मोस्टिक एआई मॉडल द्वारा प्रौद्योगिकी को जोड़ने के साथ ARC-AGI-3 कैगल प्रतियोगिता का नेतृत्व कर रहे हैं

ME AI संदेश, डायनेमिक बीटिंग AI न्यूज़, ARC-AGI-3 Kaggle प्रतियोगिता में अभी पहले स्थान पर है CSTL, जो बिल्कुल हाल ही में लॉन्च की गई AI स्टार्टअप Mostik है, जिसका वर्तमान स्कोर 7.51% है। टीम में कुल 15 सदस्य हैं, जिनमें 12 डॉक्टरेट धारक और एक फील्ड्स पुरस्कार विजेता शामिल हैं। हालाँकि, प्रतियोगिता अभी समाप्त नहीं हुई है; दूसरा Milestone 30 सितंबर को बंद होगा, और अंतिम सबमिशन 2 नवंबर को समाप्त होगा। Mostik का काम है विभिन्न AI मॉडलों के बीच सीधे आंतरिक स्थिति का आदान-प्रदान करना। सामान्य बहु-एजेंट प्रणालियाँ मुख्यतः पाठ के माध्यम से संचार करती हैं, लेकिन इसके बजाय, वे दो मॉडलों के बीच एक bridge को प्रशिक्षित करते हैं, जो एक मॉडल के hidden states को दूसरे मॉडल के द्वारा समझे जा सकने वाले प्रतिनिधित्व में परिवर्तित करता है, और दोनों मॉडलों को स्वयं फाइन-ट्यून करने की आवश्यकता नहीं होती। उनके प्रकाशित प्रयोग में 753B का GLM-5.2 और 4B का Qwen3.5 का उपयोग किया गया है, जिसे लगभग इस प्रकार समझा जा सकता है: बड़ा मॉडल prefill के लिए, छोटा मॉडल decode के लिए। GLM-5.2 केवल प्रश्न पढ़ता है, Token नहीं बनाता; इसकी आंतरिक स्थिति सीधे 4B छोटे मॉडल को सौंपी जाती है, जो उत्तर उत्पन्न करता है। Mostik का कहना है कि इससे दोनों मॉडलों के प्रदर्शन में अंतरलगभग 50% कम हो जाता है; समान सटीकता प्राप्त करने के लिए मध्यम-आकार के एकल मॉडल की तुलना में, परिकलन मात्रा केवल ~40% है। हालाँकि, अंतिम परिणाम अभी भी 753B मॉडल के स्वयं के प्रदर्शन से कम है। Mostik ने 7.51% स्कोर के लिए किस मॉडल और Harness का उपयोग किया, इसकी कोई पुष्टि नहीं की है; ऊपर उल्लिखित 753B+4B केवल एक अन्य प्रौद्योगिकी प्रदर्शन है, और प्रतियोगिता के लिए प्रयुक्त होने वाली संरचना मानी नहीं जा सकती। ARC-AGI-3 प्रतियोगिता में पूरी Agent प्रणाली की प्रतिस्पर्धा होती है; पिछले चरण के विजेता केवल Qwen 3.6 27B का ही प्रयोग करके Harness, टूल्स, और संदर्भ प्रबंधन के माध्यम से पहला स्थान प्राप्त कर सके। दूसरी ओर, यह प्रौद्योगिकी मॉडल के hidden states को पढ़ने की मांग करती है, जिसके कारण Claude, GPT जैसे क्लाउड-आधारित मॉडल्स का अभी प्रयोग संभव नहीं है; Google DeepMind के इंजीनियर Susan Zhang ने सवाल उठाया है कि, चूँकि मॉडल की आंतरिक स्थिति पर नियंत्रण पहले से ही मौजूद है, क्या मॉडलों को स्थिर (frozen) करके, सीधे "bridge" को प्रशिक्षित करना ही सबसे कुशलतम इंजीनियरिंग समाधान है? (स्रोत: BlockBeats)