AI výskum

Apple Machine Learning Research predstavilo metódu Direct Steering Optimization, ktorá má počas inferencie cielene obmedzovať demografické skreslenie vo VLM a LLM. Dôležité je, že nejde o jednorazové ‚vypnutie‘ biasu, ale o nastaviteľný kompromis medzi férovosťou a schopnosťami modelu.

Apple v novej práci otvára alternatívu k dnešným difúznym video modelom. STARFlow-V sa vracia k normalizing flows a tvrdí, že vie spojiť end-to-end učenie, kauzálnejšiu predikciu aj paralelnejšie vzorkovanie bez úplného rozbitia časovej konzistencie.

Apple zverejnil výskum, ktorý má zlacniť a zrýchliť tvorbu anotovaných dát pre systémy pracujúce so znakovým jazykom. Namiesto ručného popisu stoviek hodín videa navrhuje pipeline, kde časť práce preberú špecializované modely a jazykový model.

Nový text na Hugging Face upozorňuje, že hodnotenie modelov a agentov už nie je len doplnok po tréningu. Pri drahých benchmarkoch, opakovaných behoch a multimodelových porovnaniach sa z evaluácií stáva samostatný nákladový problém.

Apple navrhuje spôsob, ako model ešte pred generovaním odpovede odhadne náročnosť otázky a pridelí jej primeraný rozpočet na uvažovanie. Cieľom je ušetriť tokeny bez citeľnej straty presnosti.

Nový preprint na arXive opisuje ladenie veľkých jazykových modelov ako pozorovateľný systémový problém. Namiesto izolovaných promptových úprav skladá postup od záchytu chyby cez evaluáciu a interpretáciu až po úpravy dát, parametrov a následné dolaďovanie.

Nový paper na arXive navrhuje, aby sa ľudský dohľad nad AI agentmi nestaval ad hoc do každej aplikácie, ale aby fungoval ako samostatná vrstva systému. Prístup môže byť dôležitý pre bezpečnejšie nasadenie agentov vo firmách aj vo verejnej správe.

NVIDIA spolu so Siemens Healthineers zverejnili model NV-Raw2Insights-US, ktorý nepracuje s hotovým ultrazvukovým obrazom, ale priamo so surovými signálmi zo sondy. Cieľom je presnejšie zaostrenie v reálnom čase a cesta k end-to-end AI v medicínskom zobrazovaní.

Apple otvoril otázku, prečo difúzne modely občas zvládnu skladať nové kombinácie objektov mimo tréningových dát a inokedy zlyhajú. Práca o kompozičnej generalizácii navrhuje, že rozhodujúca môže byť lokalita závislostí v modeli, nie iba veľkosť siete alebo množstvo dát.

Nová práca StereoFoley od Apple sa zameriava na generovanie priestorového stereo zvuku z videa. Namiesto obyčajného „doplnenia audia“ rieši aj to, odkiaľ má zvuk prichádzať, ako sa má meniť pri pohybe objektov a ako vyhodnocovať, či obraz a zvuk skutočne patria k sebe.

Apple zverejnil výskum LaDiR, ktorý skúša nahradiť striktne sekvenčné generovanie uvažovania latentným difúznym procesom. Cieľom je, aby model vedel rozpracované kroky spätne upravovať, paralelne skúmať viac ciest a lepšie hospodáriť s výpočtom pri dlhších úlohách.

Anthropic v experimente Project Deal nechal agentov Claude vyjednávať reálne obchody medzi zamestnancami. Výsledok ukazuje, že agenti už vedia uzatvárať dohody bez človeka v slučke a že kvalita modelu sa môže priamo premeniť na lepšie obchodné výsledky.