Jump Trading 是一家量化交易公司，透過建立預測模型，運用市場數據、新聞與事件，以及各種另類數據來源，力求盡可能準確地預測資產價格。市場複雜、充斥雜訊，而且不斷變化，因此幾乎不可能準確預見未來走勢。不過，Jump 的 LLM 研發主管 Lucas Baker 指出，只要大規模進行預測，即使準確率僅略高於擲硬幣，也足以成就成功的策略。
Baker 負責領導智能代理研發，專注於建立智能代理、任務執行框架和基礎設施，讓量化研究員能更廣泛、更深入地探索構想。引入 GPT‑6 Astra 後，可交由智能代理處理的工作流程，在規模和複雜程度上都大幅提升，涵蓋日常編程，以至驗證新假設的進階量化研究。
「有些長時間任務需要智能代理靈活協作，並持續不懈地處理複雜工作流程。透過 GPT-6 系列，尤其是 GPT-6 Astra，OpenAI 讓這類任務的自主執行能力提升至全新層次。過去，我們需要頻繁提供人為指導和介入；如今，我們可以全心專注於建立安全、監察完善且目標明確的環境，讓智能代理自行找出解決方法。」
過去一年，AI 已從協助編寫一次性程式碼片段或找出小錯誤的實用工具，蛻變成能力強大、用途廣泛的系統，能夠獨立開發完整的程式碼庫和服務。如今，Baker 和團隊發現，以對待同事的方式與 AI 合作，最能發揮其效用。研究員可以界定核心問題、設定工作環境，以及訂立評估結果質素和重要性的方法，然後即時指導一個或多個智能代理，決定分析應聚焦何處，或下一步執行哪項工作。
Baker 表示，藉助 GPT‑6 Astra，智能代理如今不僅能找出有意義且可行的改進，還能將這些成果整合、累積，在此基礎上反覆改進。執行一項長時間運行的任務時，系統可以分析所得結果，依照最初提案中議定的準則作出評估，並主動調整工作方向，無須由人逐輪分析改動。他解釋：「你可以設定一項需要運行數天的任務：它必須從多個數據來源擷取資料，細緻判斷哪些內容重要、哪些不重要，並串連各項資訊，從而產出全面分析。這種做法如今確實可行。」
Jump Trading 的業務涵蓋各種交易時間尺度和資產類別。流程中的每一步都十分複雜，而在金融這類監管嚴格的行業，錯誤可能同時帶來財務和合規方面的後果。Baker 表示，必須認清將工作交託 AI 所帶來的風險，但智能代理的能力也可以用來提升質素、加強安全與監察，而不只是增添功能。穩健的系統設計與界限、明確的限制、有助提升可引導性和可觀測性的基礎設施，以及對改動進行人手審核，都有助 Jump Trading 團隊確保 AI 輔助工作流程已準備好在受監管環境中擴大規模。
他說：「在安全的環境中，智能代理或系統可以自由產出所需的任何結果，但最後仍設有人手審核程序，由人進行關鍵驗證並確認接納。這正是我們信心的來源。」例如，若智能代理產生一個交易訊號，團隊會像處理任何其他產出一樣，界定其適用範圍並加以審核：將它視為一個通常具參考價值、但也可能出錯的訊號，再於經過嚴格審核和管控的執行環境中，與所有其他訊號整合。
Baker 認為，我們正邁向一個「自主研究」無處不在的世界。這種由研究型智能代理反覆改進可量度系統的方式，將普及至被視為量化研究員日常工作流程的一部分。如今，即使是 GPT‑6 Astra 運行時間最長的工作，仍需要定期與設定任務的人員溝通，確認的不僅是擷取哪些數據、運行多久、哪些內容算重要，還包括中途產出的結果是否合理。更進階的自主研究仍會以人所界定的系統為起點，當中包括輸入、環境設定、評估指標、取捨和整體優先次序，但其餘流程則會交由一支組織靈活的智能代理「團隊」負責，並由其他智能代理協調。在結構完善的研究流程中，這些智能代理幾乎只需一個開放式問題作為起點，就能明智地決定如何探索構想、分配運算時間，以及整合有潛力的研究結果。
「如果你能將這一切串連成完整流程，提出一個連自己也不知道答案的概括問題，然後得到有用的結果，那會是怎樣的情景？」他問道。「如果你能解決一道千禧年難題，大概也能在量化金融領域找出一些相當有趣的事實。」
每一年，模型不僅在基準測試中穩步進步，能夠執行的工作類型也有突破性的拓展。這些發展往往連提前幾個月也難以預測：2024 年，早期智能代理能毫無錯誤地編寫一個檔案，已令人印象深刻；到了 2025 年，從零建立完整程式碼庫已成為可能；而在 2026 年，多個智能代理已能靈活地並肩協作，推進尚未解決的研究問題。「明年又會有甚麼進展？」他說。「這樣的前景實在令人驚歎。」
