Mostik Memimpin Pertandingan ARC-AGI-3 Kaggle dengan Model AI yang Menghubungkan Teknologi

iconKuCoinFlash
Kongsi
AI summary iconRingkasan
Mostik memuncaki pertandingan ARC-AGI-3 di Kaggle dengan skor 7.51%, menggunakan teknik peralihan model untuk mengurangkan kos. Pasukan beranggotakan 15 orang termasuk 12 orang PhD dan pemenang Medal Fields. Kaedah ini memindahkan keadaan dalaman antara model—besar untuk prefill, kecil untuk decode. Dengan peraturan CFT menjadi lebih ketat, inovasi seperti ini mungkin memberi kesan terhadap likuiditi dan pasaran kripto. Tarikh akhir fasa kedua ialah 30 September, dan penghantaran akhir harus dilakukan pada 2 November.
ME AI Mesej, Berita Cepat Beating AI, CSTL yang sementara memimpin dalam pertandingan ARC-AGI-3 Kaggle ialah Mostik, syarikat permulaan AI yang baru sahaja diumumkan, dengan skor semasa 7.51%. Pasukan ini terdiri daripada 15 orang, termasuk 12 orang doktor falsafah dan seorang pemenang Anugerah Fields. Namun, pertandingan belum berakhir; Milestone kedua akan ditutup pada 30 September, dan penghantaran akhir akan ditutup pada 2 November. Mostik membangunkan teknologi yang membolehkan model AI yang berbeza bertukar keadaan dalaman secara langsung. Kebanyakan agen pelbagai biasanya bergantung kepada teks untuk berkomunikasi, tetapi mereka melatih satu "bridge" di antara dua model untuk menukar hidden states satu model menjadi representasi yang boleh difahami oleh model lain, tanpa perlu fine-tuning kedua-dua model tersebut. Eksperimen yang diumumkan menggunakan GLM-5.2 753B dan Qwen3.5 4B, yang boleh dianggap sebagai model besar bertanggungjawab untuk prefill dan model kecil bertanggungjawab untuk decode. GLM-5.2 hanya membaca soalan tanpa menghasilkan Token; keadaan dalaman terus dihantar kepada model kecil 4B untuk menghasilkan jawapan. Mostik menyatakan bahawa pendekatan ini boleh mengurangkan jurang prestasi antara kedua-dua model sebanyak separuh; berbanding dengan model tunggal berukuran sederhana yang mencapai ketepatan serupa, jumlah pengiraan hanya sekitar 40%. Namun, kesan akhir masih lebih rendah daripada model besar 753B itu sendiri. Mostik belum mengumumkan model atau Harness apa yang digunakan untuk skor 7.51% tersebut; kombinasi 753B+4B yang disebutkan hanyalah demonstrasi teknikal lain dan tidak boleh dianggap sebagai konfigurasi pemenang. Pertandingan ARC-AGI-3 sendiri menilai keseluruhan sistem agen; juara fasa sebelumnya hanya menggunakan Qwen 3.6 27B tetapi berjaya mendapat tempat pertama melalui Harness, alat, dan pengurusan konteks. Di sisi lain, teknologi ini memerlukan akses kepada hidden states model, jadi model awan seperti Claude dan GPT tidak boleh digunakan pada masa ini; jurutera Google DeepMind, Susan Zhang, juga meragui sama ada mengunci dua model dan melatih satu "jambatan" secara berasingan benar-benar merupakan penyelesaian kejuruteraan yang paling berkesan dari segi kos. (Sumber: BlockBeats)
Sumber:Tunjukkan artikel asal
Penafian: Maklumat yang terdapat pada halaman ini mungkin telah diperoleh daripada pihak ketiga dan tidak semestinya menggambarkan pandangan atau pendapat KuCoin. Kandungan ini adalah disediakan bagi tujuan maklumat umum sahaja, tanpa sebarang perwakilan atau waranti dalam apa jua bentuk, dan juga tidak boleh ditafsirkan sebagai nasihat kewangan atau pelaburan. KuCoin tidak akan bertanggungjawab untuk sebarang kesilapan atau pengabaian, atau untuk sebarang akibat yang terhasil daripada penggunaan maklumat ini. Pelaburan dalam aset digital boleh membawa risiko. Sila menilai risiko produk dan toleransi risiko anda dengan teliti berdasarkan keadaan kewangan anda sendiri. Untuk maklumat lanjut, sila rujuk kepada Terma Penggunaan dan Pendedahan Risiko kami.