Zoa Research

О компании

Исторически количественные модели узко специализированы. Блестящие люди тратят свои лучшие годы на тестирование признаков, подбор гиперпараметров и перебор архитектур в узкой области. Но масштаб — это панацея: большие модели найдут закономерности, которые не могли найти ни люди, ни специализированные модели.

Прогнозирование обобщается. Zoa обучает движки для прогнозирования событий, работающие в разных областях.

*Автоматизация итераций*

LLM, встроенные в многоагентные циклы оптимизации и оцениваемые по фиксированным политикам, могут автоматизировать цикл моделирования «построить — протестировать — улучшить». Представьте AlphaEvolve для задач прогнозирования.

*Универсальные модели, эффективные по данным*

Сегодняшние модели прогнозирования узко заточены и опираются на глубокие человеческие априорные допущения. Но более крупные модели превзойдут лучшие специализированные модели.

В отличие от существующих моделей событий, наши модели используют данные из разных контекстов и меньше полагаются на человеческую интуицию. А по сравнению с LLM наши модели построены с более сильными индуктивными допущениями и больше опираются на вычисления во время инференса — это повышает эффективность использования данных.

*Почему это важно*

В реальной экономике наши модели могут пригодиться для прогнозирования волатильности цепочек поставок, спроса и предложения энергии и даже сейсмического риска.

Наука, как пишет Иэн Хакинг, — это укрощение случая. Это процесс итеративного обновления априорных представлений (примерно так: выявить неопределённость, придумать эксперимент для её снижения, провести его, обновить представления). Если наука — это снижение неопределённости, то прогнозирование — важнейшая мера прогресса.

Лучшее прогнозирование помогает выбирать интересные эксперименты (грубо говоря, те, что сильнее всего снижают ожидаемую неопределённость) и обновлять априорные представления. Нашими моделями будут пользоваться лаборатории и учёные в областях с большим объёмом данных.

Сэма познакомила с Грегом его бывшая девушка ещё в Университете Карнеги — Меллона в 2017 году. Отношения не продлились, а дружба осталась. После университета Грег поступил в Гарвардскую школу права, а Сэм три года работал в Jane Street на опционном деске, где создал и возглавил выделенную команду разработчиков.

Темы