Jump Trading, GPT-6 Astra로 장기 자율 정량 연구 확대

Jump Trading은 GPT-6 Astra를 활용해 정량적 연구의 범위를 단순 코드 스니펫을 넘어 장기 실행 분석 작업으로 확장하고 있다. Jump의 LLM R&D 책임자 Lucas Baker는 이 모델이 유연한 에이전트 조정과 지속성을 요구하는 **장기 과제(long-horizon tasks)**에서 새로운 수준의 자율성을 가능하게 하여 잦은 인간 개입을 줄인다고 밝혔다.

재귀적 개선과 자율성

Jump는 AI 에이전트를 **재귀적 개선(recursive improvement)**이 가능한 동료로 간주한다. 시스템이 초기 기준에 비추어 자신의 결과를 분석하고 각 단계마다 인간의 개입 없이 작업을 재조정하는 방식이다. 이를 통해 에이전트는 여러 데이터 소스를 활용하고 발견 사항을 상호 연결하여 수일간 지속되는 복잡한 워크플로우를 처리할 수 있다.

규제 환경에서의 안전성

금융 분야의 엄격한 규제 환경을 고려해 Jump는 워크플로우의 중심에 인간의 판단을 유지한다. 에이전트는 명확한 제약 조건이 있는 안전하고 모니터링되는 환경에서 작동하며, 트레이딩 신호 등 모든 출력물은 실행 시스템에 통합되기 전에 **인간 검토(human review)**와 검증을 거친다. 이 접근법은 에이전트가 필요한 모든 출력을 생성할 수 있더라도, 중요한 검증을 통해 금융 및 규제 준수 리스크를 방지한다.

자동 연구의 미래

Baker는 측정 가능한 시스템을 에이전트 연구자가 재귀적으로 개선하는 **자동 연구(autoresearch)**가 정량 연구자의 워크플로우에서 표준이 되는 미래를 전망한다. 현재 구현체는 정기적인 점검이 필요하지만, 궁극적인 목표는 다른 에이전트가 조율하는 느슨한 구조의 에이전트 함대가 최소한의 인간 정의 입력으로 열린 질문을 탐색하고 컴퓨팅 시간을 할당하는 것이다.