公司简介
历史上，量化模型具有领域特异性。才华横溢的人才将黄金岁月耗费在狭窄领域内的特征测试、超参数调优和架构迭代上。但规模是万灵药：大模型将发现人类及专用模型无法察觉的模式。 预测具有泛化能力。Zoa 致力于训练跨领域事件预测引擎。 *自动化迭代* 嵌入多智能体优化循环并以固定策略进行评估的大语言模型（LLMs），能够自动化建模的构建-测试-改进周期。可将其视为针对预测问题的 AlphaEvolve。 *样本高效的通用模型* 当前的预测模型是带有深厚人类先验知识的窄域定制产物。但更大规模的模型将超越最先进的专用模型。 与现有事件模型不同，我们的模型利用跨上下文数据，减少对人类直觉的依赖。与 LLMs 相比，我们的模型内置了更多归纳偏置，并更重度依赖推理时算力，从而提升了样本效率。 *为何重要* 在实体经济中，我们的模型可用于预测供应链波动、能源供需乃至地震风险。 Ian Hacking 写道，科学是对偶然性的驯服。这是一个迭代更新先验的过程（大致为：识别不确定性 -> 构思减少不确定性的实验 -> 执行 -> 更新）。如果科学旨在减少不确定性，那么预测便是衡量进展的关键指标。 更好的预测提升了我们选择有趣实验（即预期不确定性降低最大的实验）和更新先验的能力。我们的模型将被数据密集型领域的实验室和学者使用。 2017 年，Sam 的前女友在卡内基梅隆大学将他介绍给 Greg。尽管那段恋情无疾而终，但他们的友谊长存。大学毕业后，Greg 进入哈佛法学院深造，而 Sam 则在 Jane Street 期权交易部门工作了三年，负责组建并领导一个卫星开发团队。
创始团队
Sam Damashek· FounderSam 是 Paradome 的联合创始人兼 CTO。 他曾在 Jane Street 期权交易部门工作三年，运用应用机器学习编写算法策略，其中两年在纽约，一年在香港，期间为亚洲期权市场组建了一支卫星研发团队。 他从 CMU 获得计算机科学学士学位，不知为何还曾领导一支初具规模的宪法辩论队，虽未尝胜绩，却屡战屡败至俄亥俄州。