Yijia Xiao

Yijia Xiao

@YIJIA_XIAO_

AI-Native FounderOpen Startup

En une phrase

Yijia Xiao est un chercheur et fondateur sino-américain spécialisé en AI appliquée à la finance, connu pour avoir créé TradingAgents, un outil ayant dépassé 35 000 étoiles GitHub en moins d'un an. Formé à l'Université Tsinghua puis en doctorat à l'Université de Californie à Los Angeles (UCLA), il dirige en parallèle un laboratoire de recherche open source, des stages dans des fonds quantitatifs comme Point72 et Jump Trading, et un poste de chercheur chez Google AI Research. Aujourd'hui, son projet Tauric Research collabore avec Stanford, le Massachusetts Institute of Technology (MIT) et Google DeepMind, soutenu par les programmes startup de Google Cloud et Amazon Web Services.

Pourquoi il est sur Ideas.xyz

Yijia Xiao a lancé un framework de trading autonome basé sur des agents AI qui a attiré une communauté mondiale de développeurs en quelques mois. Sa méthode - publier d'abord en Open Source, valider par la communauté académique, puis attirer des partenaires industriels - illustre une voie crédible entre recherche et entrepreneuriat.

2018-2022

Licence à l'Université Tsinghua, Pékin

Il obtient sa licence en informatique dans l'une des meilleures universités d'Asie et remporte une médaille d'or en algorithmique lors d'une compétition internationale.

Décembre 2020 - Août 2021

Entraînement d'un modèle AI pour les protéines

Il dirige un projet académique avec 504 cartes graphiques NVIDIA, améliorant la prédiction de structure protéique de 36 % à 75 %, utilisé ensuite par Harvard et NVIDIA.

Juillet 2022 - Septembre 2022

Stage en investissement chez Sequoia Capital China

Il contribue à plus de 20 dossiers d'investissement dans l'énergie renouvelable et l'infrastructure AI, du premier tour de financement jusqu'aux séries avancées.

Septembre 2022

Début du doctorat en informatique à l'UCLA

Il rejoint le laboratoire du professeur Wei Wang à l'UCLA pour ses recherches en grands modèles de langage appliqués à la finance et aux sciences.

Juin 2024 - Septembre 2024

Stage chez Amazon Web Services, système d'agents AI

Il développe un système d'agents basé sur des grands modèles de langage pour automatiser le déploiement de code, dont les travaux sont acceptés à la conférence NAACL 2025.

Mars 2025

Fondation de Tauric Research à Los Angeles

Il lance son laboratoire de recherche open source dédié aux agents AI pour la finance, soutenu par Google Cloud, Amazon Web Services et Jina AI.

Juin 2025

TradingAgents dépasse 10 000 étoiles en un mois

La mise à disposition publique du code de TradingAgents sur GitHub génère 10 000 étoiles en un mois, signe d'une adoption rapide dans la communauté des développeurs.

Octobre 2025

Lancement de Trading-R1, raisonnement financier par RL

Il publie Trading-R1, un modèle de raisonnement financier entraîné par apprentissage par renforcement, dans la continuité des travaux sur TradingAgents.

Janvier 2026

Chercheur chez Google AI Research

Il rejoint Google AI Research en tant que chercheur étudiant pour développer des systèmes de recherche approfondie appliqués à la finance et aux sciences.

Tauric Research est un laboratoire de recherche open source basé à Los Angeles, spécialisé dans les agents AI pour la finance. Son produit principal, TradingAgents, simule le fonctionnement d'un fonds d'investissement avec des agents spécialisés - analyste de marché, gestionnaire de risques, trader autonome - qui collaborent sans intervention humaine. Le dépôt de code a atteint plus de 35 000 étoiles sur GitHub début 2026. Le projet est soutenu par Google Cloud, Amazon Web Services, Alpha Vantage et Jina AI via leurs programmes startup, sans levée de fonds traditionnelle.

~35 000 étoiles GitHubLe dépôt TradingAgents a atteint ce niveau d'adoption début 2026, moins d'un an après sa mise à disposition publique.
10 000 étoiles en 1 moisTradingAgents a franchi ce seuil dès le premier mois après sa sortie en juin 2025, signal fort d'intérêt dans la communauté des développeurs.
6 824 forksNombre de copies actives du projet par des développeurs souhaitant l'adapter ou y contribuer, reflet d'une communauté engagée.
75 % de précisionTaux de prédiction de structure protéique atteint sur le modèle académique Wen Su, contre 36 % avant ses travaux en 2020-2021.
30 institutions utilisatricesLe modèle AI de prédiction protéique développé pendant sa licence a été adopté par plus de 30 institutions, dont NVIDIA et Harvard.

Stratégie Ideas.xyz associée

Cheval de Troie Open-Source

Transformer une bibliothèque open-source gratuite en point d'entrée vers des services payants en créant une dépendance technique chez les développeurs avant de monétiser via des offres premium.

Voir la stratégie →

Stratégie Ideas.xyz associée

The Open-Source Flywheel

Transformer l'adoption massive d'un outil open-source gratuit en revenus d'infrastructure cloud récurrents, en faisant de la plateforme payante le prolongement naturel de l'outil gratuit.

Voir la stratégie →

Idée Ideas.xyz associée

​​AIconomix : La communauté qui apprend aux investisseurs à tirer parti de l’IA, simplement et efficacement

Permettre aux investisseurs particuliers de tirer parti de l'IA dans leurs décisions financières via une communauté fermée et payante qui centralise outils, tutoriels et retours d'expérience concrets.

Voir la fiche idée →

Idée Ideas.xyz associée

Theta.bet : L'automatisation intelligente des marchés de prédiction

Permettre aux traders actifs sur les marchés de prédiction d'automatiser leurs paris, de tester leurs stratégies sur données passées et de suivre les flux on-chain en temps réel, sans écrire une seule ligne de code.

Voir la fiche idée →

Idée Ideas.xyz associée

AgentWallet : L'infrastructure financière pensée pour les agents IA.

Donner à chaque agent IA une carte bancaire virtuelle dédiée pour lui permettre de payer ses propres services en ligne avec des limites de dépenses strictes et une traçabilité complète par tâche.

Voir la fiche idée →

Idée Ideas.xyz associée

AgentGuard : sécuriser et auditer les permissions des agents IA.

Permettre à tout utilisateur d'agents IA de voir en temps réel l'ensemble des permissions accordées, d'évaluer leur niveau de risque et de les révoquer en un clic depuis un tableau de bord centralisé.

Voir la fiche idée →

Wei Wang

Directeur de thèse et co-auteur

Edward Sun

Co-auteur et membre de l'équipe Tauric

Di Luo

Co-auteur affilié au MIT

AI-Native FounderOpen Startup
Yijia Xiao construit en Open Source tout en menant un doctorat et des stages dans des fonds quantitatifs de premier plan. Il développe ses produits en publiant ses recherches avant de coder. Son approche repose sur la crédibilité académique comme moteur d'adoption communautaire.
  1. Yijia Xiao personal site - Founder profile and research
    https://yijia-xiao.com/
  2. arXiv - TradingAgents Multi-Agents LLM Financial Trading Framework
    https://arxiv.org/abs/2412.20138
  3. Tauric Research - TradingAgents research page
    https://tauric.ai/research/tradingagents
  4. arXiv - Trading-R1 Financial Trading with LLM Reasoning
    https://arxiv.org/abs/2509.11420
  5. GitHub - TradingAgents codebase by Tauric Research
    https://github.com/TauricResearch/TradingAgents
  6. Trivariate Research - Empowering Financial Trading with AI Techniques talk
    https://trivariateresearch.com/education/empowering-financial-trading-with-ai-techniques-yijia-xiao
  7. Yijia Xiao site - CV with publications and talks
    https://yijia-xiao.com/assets/YIJIA_XIAO-CV.pdf
  8. Tauric Research official site - AI trading intelligence
    https://tauric.ai/
  9. Google Scholar - Yijia Xiao publications Tauric Research
    https://scholar.google.com/citations?hl=en&user=xLwcZvYAAAAJ
  10. GitHub - Trading-R1 by Tauric Research
    https://github.com/TauricResearch/Trading-R1