Zoa Research

Informazioni

Storicamente i modelli quantitativi sono specifici di un dominio. Persone brillantissime passano i loro anni migliori a testare feature, regolare iperparametri e iterare architetture in un ambito ristretto. Ma la scala è la panacea: i grandi modelli troveranno pattern che le persone, e i modelli specializzati, non sono riusciti a vedere.

La previsione si generalizza. Zoa addestra motori di previsione degli eventi trasversali a più domini.

*Automatizzare l'iterazione*

Gli LLM, inseriti in cicli di ottimizzazione multi-agente e valutati rispetto a policy fisse, possono automatizzare il ciclo di modellazione costruisci-testa-migliora. Pensate ad AlphaEvolve applicato ai problemi di previsione.

*Modelli generali efficienti nell'uso dei dati*

I modelli di previsione di oggi sono costruiti su misura per ambiti ristretti, con forti assunzioni a priori umane. Ma modelli più grandi supereranno i migliori modelli specializzati attuali.

A differenza dei modelli di eventi esistenti, i nostri sfruttano dati provenienti da contesti diversi e dipendono meno dall'intuizione umana. E rispetto agli LLM, i nostri modelli incorporano più prior induttivi e si affidano di più al calcolo in fase di inferenza, migliorando l'efficienza nell'uso dei campioni.

*Perché conta*

Nell'economia reale, i nostri modelli potrebbero servire a prevedere la volatilità delle catene di approvvigionamento, la domanda e l'offerta di energia, perfino il rischio sismico.

La scienza, scrive Ian Hacking, è l'addomesticamento del caso. È un processo di aggiornamento iterativo dei prior (più o meno: individuare l'incertezza, ideare un esperimento per ridurla, eseguirlo, aggiornare). Se la scienza è riduzione dell'incertezza, la previsione è una misura cruciale del progresso.

Previsioni migliori aumentano la nostra capacità di scegliere esperimenti interessanti (grosso modo quelli con la maggiore riduzione attesa dell'incertezza) e di aggiornare i prior. I nostri modelli saranno usati da laboratori e accademici in ambiti ricchi di dati.

Nel 2017, alla Carnegie Mellon, l'allora ragazza di Sam gli presentò Greg: la relazione non è durata, l'amicizia sì. Dopo il college Greg è andato alla Harvard Law School, mentre Sam ha lavorato per tre anni da Jane Street, nel desk delle opzioni, dove ha costruito e guidato un team di sviluppo satellite.

Temi