モデルの学習
私たちのモデル研究は、アーキテクチャ、事前学習手法、事後学習、強化学習を探究しています。 これらのアプローチによって、推論、コーディング、ツール使用の能力をどう高められるかを研究しています。
Corepass について
研究を、現場で役立つ力に。
Corepass は、カリフォルニア州メンロパークを拠点とする AI の研究・エンジニアリングラボです。モデルとエージェントシステムを一体で開発し、推論、学習、計算効率の進歩を、実際の仕事をこなせる AI へと変えていきます。
私たちのパーパス
人類のための
知性を追求する。
私たちが思い描くのは、知性がもはや人間の可能性を制約しない未来です。より多くの人が、かつては手の届かなかった問題を発見し、創造し、解決できる未来です。
私たちは人類のための AI を推進します人の主体性を広げ、人間の豊かな営みを支え、進歩の恩恵が世界中の人々に届くよう後押しします。
研究とエンジニアリング
より良いモデル。
より有能なエージェント。
私たちは、モデルとそれを取り巻くシステムをひとつの問題として研究しています。 推論能力の向上は重要です。同じように、モデルが受け取るコンテキスト、使うツール、学習に用いるフィードバック、タスクを終えるまでに必要な計算量も重要です。
研究について見るエージェントシステム
長時間にわたるタスクのためのコンテキスト検索、計画、メモリ、検証を研究しています。 Remy はこれらのアイデアを実践に移し、何が成功し、何が失敗し、次に何を改善すべきかを評価する場を提供します。
計算効率
私たちのシステム研究は、低精度計算、マルチトークン予測、メモリ、カーネル最適化にわたります。 進歩は、タスクを完了するまでの品質、時間、総コストで測ります。
私たちのアプローチ
仮説から証拠までを、最短で。
実際のタスクに根ざした研究
難しいコーディングや知的業務の課題を、問いの出発点にします。検証可能な結果によって、見かけ上の改善と本当に役立つ改善を見分けます。
実験し、測定し、改善する
アイデアをすばやくプロトタイプにし、評価し、失敗から学びます。有望な成果は製品に持ち帰り、その効果が維持されるかを確かめます。
システム全体を最適化する
モデルの品質、コンテキスト、ツール使用、レイテンシ、計算量をまとめて研究します。有用な仕事のコストを測る際は、失敗した試行や再試行も含めて考えます。