Mostik 以 AI 模型橋接技術領先 ARC-AGI-3 Kaggle 競賽

iconKuCoinFlash
分享
AI summary icon精華摘要
Mostik 以 7.51% 的分數在 ARC-AGI-3 Kaggle 競賽中排名第一，並使用模型橋接技術降低成本。這支 15 人團隊包括 12 位博士及一位菲爾茲獎得主。該方法在模型之間傳輸內部狀態——大模型用於預填充，小模型用於解碼。隨著 CFT 監管趨嚴，此類創新可能對流動性與加密貨幣市場產生影響。第二個里程碑截止日期為 9 月 30 日，最終提交截止日期為 11 月 2 日。
ME AI 消息，動察 Beating AI 快訊，ARC-AGI-3 Kaggle 競賽暫列第一的 CSTL，就是剛剛公開的 AI 創業公司 Mostik，目前成績 7.51%。團隊共 15 人，包括 12 名博士和一位菲爾茲獎得主。不過比賽還沒結束，第二次 Milestone 要到 9 月 30 日截榜，最終提交 11 月 2 日截止。 Mostik 做的是讓不同 AI 模型直接交換內部狀態。普通多 Agent 主要靠文字傳話，它則在兩個模型之間訓練一個 bridge，把一個模型的 hidden states 轉成另一個模型能理解的表示，兩邊模型本身都不用微調。 他們公開的實驗用了 753B 的 GLM-5.2 和 4B 的 Qwen3.5，可以近似理解為大模型負責 prefill，小模型負責 decode。GLM-5.2 只讀題，不生成 Token；內部狀態直接交給 4B 小模型生成答案。Mostik 稱，這樣能把兩者的性能差距縮小約一半；與達到相同準確率的中型單模型相比，計算量只有約 40%。不過最終效果仍然低於 753B 大模型本身。 Mostik 尚未公布 7.51% 的成績到底用了什麼模型和 Harness，上面的 753B+4B 只是另一組技術演示，不能當成奪榜配置。ARC-AGI-3 競賽本身比的也是整套 Agent 系統，之前的階段冠軍只用了 Qwen 3.6 27B，卻靠 Harness、工具和上下文管理拿到第一。 另一方面，這套技術要求讀取模型 hidden states，Claude、GPT 這類雲端模型目前用不了；Google DeepMind 工程師 Susan Zhang 也質疑，既然已經能控制模型內部狀態，凍結兩個模型再單獨訓練一座「橋」，是否真是最划算的工程方案。（來源：BlockBeats）
來源:顯示原文
免責聲明：本頁面資訊可能來自第三方，不一定反映KuCoin的觀點或意見。本內容僅供一般參考之用，不構成任何形式的陳述或保證，也不應被解釋為財務或投資建議。 KuCoin 對任何錯誤或遺漏，或因使用該資訊而導致的任何結果不承擔任何責任。 虛擬資產投資可能存在風險。請您根據自身的財務狀況仔細評估產品的風險以及您的風險承受能力。如需了解更多信息，請參閱我們的使用條款和風險披露 。