 AI 工作流。AI 代理协助编码、假设验证和模型的递归改进，而人类监督确保在受监管环境中的合规性和质量。