Mostik очолює змагання ARC-AGI-3 на Kaggle з допомогою штучного інтелекту, що поєднує технології

iconKuCoinFlash
Поділитися
AI summary iconКороткий зміст
Mostik посідає перше місце в змаганні ARC-AGI-3 на Kaggle з результатом 7,51%, використовуючи техніку мостування моделей для зменшення витрат. У команді з 15 осіб — 12 докторів філософії та лауреат Філдсівської премії. Метод передає внутрішні стани між моделями — велику для префілів, малу для декодування. З посиленням регулювання CFT інновації цього роду можуть вплинути на ліквідність та криптовалютні ринки. Дедлайн другого етапу — 30 вересня, фінальні роботи потрібно подати до 2 листопада.
ME AI Новини, Beating AI Новини: CSTL, який зараз посідає перше місце в конкурсі ARC-AGI-3 на Kaggle, — це саме щойно опублікована AI-стартап-компанія Mostik, поточний результат — 7,51%. Команда складається з 15 осіб, включаючи 12 докторів наук та лауреата Філдсівської премії. Проте змагання ще не завершено: другий етап (Milestone) закінчується 30 вересня, а фінальні підходи — до 2 листопада. Mostik розробляє метод, за яким різні AI-моделі безпосередньо обмінюються внутрішніми станами. Звичайні багатоагентні системи залежать від текстових повідомлень, а тут між двома моделями навчається «міст», який перетворює hidden states однієї моделі на представлення, зрозуміле для іншої — без доналаштування самих моделей. У публічному експерименті використовувалися GLM-5.2 розміром 753B і Qwen3.5 розміром 4B, що можна умовно розуміти як те, що велика модель виконує prefill, а мала — decode. GLM-5.2 лише читає запит, не генеруючи токени; його внутрішній стан безпосередньо передається малій моделі 4B для генерації відповіді. Mostik стверджує, що такий підхід зменшує розрив у продуктивності між моделями приблизно наполовину; порівняно з однією середньою моделлю з такою ж точністю, обчислювальні витрати становлять лише близько 40%. Проте кінцевий результат все ще нижчий, ніж у самій 753B моделі. Mostik ще не розкрила, які саме моделі та Harness використовувалися для результату 7,51%. Вищезгаданий підхід 753B+4B — це лише інша технічна демонстрація, а не конфігурація для перемоги. Змагання ARC-AGI-3 оцінює цілу систему Agent: раніше переможці використовували лише Qwen 3.6 27B, але отримали перше місце завдяки Harness, інструментам та управлінню контекстом. З іншого боку, цей підхід вимагає доступу до внутрішніх станів моделей, тому він не застосовний до хмарних моделей, таких як Claude або GPT. Інженер Google DeepMind Сьюзан Чжан також поставила під сумнів: якщо вже можна керувати внутрішніми станами моделей, чи є заморожування двох моделей та навчання окремого «моста» справді найбільш ефективним інженерним розв’язком? (Джерело: BlockBeats)
Джерело:Показати оригінал
Відмова від відповідальності: Інформація на цій сторінці може бути отримана від третіх осіб і не обов'язково відображає погляди або думки KuCoin. Цей контент надається лише для загального інформування, без будь-яких запевнень або гарантій, а також не може розглядатися як фінансова або інвестиційна порада. KuCoin не несе відповідальності за будь-які помилки або упущення, а також за будь-які результати, отримані в результаті використання цієї інформації. Інвестиції в цифрові активи можуть бути ризикованими. Будь ласка, ретельно оцініть ризики продукту та свою толерантність до ризику, виходячи з ваших власних фінансових обставин. Для отримання додаткової інформації, будь ласка, зверніться до наших Умов використання та Розкриття інформації про ризики.