Mostik dẫn đầu cuộc thi ARC-AGI-3 trên Kaggle với mô hình AI kết nối công nghệ

iconKuCoinFlash
Chia sẻ
AI summary iconTóm tắt
Mostik dẫn đầu cuộc thi ARC-AGI-3 trên Kaggle với điểm số 7,51%, sử dụng kỹ thuật chuyển giao mô hình để giảm chi phí. Đội gồm 15 thành viên, trong đó có 12 tiến sĩ và một người đoạt Huy chương Fields. Phương pháp này chuyển trạng thái nội bộ giữa các mô hình—mô hình lớn cho giai đoạn prefill, mô hình nhỏ cho giai đoạn decode. Trong bối cảnh quy định CFT ngày càng siết chặt, những sáng tạo như vậy có thể ảnh hưởng đến thanh khoản và thị trường tiền mã hóa. Hạn chót cho mốc thứ hai là ngày 30 tháng Chín, các bài dự thi cuối cùng phải nộp trước ngày 2 tháng Mười Một.
ME AI Tin tức, Beating AI Nhanh, CSTL đang dẫn đầu cuộc thi Kaggle ARC-AGI-3, chính là công ty khởi nghiệp AI mới công bố Mostik, hiện đạt điểm 7,51%. Đội ngũ gồm 15 người, bao gồm 12 tiến sĩ và một người đoạt giải Fields. Tuy nhiên, cuộc thi vẫn chưa kết thúc, Milestone lần hai sẽ đóng bảng vào ngày 30 tháng 9, và hạn chót nộp bài cuối cùng là ngày 2 tháng 11. Mostik phát triển phương pháp để các mô hình AI khác nhau trao đổi trực tiếp trạng thái nội bộ. Các Agent đa dạng thông thường chủ yếu truyền thông tin qua văn bản, trong khi nó huấn luyện một "cây cầu" giữa hai mô hình để chuyển đổi hidden states của mô hình này thành biểu diễn mà mô hình kia có thể hiểu được, mà không cần tinh chỉnh bất kỳ mô hình nào. Thí nghiệm được công bố của họ sử dụng GLM-5.2 753B và Qwen3.5 4B, có thể hiểu gần đúng là mô hình lớn phụ trách prefill, mô hình nhỏ phụ trách decode. GLM-5.2 chỉ đọc đề bài, không sinh Token; trạng thái nội bộ được chuyển trực tiếp cho mô hình nhỏ 4B để sinh câu trả lời. Mostik cho biết cách này có thể thu hẹp khoảng cách hiệu suất giữa hai mô hình khoảng một nửa; so với mô hình đơn trung bình đạt cùng độ chính xác, lượng tính toán chỉ khoảng 40%. Tuy nhiên, hiệu quả cuối cùng vẫn thấp hơn so với mô hình lớn 753B. Mostik chưa công bố mô hình và Harness nào đã tạo ra điểm 7,51%, phần trên về GLM-5.2 + 4B chỉ là một bản trình diễn kỹ thuật khác, không phải cấu hình giành giải. Cuộc thi ARC-AGI-3 thực chất đánh giá toàn bộ hệ thống Agent; các nhà vô địch ở các giai đoạn trước chỉ sử dụng Qwen 3.6 27B nhưng vẫn giành vị trí đầu nhờ vào Harness, công cụ và quản lý ngữ cảnh. Mặt khác, kỹ thuật này yêu cầu truy cập vào hidden states của mô hình, nên hiện tại không thể áp dụng cho các mô hình đám mây như Claude hay GPT; kỹ sư của Google DeepMind Susan Zhang cũng đặt câu hỏi rằng, nếu đã có thể kiểm soát trạng thái nội bộ của mô hình, thì việc đóng băng hai mô hình và huấn luyện riêng một "cây cầu" có thực sự là giải pháp kỹ thuật hiệu quả nhất không. (Nguồn: BlockBeats)
Nguồn:Hiển thị bản gốc
Tuyên bố miễn trừ trách nhiệm: Thông tin trên trang này có thể được lấy từ bên thứ ba và không nhất thiết phản ánh quan điểm hoặc ý kiến của KuCoin. Nội dung này chỉ được cung cấp cho mục đích thông tin chung, không có bất kỳ đại diện hay bảo đảm nào dưới bất kỳ hình thức nào và cũng không được hiểu là lời khuyên tài chính hay đầu tư. KuCoin sẽ không chịu trách nhiệm về bất kỳ sai sót hoặc thiếu sót nào hoặc về bất kỳ kết quả nào phát sinh từ việc sử dụng thông tin này. Việc đầu tư vào tài sản kỹ thuật số có thể tiềm ẩn nhiều rủi ro. Vui lòng đánh giá cẩn thận rủi ro của sản phẩm và khả năng chấp nhận rủi ro của bạn dựa trên hoàn cảnh tài chính của chính bạn. Để biết thêm thông tin, vui lòng tham khảo Điều khoản sử dụng và Tiết lộ rủi ro của chúng tôi.