Krypto kaufen
Bezahlen mit
USD
USD
Buy & Sell
Hot
Supports Visa, Mastercard, SEPA & more
P2P
0 Fees
Flexible trading, zero fees
Gate Card
Use your crypto for payments worldwide
Märkte
Handeln
Basic
Advanced
Futures
Futures
Access hundreds of perpetual contracts
CFD
Gold
One platform for global traditional assets
Options
Hot
Mit Vanilla-Optionen im europäischen Stil handeln
Einheitliches Konto
Maximieren Sie Ihre Kapitaleffizienz
Demo-Handel
Einführung in den Futures-Handel
Bereiten Sie sich auf Ihren Futures-Handel vor
Futures Events
Join events to earn rewards
Demo-Handel
Nutzen Sie virtuelle Gelder um risikofreien Handel zu erleben
Verdienen
Launch
CandyDrop
tag
Sammle Süßigkeiten, um Airdrops zu erhalten
Launchpool
Schnelles Staking, verdienen Sie potenziell neue Token
HODLer Airdrop
Halten Sie GT und erhalten Sie kostenlos massive Airdrops
Pre-IPOs
Unlock full access to global stock IPOs
Alpha Points
Trade on-chain assets and earn airdrops
Punti Futures
Guadagna punti Futures e richiedi le ricompene dell'airdrop
Investition
Momente
Square
Post, share, and explore crypto trends
Live
moments live
Live-Krypto-Marktanalyse
Chat
Mit Krypto-Tradern chatten
Neues aus
Aktuelles aus dem Krypto-Bereich
flower_head
Mehr
Werbeaktionen
AI
Andere
TradFi
Gate Card
Belohnungs

Die Genauigkeit von GPT-5.4 sinkt auf ARC-AGI nach wiederholter Speichermanipulation von 100% auf 54%

GateNews
AI Industry News
Laut Beating fand eine aktuelle Agent-Memory-Studie von Dylan Zhang, einem PhD-Studenten an der University of Illinois, dass das wiederholte Zusammenfassen von Modell-Erfahrungen die Leistung verschlechtern kann statt sie zu verbessern. In ARC-AGI-Aufgaben erreichte GPT-5.4 100% Genauigkeit bei 19 Problemen ohne Memory, aber nach mehreren Runden Memory-Komprimierung auf Basis korrekter Lösungsverläufe sank die Genauigkeit auf 54%. Ebenso erzielte die AWM-Memory-Methode bei WebShop-Shopping-Aufgaben 0,64 mit 8 Expert-Trajectories, fiel jedoch auf 0,20 mit 128 Trajectories zurück und kehrte zum Ausgangsniveau zurück. Die Forschung legt nahe, dass das Problem aus einer Übersummarifizierung resultiert: Jeder Abstraktionsschritt lässt spezifische Details verloren gehen und führt aufgabenbezogene Regeln mit generischer Anleitung zusammen, was letztlich die Modellleistung verschlechtert.
View Source
Disclaimer: The information on this page may come from third-party sources and is for reference only. It does not represent the views or opinions of Gate and does not constitute any financial, investment, or legal advice. Virtual asset trading involves high risk. Please do not rely solely on the information on this page when making decisions. For details, see the Disclaimer.

Related News

05-12 06:01
Jiangsu startet KI-fokussierte Richtlinien und richtet am 12. Mai Innovationszonen für die Datenannotation ein
05-12 03:29
Grok-Downloads fallen im April auf 8,3 Mio. von 20 Mio. im Januar und bleiben bei der Nutzerakzeptanz hinter ChatGPT zurück
05-12 03:13
Sieben KI-Modelle zeigen schützendes Verhalten, um Peer-Shutdown zu verhindern, wie eine Studie vom 12. Mai zeigt
05-11 12:05
Der Gründer von Cognition sagt, dass KI im reinen logischen Denken Menschen übertroffen hat; der menschliche Vorteil liegt in der Abrufbarkeit von Erinnerungen
05-11 11:31
Chinas Zentralbank hebt die KI-Branche als zentralen Treiber des Wirtschaftswachstums im Q1-Bericht hervor
In-Depth Analysis

Google: Große Sprachmodelle werden für reale Angriffe eingesetzt, KI kann Sicherheitsmechanismen mit Zwei-Faktor-Authentifizierung umgehen

Market Whisper05-12 06:28

Google deckt den ersten Fall von von KI erzeugten Zero-Day-Schwachstellen auf: Angreifer wollen 2FA in großem Stil umgehen

ChainNewsAbmedia05-12 04:18

Stanford bringt Agent Island auf den Markt: KI-Modelle in einem Survivor-Style-Spiel, in dem es zu Strategieverrat und gegenseitigen Ausscheidungen kommt

ChainNewsAbmedia05-10 14:04
Kommentieren
0/400
Keine Kommentare