与「Jane」相关的搜索结果

如果我们可以重新理解 Quant Developer。 这并不只是思想实验。 Jane Street 2026 年公开的研究方向包括机器学习、编程语言、编译器、ASIC、FPGA、分布式 shared log、incremental computation、查询优化、分布式存储和形式化验证，而Citadel GQS 则把实时数据、HFT 执行和低延迟 ML 推理放进了同一个 Quantitative Research Engineer 岗位。 再次强调，市场是一个高维、受驱动、耗散的非平衡系统。 订单持续进入、撤销、成交，信息、资本和风险不断注入，异质的参与者相互作用，系统几乎从未达到平衡。 当看到Jane Street 把 graph-structured、incremental computation 列为长期研究方向，我想这是一个值得认真理解的信号。 如果我们发现研究对象持续变化时，计算本身或许也需要围绕变化来组织。 一条报价更新，并不意味着整个市场都需要被重新计算。 它首先改变某些局部状态，再沿着依赖关系，影响相关资产的估值、组合的风险暴露，以及尚未成交的订单。 如果把这些计算关系展开，我们会看到数据连接特征，特征连接预测，预测连接决策，决策通过成交与持仓，反馈到下一轮计算。 这里必须区分两件事。 计算图中的依赖关系，不自动等于市场中的因果关系。但只要我们能够明确哪些结果依赖哪些输入，就有机会在新事件到来时，只更新受到影响的部分。 这正是 incremental computation 最吸引我的地方，它让计算资源跟随变化分配。困难的问题也随之浮现。哪些状态已经过期，筛选必须更新的传播，可以合并的计算。我们开始寻找，在并发和异步执行中，如何避免把不同时间的市场状态拼成一个从未真实存在过的世界？ 于是，延迟就不再止于程序运行了多少微秒。判断抵达市场时，你应该着眼于支撑判断的那个市场是否仍然存在。 想想吧，一个离线表现出色的模型，如果依赖陈旧的数据、无法承受行情突发时的排队，或者不能及时更新风险状态，那么它在回测中发现的信息优势，可能在执行之前就已经消失。 因此，Quant Developer 的工作可以被理解为，他们需要在有限的时间、算力和通信预算内，维护一个足够及时、足够一致、能够用于行动的市场内部模型。 编译器、分布式系统、硬件加速和形式化验证，开始汇聚到同一个问题上。 编译器决定计算如何被表达和执行； 分布式系统决定不同节点如何组织事件与状态； 硬件决定数据移动和运算的成本；形式化方法则帮助我们检查，某些关键约束是否会在复杂的执行路径中被破坏。 这些工作共同决定一个数学上的预测，试图成为现实中的有效决策。 而非平衡系统的视角，提供了一组进一步追问的方向：外部事件，内部状态，反馈是抑制还是放大扰动，输入速度和处理能力的关系对于系统的影响。 当然，市场是耗散系统本身并不会自动产生 Alpha。我想，我们只有把这种直觉落实为可观测的变量、明确的机制和能够被数据推翻的预测，它才开始具有研究价值。 它确实改变了我们看待这个职业的方式。 Quant Developer 所构建的一直是一个嵌入市场之中的实时决策系统。 这个系统观察市场，也通过自己的行动改变市场：它必须在变化尚未结束时做出判断，在信息尚不完整时承担后果。

For the first time, a group of researchers — including scientists from @GoogleResearch and HHMI Janelia — built the first complete brain map for a male fruit fly. Together, we mapped every single neural connection in a male fruit fly brain and central nervous system, amounting to more than 166,000 neurons. Here’s why we did it.

今天国宴企业家最终名单出来了，果然中国企业家都没去 估计空出的位置，让里面不少人都带上配偶去了： 黄仁勋（英伟达 CEO） 扎克伯格（Meta CEO） 苏姿丰（AMD CEO） 库克（苹果 董事长） John F.W. Rogers（高盛 EVP） Lynn Martin（纽交所 总裁） 袁征（Zoom CEO） Kelly Ortberg（波音 CEO） Larry Fink（贝莱德 CEO） 苏世民（黑石集团 CEO） Sam Altman（OpenAI CEO） Greg Brockman（OpenAI 董事长） Miriam Adelson（拉斯维加斯金沙集团总裁） Sergey Brin（谷歌联合创始人） Satya Nadella（微软 CEO） Jim Taiclet（洛克希德马丁总裁） Sundar Pichai（谷歌 CEO） Larry Culp（GE Aerospace CEO） Sanjay Mehrotra（美光 CEO） Cristiano Amon（高通 CEO） 贝索斯（亚马逊董事长） Jeff Yass（TikTok） Jamie Dimon（摩根大通 CEO） Michael Dell（戴尔 CEO） Mary Barra（General Motors CEO） David Solomon（高盛 CEO） Jane Fraser（花旗银行 CEO） 马斯克（SpaceX & 特斯拉 CEO） Darren Woods（ExxonMobil CEO） David Ellison（Paramount Skydance CEO） Brad Gerstner（Altimeter, CEO） Albert Bourla（辉瑞 CEO） Meredith O’Rourke（The O’Rourke Group） Bernard Arnault（LVMH CEO） Ryan McInerney（Visa CEO） Michael Miebach（Mastercard CEO）

我以前觉得，搞量化你能打的Jane Street，能打的过Jump吗？ A股你打的过梁文峰吗？ 后面我发现，有非常多的长尾市场，他们没发掘，由于市场容量的问题，他们不做。但是对于绝大部分人是可以做的。 也许Jane Street评估一个套利空间一年要有几个M甚至10M+的利润，但是对于我们来说，500K一年都是非常肥美了。 水浅者，大鱼不游. 古人已经告诉我们了。

你可能刷到过这个“模拟果蝇大脑玩 Beat Saber”的视频。但不要激动的太早，不是真的在玩，视频里的运动输出是把模型过拟合（overfit）到一段预录动作序列上回放出来的，真正的视觉识别和强化学习还没做完。 右边的连接组是一张静态接线图，不是一个活的大脑。这些游戏演示是拿真实神经数据搭的互动玩具，看起来很酷，但离果蝇大脑独立打游戏还很远。 9 月 3 日，HHMI Janelia 研究所联合 Google Research 和剑桥大学，在 Cell 上发表了雄性果蝇完整中枢神经系统的连接组（connectome），包含 166,700 个神经元和 1.25 亿个突触连接，是目前最大的完整脑图谱。它覆盖了果蝇的大脑和腹神经索（相当于脊髓），第一次可以追踪从“看见东西”到“做出动作”的完整回路。 整个数据集以 CC-BY 协议开源。数据发布仅两天，佐治亚理工的研究生 Evan Smith 就用 GPT-6 Astra 把全部神经元装进了 Minecraft，之后 Beat Saber、Mario 64、Doom 版接连出现。之所以传播很快，主要是因为开源加上门槛够低。 这项研究真正重要的地方在于，之前已有雌性果蝇的连接组，现在雄性到齐，科学家第一次能在突触精度上比较两性大脑。结果发现只有 4.8% 的神经元存在性别差异，而且集中在负责决策的高级脑区，感觉和运动区域两性基本一样。也就是说，雄果蝇和雌果蝇看到的世界差不多，但处理方式在关键节点上不同，4.8% 的局部差异就能在全脑产生连锁效应。 下一步是脊椎动物。Google 和哈佛正在画斑马鱼的全脑连接组，小鼠部分脑区也在推进。 一些相关文章可以看：