OpenAI یک مطالعه موردی درباره استفاده Jump Trading از GPT-6 Astra در پژوهش کمی منتشر کرده است. تیم LLM R&D این شرکت می‌گوید agentهای جدید می‌توانند مسائل طولانی‌تر و مبهم‌تری را از برنامه‌نویسی تا مطالعات کمی با چند منبع داده دنبال کنند و نتایج میانی را به‌صورت تکراری ارزیابی کنند.
فرایند توصیف‌شده trading خودکار نیست. پژوهشگران مسئله، محیط، معیارهای ارزیابی و محدودیت‌ها را مشخص می‌کنند و agentها فرضیه‌ها را بررسی می‌کنند. پیش از پذیرش خروجی‌های مهم، بازبینی انسانی همچنان الزامی است. اگر agent یک سیگنال معاملاتی تولید کند، آن سیگنال بالقوه اشتباه فرض می‌شود و مانند سایر سیگنال‌ها وارد محیط کنترل‌شده بررسی می‌شود.
این مطالعه روی هماهنگی بلندمدت agentها و بهبود بازگشتی تمرکز دارد، اما benchmark مستقل یا عملکرد مالی ممیزی‌شده ارائه نمی‌کند. اهمیت اصلی آن در طراحی عملیاتی است: پژوهش باز و agentic در محیط قابل مشاهده و محدود، همراه با کنترل انسانی پیش از اجرا.