Trading Agent 后训练算法工程师

优缺点分析

角色解读

• 深耕后训练与 Agent 训练方向，逐步成长为智能体训练方向的算法专家或技术负责人
• 向 AutoResearch、金融智能体等交叉领域延伸，形成大模型训练与量化研究结合的稀缺复合背景
• 也可转向研究管理或产品化落地，负责智能投研类 Agent 产品的能力定义与路线规划
• 搭建面向量化研究、因子挖掘与策略开发的 Agent 运行环境、Harness、任务集与自动评测体系，让模型能在真实研究流程中跑起来
• 构造轨迹、合成、偏好与失败案例等后训练数据，并研究 Reward 设计、强化学习、拒绝采样、蒸馏等方法，提升模型长程研究能力
• 分析 Agent 在工具调用、代码执行、金融推理与实验决策上的失败模式，推动环境—评测—数据—训练形成闭环
• 跟踪 Code Agent、Research Agent 与金融智能体的前沿研究，探索 AutoResearch 范式
• 扎实的 Python 工程与算法实验能力，能独立搭建系统、跑通实验并做对比分析
• 熟悉大语言模型、Agent、强化学习或后训练（RLHF/RLVR、拒绝采样、蒸馏）中至少一个方向
• 有大模型后训练、Agent 训练或 Code Agent 的实际项目经验
• 理解量化金融基础：因子研究、策略回测、交易系统或金融数据分析

申请策略

• 面试前梳理公司 GLM 系列模型与 Agent 产品线，准备能与之对话的技术观点
• 准备一份“如何自动构造研究型 Agent 任务与评测”的方案，展示从 0 到 1 的思考
• 突出后训练相关项目：RLHF/RLVR、拒绝采样、蒸馏、Reward 建模的具体方案与指标提升
• 写清 Agent 相关经验：环境与 Harness 搭建、工具调用、代码执行、自动评测体系的设计细节
• 量化方向的证据：因子挖掘、回测框架、策略评估或金融数据处理的项目与结果
• 补充可验证产出：论文、开源仓库、竞赛名次，以及大规模训练的卡数与数据规模
• 熟悉主流 Agent 训练与评测框架，例如代码类 Agent 评测基准和主流的 RL 训练框架
• 补齐强化学习与后训练理论细节：PPO/GRPO、reward hacking、长程信用分配

面试指南

• 用“问题—方案—实验—指标”四段式讲项目：先定义任务与评测，再讲数据与训练方法，最后给出量化提升
• 面对开放问题先给判断与取舍（如冷启动用拒绝采样、稳定后上 RL），再讲风险与验证方式
• 失败模式类问题按“归因分层（数据/奖励/环境/模型）—验证手段—具体修复”展开
• 如何为一个量化研究场景设计 Agent 的 Harness 和任务集？如何保证评测的可复现性与难度梯度？
• 在长程任务中做强化学习时 Reward 如何设计？遇到 reward hacking 怎么处理？
• 轨迹数据、合成数据、偏好数据和失败案例分别用在什么阶段，如何配比？
• 你在 Agent 训练中遇到过哪些典型失败模式（工具调用错误、代码执行失败、推理跑偏）？如何定位与修复？
• 你如何看待 AutoResearch 范式？要让 Agent 自主提出研究假设并持续迭代，关键难点是什么？