简街
Machine Learning Researcher
Machine Learning Researcher
发布于 5 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Distributed Training
Gpu Computing
Llm
Reinforcement Learning
Trading Strategies
值不值得投
83综合评分
综合评分 83
顶尖量化机构核心研究岗，薪资极高、技术前沿，但工作节奏快、挑战巨大。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
20万
比机器学习工程中位数高
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
5 个在招
市场机会
选择不多
香港特别行政区 · 机器学习工程 · 5 个在招
职位详情
关于这个职位
该职位负责构建支持交易策略的深度学习模型，利用大规模GPU集群解决非平稳数据集和多智能体环境下的挑战
你需要与工程师和交易员紧密合作，将前沿的机器学习技术（如LLM、RL等）应用于下一代交易策略的研发与迭代
最低要求
具备处理经验机器学习问题的实践经验
能够将逻辑和数学思维应用于解决各类问题
对众多机器学习问题领域的前沿研究充满求知欲与热情
熟练掌握多种模型与技巧
具备扎实的动手编码能力，能够使用 Python 及常用的机器学习框架快速实现并迭代想法
乐于提问、勇于承认错误并持续学习新事物
英语流利
工作职责
构建支持交易策略的深度学习模型
与工程师和交易员紧密合作，训练模型、设计系统并运行交易策略
深入研究市场数据、调整超参数、调试分布式训练性能或研究模型在生产环境中的交易表现
运用对机器学习领域（包括LLM、图像模型、强化学习智能体、推荐系统或经典机器学习方法）的深入了解，塑造简街机器学习的未来
为下一代基于深度学习的交易策略训练模型，并建立应对新市场和新情况所需的基础理解
招聘新同事、参加学术会议并向团队成员教授新技术
AI 洞察
优缺点分析
优点
- 与顶尖的交易员和工程师紧密合作，技术落地反馈极快，成就感强
缺点 / 挑战
- 能够接触到业界顶尖的计算资源（数万高端GPU）和极具挑战性的非平稳金融数据
- 金融市场的非平稳性和多智能体竞争环境对模型的泛化能力要求极高，技术挑战巨大
- 需要不断追踪和吸收最前沿的ML研究成果，学习压力较大
- 适合对金融市场充满好奇、具备深厚数学与机器学习功底，且渴望在极具挑战性的环境中将前沿技术转化为实际生产力的顶尖技术人才
角色解读
- 从独立贡献者成长为机器学习领域的资深专家，主导下一代交易策略的底层技术研发
- 有机会参与团队招聘、学术会议及内部技术培训，向研究团队负责人或量化研究总监方向发展
- 构建并优化用于金融交易策略的深度学习模型，利用大规模GPU集群处理非平稳数据集
- 与交易员和工程师紧密协作，将前沿ML技术（如LLM、RL）应用于实际交易系统中
- 参与模型训练、超参数调优、分布式训练调试及生产环境表现分析
- 具备扎实的机器学习理论基础与丰富的实证ML问题处理经验
- 精通Python及主流ML框架，具备快速实现和迭代算法的编码能力
- 拥有出色的逻辑与数学思维能力，以及对前沿ML研究的敏锐洞察力
申请策略
- 熟悉简街的面试流程和技术栈偏好，准备能够体现逻辑思维和数学推导能力的算法案例
- 重点突出在实证机器学习项目中的具体贡献，尤其是处理复杂、非平稳数据的经验
- 展示使用Python和主流框架快速实现前沿模型（如LLM、RL）的能力及性能优化成果
- 深入了解金融时间序列分析和强化学习在交易中的应用
- 提升分布式训练和大规模GPU集群调优的实践经验
面试指南
- 采用STAR法则描述项目经验，重点突出面对复杂问题时的数学建模思路和工程实现细节
- 对于算法题，先理清数学原理和边界条件，再编写高效、鲁棒的代码
- 请描述一个你处理过的最复杂的非平稳数据集问题，你是如何建模的？
- 在分布式训练中，你遇到过哪些性能瓶颈，是如何解决的？
- 如何将强化学习或LLM技术应用到具有多智能体竞争环境的交易策略中？
- 请现场推导或编写一个你熟悉的机器学习算法的核心代码
- 复习概率论、随机过程及时间序列分析等金融数学基础
- 准备几个能够深入探讨技术细节和失败教训的实战项目案例
职位点评
薪资福利95
成长发展90
工作生活60
使命价值75
薪资福利
95较高
核心量化机构的研究岗位，薪资水平在行业内处于绝对领先地位，能够提供极高的物质回报。
薪资信号未披露（AI估算：1–30万/月）
成长发展
90较高
能够接触到最前沿的机器学习技术和海量计算资源，与顶尖人才共事，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Deep Learning、LLM、Reinforcement Learning、Python、Distributed Training
成长机会teaching techniques to teammates、attending conferences
业务类型profit_center
工作生活
60中等
核心金融区办公，通勤便利，但量化交易行业的高强度竞争和模型迭代压力可能导致工作节奏较快。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
探索机器学习在复杂金融系统中的应用，具有极高的技术挑战性和智力成就感，但社会直接影响力相对有限。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
简街 的其他在招职位
相似职位推荐
Machine Learning Internship - PhD: 2027
Susquehanna International Group · 香港特别行政区
AI 估算 · 4–8万5 小时前发布
Quantitative Systematic Trading Internship - Master's: Summer 2027
Susquehanna International Group · 香港特别行政区
AI 估算 · 3.5–5.5万5 小时前发布
Quantitative Researcher - Machine Learning
Point72 · 香港特别行政区
AI 估算 · 10–25万5 小时前发布
Watch Jobs