Zoa Research

कंपनी के बारे में

अब तक क्वांटिटेटिव मॉडल किसी एक ख़ास क्षेत्र तक सीमित रहे हैं। प्रतिभाशाली लोग अपने करियर के सबसे अच्छे साल किसी संकरे दायरे में फ़ीचर्स टेस्ट करने, हाइपरपैरामीटर ट्यून करने और आर्किटेक्चर पर बार-बार काम करने में लगा देते हैं। लेकिन हर मर्ज़ की दवा है स्केल: बड़े मॉडल ऐसे पैटर्न ढूंढ लेंगे, जो इंसान और विशेष मॉडल नहीं ढूंढ पाए।

फ़ोरकास्टिंग एक क्षेत्र से दूसरे क्षेत्र तक लागू होती है। Zoa ऐसे इवेंट फ़ोरकास्टिंग इंजन ट्रेन करती है जो कई क्षेत्रों में काम करते हैं।

*इटरेशन को ऑटोमेट करना*

मल्टी-एजेंट ऑप्टिमाइज़ेशन लूप्स में लगे और तय पॉलिसी के मुक़ाबले परखे गए LLMs मॉडल बनाने के पूरे चक्र — बनाओ, टेस्ट करो, सुधारो — को ऑटोमेट कर सकते हैं। फ़ोरकास्टिंग की समस्याओं के लिए AlphaEvolve जैसा कुछ समझिए।

*कम सैंपल में सीखने वाले जनरल मॉडल*

आज के फ़ोरकास्टिंग मॉडल संकरे दायरे के लिए गढ़े जाते हैं और उनमें इंसानी पूर्वधारणाएं गहराई से बैठी होती हैं। लेकिन बड़े मॉडल अत्याधुनिक विशेष मॉडलों से बेहतर प्रदर्शन करेंगे।

मौजूदा इवेंट मॉडलों के उलट, हमारे मॉडल अलग-अलग संदर्भों के डेटा का इस्तेमाल करते हैं और इंसानी अंतर्ज्ञान पर कम निर्भर रहते हैं। और LLMs की तुलना में हमारे मॉडल ज़्यादा इंडक्टिव प्रायर्स के साथ बनाए गए हैं और इनफ़रेंस-टाइम कंप्यूट पर ज़्यादा निर्भर करते हैं — जिससे सैंपल एफ़िशिएंसी बेहतर होती है।

*यह क्यों अहम है*

असल अर्थव्यवस्था में हमारे मॉडल सप्लाई चेन के उतार-चढ़ाव, ऊर्जा की मांग और आपूर्ति, यहां तक कि भूकंप के जोख़िम का पूर्वानुमान लगाने में भी काम आ सकते हैं।

इयान हैकिंग के शब्दों में, विज्ञान संयोग को वश में करने का नाम है। यह पूर्वधारणाओं को बार-बार अपडेट करने की प्रक्रिया है (कुछ इस तरह: अनिश्चितता पहचानो, उसे घटाने वाला प्रयोग सोचो, उसे करो, अपडेट करो)। अगर विज्ञान अनिश्चितता घटाने का काम है, तो फ़ोरकास्टिंग प्रगति का एक अहम पैमाना है।

बेहतर फ़ोरकास्टिंग से दिलचस्प प्रयोग चुनने (मोटे तौर पर वे, जिनसे अनिश्चितता सबसे ज़्यादा घटने की उम्मीद हो) और पूर्वधारणाएं अपडेट करने की हमारी क्षमता बढ़ती है। हमारे मॉडल डेटा-प्रधान क्षेत्रों में लैब्स और शोधकर्ता इस्तेमाल करेंगे।

2017 में Carnegie Mellon में Sam की तत्कालीन गर्लफ़्रेंड ने उसे Greg से मिलवाया था। वह रिश्ता तो नहीं टिका, लेकिन दोनों की दोस्ती बनी रही। कॉलेज के बाद Greg, Harvard Law School गया, जबकि Sam ने तीन साल Jane Street के Options डेस्क पर काम किया, जहां उसने एक सैटेलाइट डेव टीम खड़ी की और उसकी अगुवाई की।

विषय