Trading Agent 后训练算法工程师

优缺点分析

角色解读

• 可沿大模型后训练/强化学习算法专家方向发展，深耕 Agent 训练与评测体系
• 也可向 AI for Finance、AutoResearch 等交叉方向拓展，成为懂模型又懂量化场景的复合型人才
• 随着经验积累，有机会负责更完整的研究型 Agent 系统与团队方向
• 搭建面向量化研究与策略开发的 Agent 环境、任务和评测体系，让智能体能在受控环境中完成研究任务
• 设计 Trading Agent 的后训练数据，包括轨迹、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、蒸馏等方法，提升 Agent 在长程研究任务中的表现
• 分析工具调用、代码执行、金融推理和实验决策中的失败模式，推动环境、评测、数据和训练闭环
• 扎实的 Python 编程与算法实验能力，能独立完成系统开发和实验迭代
• 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
• 具备后训练、Agent 训练或 Code Agent 相关项目经验
• 对量化金融、因子研究、策略回测或金融数据分析有一定理解

申请策略

• 准备一个能体现“环境-数据-训练-评测”闭环的项目案例，讲清你的技术选择与迭代过程
• 关注 AutoResearch、Code Agent、Research Agent 和金融智能体的前沿进展，形成自己的判断
• 突出大模型后训练、强化学习、Reward 设计、拒绝采样或蒸馏相关项目经验
• 展示 Agent 环境构建、工具调用、代码执行、自动评测或 Code Agent 相关经历
• 量化金融、因子挖掘、策略回测、交易系统或金融数据分析经验要量化成果
• 用 GitHub、论文、竞赛或大规模训练经验证明研究能力和工程落地能力
• 提前梳理 RLHF/RLVR、偏好优化、拒绝采样和蒸馏等后训练方法的适用场景
• 补充 Agent Harness、自动评测、长程任务失败分析等工程实践

面试指南

• 用“目标-环境-数据-训练-评测”闭环框架回答，先定义任务和成功指标，再说明数据与训练方法
• 结合具体项目，讲清失败模式、实验设计、指标变化和迭代过程，体现研究能力
• 对开放问题先给出假设和验证方案，再讨论工程约束、成本与风险
• 你会如何为量化研究构建 Trading Agent 的环境、任务和评测体系？
• 如何设计和构造 Agent 后训练数据，包括轨迹、合成数据、偏好数据和失败案例？
• 在 Reward 设计、强化学习、拒绝采样和蒸馏中，你会如何选择并组合后训练方法？
• 如何分析 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？
• 你有哪些量化金融、因子研究或策略回测经验，如何与 Agent 训练结合？