모델 학습
우리의 모델 연구는 아키텍처, 사전 학습 방법, 사후 학습, 강화 학습을 탐구합니다. 이러한 접근 방식이 어떻게 더 강력한 추론, 코딩, 도구 사용 능력을 길러 낼 수 있는지 연구합니다.
Corepass 소개
연구,실제 업무로 이어지다.
Corepass는 캘리포니아주 멘로파크에 본사를 둔 AI 연구 및 엔지니어링 랩입니다. 모델과 에이전트 시스템을 함께 개발하며, 추론·학습·연산 효율의 발전을 실제 업무를 수행하는 AI로 바꿉니다.
우리의 목적
인류를 위해
일하는 인공 지능.
우리는 지능이 더 이상 인간의 잠재력을 가로막지 않는 미래를 그립니다. 더 많은 사람이 한때 손이 닿지 않던 문제를 발견하고, 창조하고, 해결할 수 있는 미래입니다.
우리는 인류를 위한 AI를 발전시킵니다 사람의 주체성을 넓히고, 인간의 번영을 돕고, 진보의 혜택이 모든 곳의 사람들에게 닿도록 합니다.
연구 및 엔지니어링
더 나은 모델.
더 유능한 에이전트.
우리는 모델과 그것을 둘러싼 시스템을 하나의 문제로 연구합니다. 더 나은 추론은 중요합니다. 모델이 받는 컨텍스트, 사용하는 도구, 학습하는 피드백, 작업을 마치는 데 드는 연산량도 마찬가지로 중요합니다.
연구 살펴보기에이전트 시스템
장시간 실행되는 작업을 위한 컨텍스트 검색, 계획, 메모리, 검증을 연구합니다. Remy는 이러한 아이디어를 실제로 적용하며, 무엇이 성공하고 무엇이 실패하며 다음에 무엇을 개선할지 평가하는 환경을 제공합니다.
연산 효율
우리의 시스템 연구는 저정밀도 연산, 멀티 토큰 예측, 메모리, 커널 최적화를 아우릅니다. 진척은 작업을 완료하는 품질, 시간, 총비용으로 측정합니다.
우리의 접근 방식
가설에서 증거까지, 짧은 경로.
실제 작업에 기반한 연구
어려운 코딩 및 지식 업무 문제가 우리의 질문을 이끌도록 합니다. 검증 가능한 결과로 겉보기의 개선과 실제로 유용한 개선을 구분합니다.
실험하고, 측정하고, 반복하기
아이디어를 빠르게 프로토타입으로 만들고, 평가하고, 실패에서 배웁니다. 유망한 결과는 제품에 다시 적용해 그 효과가 유지되는지 확인합니다.
시스템 전체를 최적화
모델 품질, 컨텍스트, 도구 사용, 지연 시간, 연산을 함께 연구합니다. 유용한 작업의 비용을 측정할 때는 실패한 시도와 재시도까지 계산에 넣습니다.