Jump Trading 使用 GPT-6 Astra 扩展量化研究
Jump Trading 正利用 GPT-6 Astra 自动化复杂的、长期视角的量化研究与编码工作流，推动从手动代码生成向自主代理研究的转变。这使得量化研究人员能够专注于定义高层次目标和评估标准，而代理则负责执行并递归改进假设。
量化研究的自主代理工作流
GPT-6 Astra 使 Jump Trading 能够执行需要代理之间灵活协作和高度持久性的长期任务。据 Jump 公司大语言模型研发负责人 Lucas Baker 所述，该模型开启了新的自主层级，减少了频繁的人工干预需求。研究人员现在只需定义问题、工作环境和评估指标，即可实时引导代理。
GPT-6 Astra 引入的关键能力包括：
- 递归改进：代理能够发现实际可行的改进，合并并叠加这些成果，并根据商定的标准主动调整自身努力方向，而无需人类分析每一轮变更。
- 全面分析：系统可运行数日，从多个数据源获取信息，并对数据的重要性做出定性判断，从而生成全面的分析。
- 端到端代码库开发：工作流已从 2024 年编写一次性代码片段，演进为 2025 年从零创建完整代码库，再到 2026 年动态协作推进开放研究问题。
受监管金融中的风险管理与人工监督
为管理量化交易固有的金融与合规风险，Jump Trading 将代理智能整合到质量、安全和监控系统中，而不仅仅是功能增强。公司采用“安全环境”策略，并辅以严格的人员审查。
"如果你有一个安全环境，代理或系统可以自由生成所需输出，但最终仍有人工审查流程，关键验证由人工确认，这正是我们信心的来源，"
Lucas Baker 解释道，任何输出（例如代理生成的交易信号）都被视为具有信息价值但可能不准确的信号。这些信号会被整合到经过严格审查和控制的执行环境中，以确保安全与合规。
"自动研究" 的未来
Jump Trading 展望未来将迈向“自动研究”，即由代理研究人员递归改进可衡量系统，成为量化工作流的标准组成部分。
在这一未来状态中，人类将定义初始系统——包括输入、环境、评估指标和优先级，然后将整个过程交由由其他代理协调的“代理舰队”执行。这些代理将自主决定如何探索想法、分配计算资源并整合发现，以回答通用研究问题。这一转变旨在将流程从需要定期检查，转变为完全端到端的自主研究管道。