简街
Machine Learning Research Engineer
Machine Learning Research Engineer
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
Jax
Linear Algebra
Machine Learning
Neural Networks
Pytorch
Tensorflow
Ensemble Methods
Inference Infrastructure
Optimization Theory
值不值得投
83综合评分
综合评分 83
顶尖量化机构核心ML研发岗，薪资极高、技术前沿，适合数学与工程能力双修的极客。
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
14万
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
该职位属于简街（Jane Street）的机器学习团队，主要负责构建和维护机器学习训练与推理基础设施，推动ML平台的发展方向
你需要作为研究与工程之间的桥梁，运用扎实的数学基础和深厚的ML知识，优化研究工作流并提升模型能力
最低要求
具备构建和维护训练及推理基础设施的经验，理解从概念到生产落地的全过程
拥有扎实的数学背景，对优化理论、正则化技术、线性代数等领域充满热情
热衷于追踪前沿技术，包括钻研学术论文、实验最新硬件或阅读新机器学习框架的源码
具备创建和维护组织良好的研究代码库的能力，能够产出稳健、可复现的结果并保持易用性
精通至少一种主流机器学习框架（如PyTorch、Jax、TensorFlow等）
具有创新思维，愿意对现有方法和工具的有效性提出质疑和深入探讨
英语流利
工作职责
推动机器学习平台的发展方向，作为研究与工程之间的桥梁
运用对ML生态系统及各种方法（神经网络、随机森林、梯度提升树、复杂集成方法等）的深入了解，辅助决策以选择最合适的工具
增强研究工作流，缩短反馈周期
理解各种建模技术背后的机制及其数学原理
推动模型能力在技术栈各层面的前沿发展，例如实现技术栈的新规模扩展、加入研究团队快速原型化新想法，或构建支持广泛用例的工作流API
AI 洞察
优缺点分析
优点
- 身处全球顶尖量化交易机构，能接触到海量真实交易数据和极速反馈的交易环境
- 技术栈前沿，与顶尖人才共事，薪资与职业回报极具竞争力
- 拥有极高的技术自由度，鼓励对现有方法和工具提出质疑与创新
- 对数学基础和工程能力要求极高，需不断追踪最新学术论文和硬件发展
- 适合拥有扎实数学功底、热爱机器学习底层原理且具备极强工程落地能力的顶尖技术人才
缺点 / 挑战
- 工作节奏快，面临极大的技术挑战与生产环境稳定性压力
角色解读
- 可向资深机器学习研究工程师、ML平台架构师方向发展
- 深入参与全球顶尖交易策略的研发，成为量化研究领域的核心骨干
- 构建和维护机器学习训练与推理基础设施，推动ML平台发展方向
- 作为研究与工程的桥梁，优化研究工作流，缩短反馈周期，将前沿ML想法快速落地到生产环境
- 运用对各类ML算法的深入理解辅助团队决策，确保在特定问题上使用最合适的工具
- 扎实的数学基础（优化理论、线性代数等），精通PyTorch/Jax等主流ML框架
- 具备从概念到生产的工程落地能力，能编写稳健、可复现的研究代码
- 对前沿技术保持敏锐，能够快速阅读学术论文并转化为工程实践
申请策略
- 准备展示你如何平衡研究代码的灵活性与生产代码的稳健性
- 了解量化交易业务逻辑及机器学习在金融领域的典型应用场景
- 突出在ML基础设施（训练/推理）方面的工程经验，以及将学术论文转化为生产代码的实际案例
- 展示深厚的数学背景和对PyTorch/Jax等框架底层机制的理解
- 强调在构建可复现、组织良好的研究代码库方面的最佳实践
- 深入学习分布式训练、推理优化（如TensorRT、vLLM）以及最新的ML系统架构设计
- 复习并巩固优化理论、正则化技术等高级数学知识
面试指南
- 采用STAR法则，结合具体的数学原理和工程架构设计来回答，突出系统性思维
- 强调“研究-工程”桥梁的角色，突出对代码可复现性、系统稳定性和反馈周期的重视
- 请描述你如何设计一个高吞吐量的ML训练/推理基础设施？
- 在将研究模型部署到生产环境时，你遇到过哪些挑战，如何解决的？
- 请解释一种你熟悉的集成方法或正则化技术背后的数学原理
- 你如何保持对ML前沿技术的追踪，并举例说明你如何将其应用到实际项目中？
- 复习线性代数、优化理论等数学基础，熟悉PyTorch/Jax的底层机制
- 了解Jane Street的业务模式及机器学习在量化交易中的典型应用场景
职位点评
薪资福利95
成长发展90
工作生活60
使命价值70
薪资福利
95较高
量化交易核心研发岗，薪资处于行业顶尖水平，福利与稳定性极佳。
薪资信号偏高 (8千–20万/月)
成长发展
90较高
处于ML与量化交易结合的最前沿，能接触到极速反馈的交易环境和顶尖技术团队，成长空间巨大。
技术前沿前沿/新兴技术
技术栈PyTorch、Jax、TensorFlow、Neural Networks、Random Forests、Gradient-Boosted Trees、Ensemble Methods、Optimization Theory
业务类型profit_center
工作生活
60中等
顶尖量化机构工作强度通常较大，但JD未明确提及WLB或加班情况，办公模式未明确。
工作模式未明确
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
70中等
推动机器学习在金融交易领域的应用，具有极高的技术挑战性和行业影响力，但社会公益属性较弱。
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