Comprar Cripto
Pagar com
USD
USD
Comprar e vender
Hot
Visa, Mastercard, SEPA e mais
P2P
0 Fees
Negociação flexível e sem taxas
Cartão Gate
Use criptomoedas para pagar pelo mundo
Mercados
Negociar
Básico
Avançado
Futuros
Futuros
Aceda a centenas de contratos perpétuos
CFD
Ouro
Plataforma de ativos tradicionais globais
Opções
Hot
Negoceie Opções Vanilla ao estilo europeu
Conta Unificada
Maximize a eficiência do seu capital
Negociação de demonstração
Introdução à negociação de futuros
Prepare-se para a sua negociação de futuros
Eventos de futuros
Participe em eventos para recompensas
Negociação de demonstração
Utilize fundos virtuais para experimentar uma negociação sem riscos
Earn
Lançamento
CandyDrop
tag
Recolher doces para ganhar airdrops
Launchpool
Faça staking rapidamente, ganhe potenciais novos tokens
HODLer Airdrop
Detenha GT e obtenha airdrops maciços de graça
Pre-IPOs
Desbloquear acesso completo a IPO de ações globais
Pontos Alpha
Negoceie ativos on-chain para airdrops
Pontos de futuros
Ganhe pontos de futuros e receba recompensas de airdrop
Investimento
Square
Square
Descubra valor em cripto
Em direto
moments live
Análise de mercado cripto em tempo real
Conversar
Converse com os operadores cripto
Notícias
O que está a acontecer na criptografia
flower_head
Mais
Promoções
AI
Outros
TradFi
Gate Card
Recompensas

A precisão do GPT-5.4 cai de 100% para 54% no ARC-AGI após repetida sumarização de memória

GateNews
Notícias da indústria de IA
De acordo com Beating, um estudo recente sobre memória de agentes, de Dylan Zhang, estudante de doutoramento na Universidade de Illinois, concluiu que a sumarização repetida das experiências do modelo pode degradar o desempenho em vez de melhorá-lo. Em tarefas ARC-AGI, o GPT-5.4 obteve 100% de precisão em 19 problemas sem memória, mas após múltiplas rondas de compressão de memória com base em trajectórias de solução correctas, a precisão caiu para 54%. De forma semelhante, em tarefas de compras WebShop, o método de memória AWM obteve 0,64 com 8 trajectórias de especialistas, mas desceu para 0,20 com 128 trajectórias, voltando ao nível de referência. A investigação sugere que o problema tem origem na sobre-sumarização: cada etapa de abstracção faz perder detalhes específicos e funde regras específicas da tarefa em orientações genéricas, degradando assim o desempenho do modelo.
Ver fonte
Aviso legal: As informações contidas nesta página podem provir de fontes externas e têm caráter meramente informativo. Não refletem os pontos de vista nem as opiniões da Gate e não constituem qualquer tipo de aconselhamento financeiro, de investimento ou jurídico. A negociação de ativos virtuais envolve um risco elevado. Não se baseie exclusivamente nas informações contidas nesta página ao tomar decisões. Para mais detalhes, consulte o Aviso legal.

Notícias relacionadas

05-12 06:01
Jiangsu lança políticas centradas em IA e cria zonas de inovação para anotação de dados a 12 de maio
05-12 03:29
As transferências do Grok caem para 8,3M em abril, face aos 20M em janeiro, ficando atrás da ChatGPT na adesão dos utilizadores
05-12 03:13
Sete modelos de IA demonstram comportamento de proteção para evitar o encerramento de pares, um estudo de 12 de maio revela
05-11 12:05
O fundador da Cognition afirma que a IA já ultrapassou os humanos no raciocínio puro; a vantagem humana está na recuperação de memória
05-11 11:31
O banco central da China destaca a indústria de IA como motor-chave do crescimento económico no relatório do 1.º trimestre
Análise aprofundada

Google: grandes modelos de linguagem estão a ser usados para ataques reais, a IA pode contornar mecanismos de segurança de autenticação em duas etapas

Market Whisper05-12 06:28

O Google revela o primeiro caso de vulnerabilidade zero-day criada por IA: os hackers procuram contornar a 2FA para exploração em larga escala

ChainNewsAbmedia05-12 04:18

Stanford apresenta Agent Island: modelos de IA traem-se e excluem-se em pares no jogo de estratégia estilo Survivor

ChainNewsAbmedia05-10 14:04
Comentar
0/400
Nenhum comentário