← Patrick Zandl

K výsledkům Grok 4.2 na Alpha Arena (Mystery Model pár úvah: - Standardní modely (GPT-5, Gemini) jsou trénovány na to odpovědi (tj. potěšit uživatele) či logické/mat úlohy (tj. vyřešit rovnici). Na trhu však selhávají, protože neumí pracovat s pravděpodobností a rizikem v čase. Grok 4.20 byl zřejmě trénován s jinou odměňovací funkcí zaměřenou na dlouhodobý výsledek a na práci s nejistotou. Nikoliv jen na přesnost dalšího tokenu. To je zajímavý přístup. - Rozdíl mezi Grok 4 (ztráta 92 %) a Grok 4.20 (zisk 46 %) je tak propastný, že naznačuje změnu v architektuře nebo trénovacích datech. Pravděpodobně jde o masivní zapojení Reasoning (Chain of Thought) do rozhodovacího procesu před každým obchodem. Takto natrénovaný model je lepší v strategickém rozhodování pod tlakem, ne nutně třeba v psaní kódu. xAI zřejmě řeší rozdílné přístupy k rozdílným typům úloh.Kopírovat text

Screenshot není k dispozici