岗位描述
岗位描述：面向量化研究与交易场景，提升 GLM 基座模型在数据分析、因子挖掘、策略研究、代码执行和自主迭代方面的 Agent 能力。负责构建面向量化研究、因子挖掘和策略开发的 Agent 环境、Harness、任务与评测体系；探索 AutoResearch 范式，使 Agent 能够自主提出研究假设、编写代码、运行实验、完成回测、分析结果并持续迭代；设计和构造 Trading Agent 后训练数据，包括轨迹数据、合成数据、偏好数据和失败案例；研究 Reward 设计、强化学习、拒绝采样、蒸馏等后训练方法，提升模型在长程研究任务中的能力；分析 Agent 在工具调用、代码执行、金融推理和实验决策中的失败模式，并推动环境、评测、数据和训练形成闭环；跟踪并探索 Code Agent、Research Agent 和金融智能体方向的前沿研究。岗位希望与候选人共同探索能够自主开展研究、发现因子并持续优化策略的 Trading Agent。 岗位要求：计算机、人工智能、金融工程、数学、统计等相关专业，本科及以上学历；具备扎实的编程能力，熟练使用 Python，能够独立完成算法实验和系统开发；熟悉大语言模型、Agent、强化学习或后训练中的一个或多个方向；有大模型后训练、Agent 训练或 Code Agent 相关经验；具备良好的研究能力，能够提出问题、设计实验并根据结果持续迭代；对量化金融、因子研究、策略回测、交易系统或金融数据分析有一定经验。加分项包括：有高水平论文、开源项目、竞赛成绩或大规模模型训练经验；有构建复杂 Agent 环境、自动评测系统或长期运行研究系统的经验。