MostikがAIモデルで技術を橋渡しし、ARC-AGI-3 Kaggleコンペティションをリード

iconKuCoinFlash
共有
AI summary icon概要
Mostikは、モデル間ステート振替技術を用いてコストを削減し、ARC-AGI-3 Kaggleコンペティションで7.51%のスコアを記録して1位となりました。この15人チームには12人の博士号保持者とフィールズ賞受賞者が含まれています。この手法は、プリフィルには大型モデル、デコードには小型モデルを使用して内部状態を振替します。CFT規制が厳しくなる中、このような革新は流動性や暗号資産市場に影響を与える可能性があります。第2のマイルストーンの締切は9月30日、最終提出期限は11月2日です。
ME AI ニュース、動察 Beating AI ニュース、ARC-AGI-3 Kaggle コンペで暫定1位のCSTLは、先ほど公開されたAIスタートアップMostikであり、現在のスコアは7.51%。チームは15人で、そのうち12人が博士号保持者、フィールズ賞受賞者も1人含む。ただし、コンペはまだ終了しておらず、第2回マイルストーンの締め切りは9月30日、最終提出期限は11月2日である。 Mostikは、異なるAIモデル間で内部状態を直接やり取りする技術を開発している。一般的なマルチエージェントはテキストを通じて通信するが、Mostikは2つのモデル間に「ブリッジ」を訓練し、一方のモデルのhidden statesを他方のモデルが理解できる表現に変換する。両モデル自体は微調整を必要としない。 公開された実験では、753BのGLM-5.2と4BのQwen3.5を使用しており、これは大規模モデルがprefillを担当し、小規模モデルがdecodeを担当すると理解できる。GLM-5.2は問題を読み取るだけでトークンを生成せず、内部状態を直接4Bの小規模モデルに渡して回答を生成させる。Mostikによると、この方法により両モデルの性能差を約半分に縮小でき、同等の精度を達成する中規模単一モデルと比較して計算量は約40%に抑えられる。ただし、最終的な性能は依然として753Bの大規模モデル自体には及ばない。 Mostikは7.51%のスコアに使用したモデルやHarnessをまだ公表していない。上記の753B+4Bは別の技術デモであり、優勝用の構成とは限らない。ARC-AGI-3コンペ自体はエージェントシステム全体を評価しており、以前のステージ優勝者はQwen 3.6 27Bのみを使用し、Harness、ツール、コンテキスト管理によって1位を獲得した。 一方、この技術はモデルのhidden statesへのアクセスを必要とするため、ClaudeやGPTのようなクラウドモデルでは現在使用できない。Google DeepMindのエンジニアSusan Zhangは、すでにモデル内部状態を制御できるのであれば、2つのモデルを固定したまま別途「ブリッジ」を訓練することが本当に最も効率的なエンジニアリング手法なのかと疑問を呈している。（出典：BlockBeats）
出典:原文を表示
免責事項: 本ページの情報はサードパーティからのものであり、必ずしもKuCoinの見解や意見を反映しているわけではありません。この内容は一般的な情報提供のみを目的として提供されており、いかなる種類の表明や保証もなく、金融または投資助言として解釈されるものでもありません。KuCoinは誤記や脱落、またはこの情報の使用に起因するいかなる結果に対しても責任を負いません。 デジタル資産への投資にはリスクが伴います。商品のリスクとリスク許容度をご自身の財務状況に基づいて慎重に評価してください。詳しくは利用規約およびリスク開示を参照してください。