Mostik lidera a competição ARC-AGI-3 do Kaggle com modelo de IA que une tecnologias

iconKuCoinFlash
Compartilhar
AI summary iconResumo
Mostik lidera a competição ARC-AGI-3 do Kaggle com uma pontuação de 7,51%, utilizando uma técnica de ponte entre modelos para reduzir custos. A equipe de 15 membros inclui 12 doutores e um vencedor da Medalha Fields. O método transfere estados internos entre modelos—grandes para prefill e pequenos para decode. Com as regulamentações da CFT se apertando, inovações como essa podem impactar a liquidez e os mercados de criptoativos. A segunda data limite é 30 de setembro, com as submissões finais até 2 de novembro.
ME AI Mensagem, Notícia da Dongcha Beating AI: CSTL, atualmente em primeiro lugar no concurso ARC-AGI-3 do Kaggle, é a startup de IA recém-divulgada Mostik, com pontuação atual de 7,51%. A equipe tem 15 membros, incluindo 12 doutores e um ganhador da Medalha Fields. No entanto, a competição ainda não terminou; o segundo Milestone encerra em 30 de setembro, e a submissão final é até 2 de novembro. Mostik desenvolve uma técnica que permite que diferentes modelos de IA troquem diretamente seus estados internos. Enquanto agentes múltiplos tradicionais dependem de comunicação por texto, eles treinam uma "ponte" entre dois modelos, convertendo os hidden states de um modelo em uma representação compreensível pelo outro, sem necessidade de ajuste fino dos modelos originais. Os experimentos divulgados utilizaram o GLM-5.2 de 753B e o Qwen3.5 de 4B, podendo ser aproximadamente entendidos como um grande modelo responsável pelo prefill e um pequeno modelo pelo decode. O GLM-5.2 apenas lê a pergunta, sem gerar tokens; seu estado interno é diretamente passado ao modelo pequeno de 4B para gerar a resposta. A Mostik afirma que esse método reduz em cerca de metade a lacuna de desempenho entre os dois modelos; em comparação com um único modelo de tamanho médio que atinja a mesma precisão, o consumo computacional é de apenas cerca de 40%. No entanto, o desempenho final ainda permanece inferior ao do próprio modelo grande de 753B. A Mostik ainda não divulgou quais modelos e Harness foram usados para obter a pontuação de 7,51%. O uso de 753B + 4B mencionado acima é apenas uma demonstração técnica separada e não representa a configuração utilizada para liderar o ranking. O concurso ARC-AGI-3 avalia todo o sistema de agentes; os vencedores das fases anteriores usaram apenas o Qwen 3.6 27B, mas conquistaram o primeiro lugar com um Harness eficaz, ferramentas e gerenciamento de contexto. Por outro lado, essa técnica exige acesso aos hidden states dos modelos, o que atualmente não é possível com modelos em nuvem como Claude e GPT. A engenheira do Google DeepMind Susan Zhang também questionou se, já sendo possível controlar os estados internos dos modelos, congelar dois modelos e treinar separadamente uma "ponte" é realmente a solução mais eficiente do ponto de vista de engenharia. (Fonte: BlockBeats)
Fonte:Mostrar original
Aviso legal: as informações nesta página podem ter sido obtidas de terceiros e não refletem necessariamente os pontos de vista ou opiniões da KuCoin. Este conteúdo é fornecido apenas para fins informativos gerais, sem qualquer representação ou garantia de qualquer tipo, nem deve ser interpretado como aconselhamento financeiro ou de investimento. A KuCoin não é responsável por quaisquer erros ou omissões, ou por quaisquer resultados do uso destas informações. Os investimentos em ativos digitais podem ser arriscados. Avalie cuidadosamente os riscos de um produto e a sua tolerância ao risco com base nas suas próprias circunstâncias financeiras. Para mais informações, consulte nossos termos de uso e divulgação de risco.