Ana Sayfa
AI AI
Flaş
Derinlik
Etkinlikler
BlockBeats Pro
Daha Fazla
Finans
Özel
Blok Zinciri Ekosistemi
Giriş
Podkastlar
Veri
OPRR
#
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
Partnered With:

ARC yarışmasının birinci takımı ortaya çıktı: Mostik, büyük ve küçük modeller arasında köprü kurarak büyük model üretim maliyetlerini ortadan kaldırıyor.

动察 Beating AI hızlı haberi: ARC-AGI-3 Kaggle yarışmasında geçici olarak birinci sırada yer alan CSTL, az önce kamuoyuna açıklanan yapay zeka girişimi Mostik'tir ve şu anki skoru %7,51'dir. Ekip toplam 15 kişiden oluşuyor; 12 doktora ve bir Fields Madalyası sahibi dahil. Ancak yarışma henüz bitmedi; ikinci Milestone 30 Eylül'de sona erecek ve nihai teslim tarihi 2 Kasım.


Mostik, farklı yapay zeka modellerinin iç durumlarını doğrudan değiştirmesini sağlıyor. Sıradan çoklu ajan sistemleri çoğunlukla metin aktarımına dayanırken, Mostik iki model arasında bir köprü eğiterek bir modelin gizli durumlarını diğer modelin anlayabileceği bir temsile dönüştürüyor; her iki modelin de ince ayar yapmasına gerek yok.


Kamuya açıkladıkları deneyde 753B'lik GLM-5.2 ve 4B'lik Qwen3.5 kullanıldı; bu, büyük modelin prefill'i, küçük modelin ise decode'u üstlendiği şeklinde yaklaşık olarak yorumlanabilir. GLM-5.2 yalnızca soruyu okur ve token üretmez; iç durum doğrudan 4B'lik küçük modele aktarılır ve cevabı o üretir. Mostik, bu yöntemin iki model arasındaki performans farkını yaklaşık yarı yarıya azalttığını; aynı doğruluğa ulaşan orta boyutlu tek bir modele kıyasla hesaplama maliyetinin yalnızca yaklaşık %40'ı olduğunu iddia ediyor. Ancak nihai etki yine de 753B'lik büyük modelin kendisinden düşük.


Mostik, %7,51'lik skor için hangi model ve Harness kullanıldığını henüz açıklamadı; yukarıdaki 753B+4B yalnızca başka bir teknik gösterimdir ve liderlik tablosunu ele geçiren yapılandırma olarak kabul edilmemelidir. ARC-AGI-3 yarışması zaten tüm ajan sistemini test ediyor; önceki aşama şampiyonu yalnızca Qwen 3.6 27B kullandı, ancak Harness, araçlar ve bağlam yönetimi sayesinde birinci oldu.


Öte yandan, bu teknik modelin gizli durumlarını okumayı gerektiriyor; Claude, GPT gibi bulut tabanlı modeller şu anda kullanılamıyor. Google DeepMind mühendisi Susan Zhang da, modelin iç durumunu kontrol edebildiğinizde, iki modeli dondurup ayrı bir "köprü" eğitmenin gerçekten en ekonomik mühendislik çözümü olup olmadığını sorguluyor.

举报 Düzeltme/Rapor
Düzeltme/Rapor
Gönder
Kütüphane Ekle
Sadece kendime görünür
Herkese Açık
Kaydet
Kütüphane Seç
Kütüphane Ekle
İptal
Tamamla