AI Briefing#apple-research
#apple-research와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#apple-research와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Apple Research가 best-of-N이 이론적 한계에 근접하고 PPO, GRPO는 비최적임을 증명했다.
Apple 연구진이 Pythia-1B를 Mamba 모델로 증류해 perplexity 14.01을 달성했다.
Weighted state souping이 장문 컨텍스트 작업의 성능을 크게 향상시켰다
최상위 LLM이 인간 글쓰기 스타일 평가 재현에서 신뢰할 수 없는 결과를 보인다는 연구가 발표됐다
GHARP가 Ava-256에서 SOTA 품질을 달성하며 가우시안을 8배 줄였다
Apple 연구가 다중 도구 쿼리에서 Plan-then-Retrieve가 Retrieve-then-Plan보다 우수함을 입증했다.
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.
Apple 연구, 70개 언어 쌍 분석 결과 MT 주석에서 LLM과 인간 모두 신뢰성 부족 드러났다
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.
Apple 연구, LLM 조건화 시 유창성 저하 및 instruction-tuned 모델에서 activation steering 효과 감소 확인
미세 조정으로 오픈 웨이트 모델이 미학습 Gemini-3.1-Pro를 능가했다.
Apple과 Georgia Tech, LIPPAX로 연방 분산 부등식 수렴 속도 개선했다
Apple 연구진이 온라인 교사 모델과 서버 측 안정화를 결합해 ASR 연방 학습 정확도를 도메인 내 20.8%, 도메인 간 10.0% 개선했다.
Apple이 라텐트 공간 증류로 오디오 인코더를 2.8배 압축했으며, WER 오차는 1.9% 이내로 유지했다.
Apple 연구진이 불필요한 성능 저하를 줄이는 동적 스케일링 Activation Steering 기법 DSAS를 공개했다.
Apple 연구진이 LLM에 특정 가치를 주입하면 안전성은 향상되지만 아첨성도 함께 증가함을 확인했다.
Apple 연구 블로그에 소개된 연구에서 이산 흐름 매칭의 궤적 품질을 개선하는 TS-DFM을 제안해, 8단계 추론으로 1,024단계 교사 모델 대비 퍼플렉시티를 32% 낮추고 속도는 128배 향상시켰다.
LLM의 신념 갱신은 베이지안 원칙과 불일치하며, 비베이지안 휴리스틱이 오히려 더 나은 성능을 보였다.