Zoa Research

Over het bedrijf

Kwantitatieve modellen zijn van oudsher domeinspecifiek. Briljante mensen besteden hun beste jaren aan het testen van features, het afstemmen van hyperparameters en het itereren op architecturen binnen een smal domein. Maar schaal is het wondermiddel: grote modellen vinden patronen die mensen en gespecialiseerde modellen niet konden vinden.

Voorspellen generaliseert. Zoa traint engines die gebeurtenissen over domeinen heen voorspellen.

*Iteratie automatiseren*

LLM's die zijn ingebed in optimalisatielussen met meerdere agents en worden geëvalueerd tegen vaste policy's, kunnen de modelleercyclus van bouwen, testen en verbeteren automatiseren. Denk aan AlphaEvolve voor voorspellingsproblemen.

*Sample-efficiënte algemene modellen*

De voorspellingsmodellen van nu zijn nauw afgebakend en leunen sterk op menselijke aannames vooraf. Maar grotere modellen zullen beter presteren dan de beste gespecialiseerde modellen.

Anders dan bestaande modellen voor gebeurtenissen gebruiken onze modellen data uit allerlei contexten en leunen ze minder op menselijke intuïtie. En vergeleken met LLM's zijn onze modellen gebouwd met meer inductieve priors en leunen ze meer op rekenkracht tijdens inferentie, wat de sample-efficiëntie verbetert.

*Waarom het ertoe doet*

In de reële economie kunnen onze modellen nuttig zijn om volatiliteit in toeleveringsketens, vraag en aanbod van energie en zelfs het risico op aardbevingen te voorspellen.

Wetenschap is, zoals Ian Hacking schrijft, het temmen van het toeval. Het is het proces van stap voor stap priors bijwerken (ongeveer zo: onzekerheid vaststellen, een experiment bedenken om die te verkleinen, uitvoeren, bijwerken). Als wetenschap het verkleinen van onzekerheid is, dan is voorspellen een cruciale maatstaf voor vooruitgang.

Beter voorspellen vergroot ons vermogen om interessante experimenten te kiezen (grofweg die met de grootste verwachte afname van onzekerheid) en priors bij te werken. Onze modellen zullen worden gebruikt door labs en wetenschappers in datazware domeinen.

Sams toenmalige vriendin stelde hem in 2017 op Carnegie Mellon voor aan Greg. Die relatie hield geen stand, hun vriendschap wel. Na hun studie ging Greg naar Harvard Law School, terwijl Sam drie jaar bij Jane Street op de optiedesk werkte, waar hij een satelliet-ontwikkelteam opbouwde en leidde.

Onderwerpen