Zoa Research

Om virksomheden

Historisk har kvantitative modeller været domænespecifikke. Brillante mennesker bruger deres bedste år på at teste features, tune hyperparametre og iterere på arkitekturer inden for et snævert domæne. Men skala er universalmidlet: Store modeller vil finde mønstre, som mennesker og specialiserede modeller ikke kunne.

Prognoser generaliserer. Zoa træner prognosemotorer for hændelser på tværs af domæner.

*Automatiseret iteration*

LLM'er – indlejret i optimeringsløkker med flere agenter og evalueret mod faste politikker – kan automatisere modelleringscyklussen med at bygge, teste og forbedre. Tænk AlphaEvolve til prognoseproblemer.

*Sample-effektive generelle modeller*

Nutidens prognosemodeller er snævert konstrueret med dybe menneskelige priors. Men større modeller vil overgå de bedste specialiserede modeller.

I modsætning til eksisterende hændelsesmodeller udnytter vores modeller data på tværs af kontekster og er mindre afhængige af menneskelig intuition. Og sammenlignet med LLM'er er vores modeller bygget med flere induktive priors og læner sig mere op ad beregning på inferenstidspunktet – hvilket forbedrer sample-effektiviteten.

*Hvorfor det betyder noget*

I realøkonomien kan vores modeller bruges til at forudsige volatilitet i forsyningskæder, udbud og efterspørgsel af energi og endda jordskælvsrisiko.

Videnskab er, som Ian Hacking skriver, tæmningen af tilfældet. Det er processen med iterativt at opdatere priors (nogenlunde: identificér usikkerhed, udtænk et eksperiment, der mindsker usikkerheden, udfør det, opdatér). Hvis videnskab er at mindske usikkerhed, er prognoser et afgørende mål for fremskridt.

Bedre prognoser forbedrer vores evne til at vælge interessante eksperimenter (groft sagt dem med den største forventede reduktion i usikkerhed) og opdatere priors. Vores modeller vil blive brugt af laboratorier og forskere inden for datatunge domæner.

Sams ekskæreste introducerede ham for Greg på Carnegie Mellon i 2017, og selvom det forhold ikke holdt, har venskabet gjort. Efter studiet gik Greg på Harvard Law School, mens Sam arbejdede tre år på Jane Streets optionsdesk, hvor han byggede og ledede et satellitudviklingsteam.

Emner