Mostik Memimpin Kompetisi ARC-AGI-3 di Kaggle dengan Model AI yang Menyatukan Teknologi

iconKuCoinFlash
Bagikan
AI summary iconRingkasan
Mostik memimpin kompetisi ARC-AGI-3 di Kaggle dengan skor 7,51%, menggunakan teknik perpindahan model untuk mengurangi biaya. Tim beranggotakan 15 orang ini mencakup 12 PhD dan pemenang Medali Fields. Metode ini mentransfer keadaan internal antar model—besar untuk prefill, kecil untuk decode. Dengan regulasi CFT yang semakin ketat, inovasi semacam ini dapat memengaruhi likuiditas dan pasar kripto. Batas waktu tonggak kedua adalah 30 September, dengan pengiriman final pada 2 November.
ME AI Berita, Beating AI Berita Cepat, CSTL yang sementara memimpin kompetisi ARC-AGI-3 di Kaggle adalah Mostik, perusahaan startup AI yang baru saja diumumkan, dengan skor saat ini 7,51%. Tim ini terdiri dari 15 orang, termasuk 12 doktor dan seorang penerima Penghargaan Fields. Namun, kompetisi belum berakhir; Milestone kedua akan ditutup pada 30 September, dan pengiriman final berakhir pada 2 November. Mostik mengembangkan teknologi yang memungkinkan berbagai model AI untuk saling bertukar status internal. Model multi-agent biasa mengandalkan komunikasi teks, sementara mereka melatih sebuah "bridge" di antara dua model untuk mengubah hidden states satu model menjadi representasi yang dapat dipahami oleh model lainnya, tanpa perlu fine-tuning pada kedua model tersebut. Eksperimen yang mereka publikasikan menggunakan GLM-5.2 753B dan Qwen3.5 4B, yang dapat dianggap sebagai model besar bertugas prefill dan model kecil bertugas decode. GLM-5.2 hanya membaca soal tanpa menghasilkan token; status internalnya langsung diberikan ke model kecil 4B untuk menghasilkan jawaban. Mostik menyatakan bahwa pendekatan ini dapat mengurangi kesenjangan kinerja antara kedua model sekitar setengahnya; dibandingkan dengan model tunggal berukuran menengah yang mencapai akurasi serupa, jumlah komputasi hanya sekitar 40%. Namun, hasil akhirnya tetap lebih rendah daripada model besar 753B itu sendiri. Mostik belum mengungkapkan model dan Harness apa yang digunakan untuk mencapai skor 7,51%. Pemakaian 753B+4B di atas hanyalah demonstrasi teknis lainnya dan bukan konfigurasi yang digunakan untuk bersaing di peringkat. Kompetisi ARC-AGI-3 sendiri menilai seluruh sistem Agent; juara sebelumnya hanya menggunakan Qwen 3.6 27B tetapi memenangkan posisi pertama berkat Harness, alat, dan manajemen konteks. Di sisi lain, teknologi ini memerlukan akses ke hidden states model, sehingga tidak dapat digunakan pada model cloud seperti Claude atau GPT; insinyur Google DeepMind Susan Zhang juga mempertanyakan apakah membekukan dua model dan melatih "jembatan" terpisah benar-benar merupakan solusi teknis paling efisien, mengingat sudah bisa mengontrol status internal model tersebut. (Sumber: BlockBeats)
Sumber:Tampilkan versi asli
Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini. Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.