Zoa Research

Om företaget

Historiskt har kvantitativa modeller varit domänspecifika. Briljanta människor lägger sina bästa år på att testa features, justera hyperparametrar och iterera arkitekturer inom en snäv domän. Men skala är universalmedlet: stora modeller hittar mönster som människor, och specialiserade modeller, inte kunde.

Prognoser går att generalisera. Zoa tränar prognosmotorer för händelser som fungerar över flera domäner.

*Automatiserad iteration*

Stora språkmodeller – inbäddade i optimeringsloopar med flera agenter och utvärderade mot fasta policyer – kan automatisera modelleringscykeln bygg–testa–förbättra. Tänk AlphaEvolve för prognosproblem.

*Sampeleffektiva generella modeller*

Dagens prognosmodeller är snävt utformade med djupa mänskliga antaganden (priors). Men större modeller kommer att överträffa de bästa specialiserade modellerna.

Till skillnad från befintliga händelsemodeller använder våra modeller data från många sammanhang och förlitar sig mindre på mänsklig intuition. Och jämfört med stora språkmodeller har våra modeller fler induktiva antaganden inbyggda och förlitar sig mer på beräkningar vid inferens – vilket förbättrar sampeleffektiviteten.

*Varför det spelar roll*

I den reala ekonomin kan våra modeller vara användbara för att förutsäga volatilitet i leveranskedjor, utbud och efterfrågan på energi, till och med jordbävningsrisk.

Vetenskap är, skriver Ian Hacking, att tämja slumpen. Det är processen att stegvis uppdatera sina antaganden (ungefär: identifiera osäkerhet, utforma ett experiment som minskar osäkerheten, genomföra det, uppdatera). Om vetenskap är att minska osäkerhet är prognoser ett avgörande mått på framsteg.

Bättre prognoser förbättrar vår förmåga att välja intressanta experiment (ungefär de som förväntas minska osäkerheten mest) och att uppdatera antaganden. Våra modeller kommer att användas av labb och forskare inom dataintensiva områden.

Sams ex-flickvän presenterade honom för Greg på Carnegie Mellon 2017, och även om det förhållandet inte höll, så har vänskapen gjort det. Efter studierna gick Greg till Harvard Law School, medan Sam arbetade i tre år på Jane Streets optionsdesk, där han byggde upp och ledde ett fristående utvecklingsteam.

Ämnen