Trading Agent 后训练算法工程师

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

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 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。 我们希望寻找既理解大模型训练，又愿意深入真实量化研究场景的候选人，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