这些俄罗斯数学家教人工智能模型如何在不使用语言的情况下相互交谈

我最近会见了一些杰出的俄罗斯数学家，他们向我展示了一种人工智能模型通过类似于机器心灵感应的方式进行通信的方法。数学家们在一家名为“Mostik”（俄语中“桥”的意思）的初创公司工作。这是对该小组方法的认可，该方法允许不同的模型使用其权重中的数学值进行交互——权重决定了如何将提示转化为输出。实际上，这意味着可以将较大模型的功能提供给较小模型，以更有效地提高其智能。该初创公司使用该方法构建的模型已在 ARC-AGI 3 比赛中飙升至榜首，这是一项众所周知的人工智能模型竞赛。 （他们不会告诉我更多信息，因为他们想赢得比赛。）然而，为了演示这个想法，他们还在两个中国开放权重模型之间建立了一座桥梁：最大版本的 GLM-5.2，有 7530 亿个参数；以及可在移动设备上运行的 Qwen-3.5 的 40 亿参数版本。由此产生的混合系统的成本是完整 GLM 模型的二十分之一，而其性能恰好介于两者之间。 “在机器学习领域众所周知，模型的集合比单个模型的表现更好，”Mostik 的首席执行官 Sasha Malysheva 在喝咖啡时告诉我。开发该方法的 Malysheva 分享了公司内部流传的一个笑话：人工智能的未来类似于猜测猪的重量。在数学界，众所周知，当少数随机的人将他们的猜测结合起来并平均时，他们可以比专家更准确地估计出一头猪的体重。就像共同观察猪的体重一样，将多个人工智能模型的输出结合起来通常会得到更好的结果。通常，这涉及将一个模型的输出输入到另一个模型中，这需要大量的时间和金钱。然而，莫斯蒂克团队找到了一种让人工智能模型能够在不产生文本输出的情况下相互对话的方法。如果它成功，它可以增加开放权重模型的价值，使它们能够更好地与 Anthropic 和 OpenAI 等前沿实验室提供的封闭式专有模型竞争。 Malysheva 表示，结合许多不同的模型可能是推进人工智能的更好方法。 “我个人认为我们（未来）不会有一个单一的模型，或者模型的功能将来自扩展，”她告诉我，指的是使模型更大并为其提供更多数据的策略。 “如果 Mostik 能够将前沿模型与特定领域的模型（例如生物学、物理学等）配对，那么将会训练更多专业模型，”人工智能软件公司 Lovable 的技术主管 Vladimir Arustamian 说道，他认识 Mostik 团队。 “这个团队已经投入了几个月的时间，并且已经有了一些我本以为需要几年才能完成的东西。”熟悉该公司技术的 Google DeepMind 前计算机科学家 Karl Tuyls 表示，Mostik 技术意味着“无需大型模型处理整个循环，您就可以达到大型模型的质量，只需运行一个较小的模型即可获得显着的改进。” Tuyls 说，对于任何负责尽可能高效地运行模型的人来说，这种方法都是显而易见的。日内瓦大学教授、2010 年菲尔兹奖得主斯坦尼斯拉夫·斯米尔诺夫 (Stanislav Smirnov) 是莫斯蒂克的首席科学家。他表示，在两个人工智能模型之间找到共同点非常困难。 “似乎还没有合适的数学语言，”他说。在此期间，莫斯蒂克的方法确实是弥合差距的一种方法。