Zoa Research

회사 소개

지금까지 정량 모델은 특정 분야에 갇혀 있었습니다. 뛰어난 사람들이 좁은 분야 안에서 피처를 시험하고, 하이퍼파라미터를 조정하고, 아키텍처를 반복해 고치며 인생의 황금기를 보냅니다. 하지만 규모가 만병통치약입니다. 대형 모델은 사람도, 특화 모델도 찾지 못한 패턴을 찾아낼 것입니다.

예측은 일반화됩니다. Zoa는 여러 분야를 아우르는 사건 예측 엔진을 학습시킵니다.

*반복 작업의 자동화*

멀티 에이전트 최적화 루프에 넣고 고정된 정책에 비춰 평가하는 LLM은 만들고, 시험하고, 개선하는 모델링 사이클을 자동화할 수 있습니다. 예측 문제를 위한 AlphaEvolve라고 생각하면 됩니다.

*샘플 효율적인 범용 모델*

오늘날의 예측 모델은 사람의 사전 지식을 깊이 담아 좁게 만들어집니다. 하지만 더 큰 모델이 최고 수준의 특화 모델을 앞지를 것입니다.

기존 사건 예측 모델과 달리, 저희 모델은 여러 맥락의 데이터를 활용하고 사람의 직관에 덜 의존합니다. 또 LLM과 비교하면 귀납적 사전 지식을 더 많이 담고 추론 시점의 연산에 더 크게 기대도록 만들어, 샘플 효율을 높였습니다.

*왜 중요한가*

실물 경제에서 저희 모델은 공급망 변동성, 에너지 수요와 공급, 심지어 지진 위험을 예측하는 데에도 쓰일 수 있습니다.

Ian Hacking의 말을 빌리면, 과학은 우연을 길들이는 일입니다. 과학은 사전 믿음을 반복해서 갱신하는 과정입니다(불확실성을 찾고, 그것을 줄일 실험을 고안하고, 실행하고, 갱신하는 식으로요). 과학이 불확실성을 줄이는 일이라면, 예측은 그 진전을 재는 핵심 척도입니다.

예측이 나아질수록 흥미로운 실험(대략 기대되는 불확실성 감소가 가장 큰 실험)을 고르고 사전 믿음을 갱신하는 능력도 나아집니다. 저희 모델은 데이터가 많은 분야의 연구소와 학계에서 쓰이게 될 것입니다.

2017년 카네기멜런 대학교 시절, Sam의 전 여자 친구가 Sam에게 Greg를 소개해 주었습니다. 그 연애는 오래가지 못했지만 둘의 우정은 이어졌습니다. 졸업 후 Greg는 하버드 로스쿨에 진학했고, Sam은 Jane Street 옵션 데스크에서 3년간 일하며 별도 개발팀을 꾸리고 이끌었습니다.

주제