Jump Trading confie ses recherches à l'IA Astra

Résumé

Jump Trading utilise GPT-6 Astra pour automatiser des recherches quantitatives longues, tout en conservant validation humaine, contrôle et surveillance des résultats.

Les faits

Jump Trading développe des modèles prédictifs à partir de données de marché, d’actualités, d’événements et d’autres sources alternatives afin d’anticiper les prix des actifs. Selon Lucas Baker, responsable de la recherche-développement sur les grands modèles de langage chez Jump Trading, prévoir légèrement mieux qu’un pile ou face à grande échelle peut suffire à bâtir une stratégie rentable. Avec GPT-6 Astra, les agents prennent en charge des flux de travail plus longs et plus complexes, allant du codage quotidien aux études quantitatives destinées à valider de nouvelles hypothèses. Ils peuvent analyser leurs résultats, les comparer à des critères définis au départ, puis réorienter leurs travaux sans intervention humaine à chaque étape. Lucas Baker estime que ces agents peuvent exécuter pendant plusieurs jours des tâches nécessitant de nombreuses sources de données, des arbitrages sur la pertinence des informations et une analyse globale. Il décrit cette évolution comme un nouveau niveau d’autonomie pour les tâches de longue durée, tout en soulignant la nécessité d’un environnement sécurisé et surveillé. Dans un secteur financier fortement réglementé, Jump Trading maintient une validation humaine des changements et des résultats critiques. Les signaux de trading produits par un agent sont traités comme des signaux potentiellement erronés, puis intégrés à un environnement d’exécution contrôlé et soumis à un examen rigoureux.

Pourquoi c’est important

L’exemple de Jump Trading illustre le passage d’une IA utilisée pour produire des extraits de code ou corriger de petites erreurs à des agents capables de conduire des recherches plus longues, de coordonner plusieurs étapes et d’améliorer récursivement leurs résultats. La valeur recherchée ne réside donc plus seulement dans la génération, mais dans l’organisation autonome d’un processus d’analyse. Cette autonomie reste encadrée par des objectifs définis par des humains, des critères d’évaluation, des limites techniques, une infrastructure observable et une validation finale. Pour Lucas Baker, l’« autoresearch », c’est-à-dire l’amélioration récursive de systèmes mesurables par des agents chercheurs, pourrait devenir une composante ordinaire du travail des chercheurs quantitatifs.

Questions fréquentes

Comment Jump Trading utilise-t-elle GPT-6 Astra ?

Jump Trading l’utilise pour des tâches allant du codage quotidien aux études quantitatives longues destinées à valider de nouvelles hypothèses.

Les agents travaillent-ils sans supervision humaine ?

Non. Les tâches reposent sur des objectifs définis par des humains et les résultats critiques font l’objet d’une validation humaine.

Quelles données les recherches quantitatives exploitent-elles ?

Les modèles utilisent des données de marché, des actualités, des événements et diverses sources de données alternatives.

Comment les signaux produits par un agent sont-ils traités ?

Ils sont considérés comme informatifs mais potentiellement erronés, puis examinés dans un environnement d’exécution contrôlé.

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.