Apple Research가 best-of-N이 이론적 한계에 근접하고 PPO, GRPO는 비최적임을 증명했다.
Weighted state souping이 장문 컨텍스트 작업의 성능을 크게 향상시켰다
최상위 LLM이 인간 글쓰기 스타일 평가 재현에서 신뢰할 수 없는 결과를 보인다는 연구가 발표됐다
Apple의 Amortized MIPS가 RAG 검색 지연을 8배 줄이고 recall을 높였다
Apple의 8B RL 에이전트가 실제 iOS 앱에서 Gemini-3.5-Flash를 능가했다.
GHARP가 Ava-256에서 SOTA 품질을 달성하며 가우시안을 8배 줄였다
Apple 연구가 다중 도구 쿼리에서 Plan-then-Retrieve가 Retrieve-then-Plan보다 우수함을 입증했다.
M5 Ultra Mac Studio 4대 클러스터로 816B 파라미터 모델 추론 시 초당 36토큰을 달성했다.
Apple 연구진이 Whisper-small 인코더로 14개 언어 쌍에서 F1 0.798의 코드 스위칭 감지 기법을 제안했다.
Apple이 3B 규모에서 6.4T 토큰으로 학습된 최초의 3모달 MDM을 공개했다.
bilingual mixing이 하이퍼파라미터 튜닝보다 성능 향상 효과가 더 큰 것으로 나타났다.
Apple이 제안한 SELFCOMPACT로 LLM 에이전트 성능을 높이고 토큰 비용을 30~70% 줄였다.
Apple이 유휴 macOS 기기의 GPU를 모아 대규모 ML 추론을 수행하는 Minions를 제안했다.
Apple 연구, 70개 언어 쌍 분석 결과 MT 주석에서 LLM과 인간 모두 신뢰성 부족 드러났다
Apple 연구진이 4단계 샘플링으로 정확한 가능성을 유지하는 NTM 프레임워크를 공개했다.
RISED가 루브릭 기반 데이터 선택과 자기 증류로 다양한 환경에서 최고 평균 통과율을 달성했다.
Apple 연구진이 사용자가 정의한 현상에서 존재론적 경계 협상이 일어나는 네 지점을 확인했다.
Apple 연구, 이산 확산 모델의 신뢰도 샘플링이 토큰 의존성으로 학습 분포와 29배 차이 발생 확인했다
Apple Research가 언어 구별 강화로 다국어 음성 모델의 성능 격차를 줄였다.
Apple 연구진이 자가 피드백 내재화로 어려운 과제에서 성능을 높이는 RLTL;DR을 공개했다.
동일한 LLM과 시간 예산에서 복잡한 MLE 하네스는 최소 하네스 대비 성능 우위가 없는 것으로 나타났다.
Apple이 장기 에이전트 훈련용 SCLATE를 공개해 한 달 시나리오를 몇 시간으로 압축했다.
AI Briefing