Départ 23/11Cohorte 3 en direct Vibe Coding & Agents IA : 3 semaines, 9 sessions liveCohorte 3 (23/11) →
Éditeur · vérifié par la rédaction

Apple ML Research

Source d'actualités IA. Les articles sont sélectionnés et adaptés par la rédaction de Hamidun News.

26 articles dans Hamidun·Dernier: 13 octobre· Actif·machinelearning.apple.com ↗

Dernières publications

Apple propose SelfCompact : l'agent décide lui-même quand compresser son contexte
RechercheApple ML Research

Apple propose SelfCompact : l'agent décide lui-même quand compresser son contexte

Les chercheurs d'Apple suppriment le seuil fixe de tokens pour la compression du contexte : avec SelfCompact, le modèle choisit lui-même quand et comment compacter, via un outil dédié.

13 oct. 2026·2 min
Apple Research dévoile Minions : un cloud GPU virtuel bâti sur les Mac inactifs
MatérielApple ML Research

Apple Research dévoile Minions : un cloud GPU virtuel bâti sur les Mac inactifs

Des chercheurs d'Apple décrivent Minions, un cloud distribué qui agrège les GPU Apple Silicon inactifs des appareils macOS pour exécuter de l'inférence ML à grande échelle.

13 oct. 2026·2 min
Apple a testé les LLM comme juges de traduction : avec MQM et ESA, la tâche est difficile pour les humains comme pour les modèles
RechercheApple ML Research

Apple a testé les LLM comme juges de traduction : avec MQM et ESA, la tâche est difficile pour les humains comme pour les modèles

Apple ML Research a comparé les annotations de qualité de traduction automatique produites par des LLM et par des humains avec les schémas MQM et ESA. Le titre résume la conclusion : les deux camps peinent.

13 oct. 2026·2 min
Apple ML Research étudie l'alignement des LLM multimodaux et leur propension aux hallucinations
CréatifApple ML Research

Apple ML Research étudie l'alignement des LLM multimodaux et leur propension aux hallucinations

Apple ML Research publie une étude approfondie sur le rôle du preference alignment dans les modèles de langage multimodaux, où les hallucinations s'avèrent plus complexes que dans les LLM classiques.

4 août 2026·2 min
Apple ML Research propose des modèles compacts pour corriger les erreurs de reconnaissance vocale
LLMApple ML Research

Apple ML Research propose des modèles compacts pour corriger les erreurs de reconnaissance vocale

Apple ML Research propose des modèles seq2seq compacts plutôt que des LLM pour corriger les erreurs d'ASR, entraînés sur des erreurs réelles et synthétiques.

19 juil. 2026·2 min
Apple ML Research présente Text-to-Sounding-Video, une méthode pour générer des vidéos sonorisées à partir de texte
CréatifApple ML Research

Apple ML Research présente Text-to-Sounding-Video, une méthode pour générer des vidéos sonorisées à partir de texte

Apple ML Research explore le Text-to-Sounding-Video, la génération de vidéos sonorisées à partir de texte, et identifie deux problèmes clés encore non résolus.

19 juil. 2026·2 min
Apple ML Research dévoile TopoPrimer, un contexte topologique pour les modèles de prévision
RechercheApple ML Research

Apple ML Research dévoile TopoPrimer, un contexte topologique pour les modèles de prévision

Apple ML Research présente TopoPrimer, un framework qui injecte la structure topologique globale des données dans les modèles de prévision de séries temporelles.

18 juil. 2026·1 min
Apple précise quand la on-policy distillation aide vraiment à entraîner les modèles
LLMApple ML Research

Apple précise quand la on-policy distillation aide vraiment à entraîner les modèles

Des chercheurs d'Apple ML identifient les conditions dans lesquelles la on-policy distillation est efficace pour entraîner des modèles de raisonnement, et celles où elle peut être inefficace, voire contre-productive.

13 juil. 2026·3 min
Self-Reflective Program Search : Apple améliore le traitement des contextes longs par les LLM
LLMApple ML Research

Self-Reflective Program Search : Apple améliore le traitement des contextes longs par les LLM

Apple ML Research a publié une étude sur Self-Reflective Program Search, une méthode qui améliore le traitement des contextes longs par les modèles de langage grâce à une décomposition récursive en sous-requêtes.

13 juil. 2026·2 min
Apple met au point TGPO pour apprendre aux modèles vidéo à comprendre le temps
CréatifApple ML Research

Apple met au point TGPO pour apprendre aux modèles vidéo à comprendre le temps

Apple ML Research dévoile TGPO, une méthode qui apprend aux modèles vidéo l'ordre et l'évolution des événements dans la vidéo égocentrique grâce au renforcement du raisonnement temporel.

13 juil. 2026·2 min
Faille IA : un seul neurone suffit à contourner la protection des grands modèles, selon Apple
LLMApple ML Research

Faille IA : un seul neurone suffit à contourner la protection des grands modèles, selon Apple

Des chercheurs d'Apple montrent que la protection des LLM peut être entièrement contournée en agissant sur un seul neurone, sans réentraînement ni modification des prompts, sur sept modèles de deux familles.

9 juil. 2026·2 min
FlowEval d'Apple : une IA pour évaluer les interfaces générées par IA
CréatifApple ML Research

FlowEval d'Apple : une IA pour évaluer les interfaces générées par IA

Apple ML Research a conçu FlowEval, un framework qui évalue automatiquement les interfaces générées par IA en comparant leurs trajectoires de navigation à celles de vrais sites web.

9 juil. 2026·2 min
Apple ML Research dévoile Weblica, un environnement évolutif pour entraîner des agents web visuels
LLMApple ML Research

Apple ML Research dévoile Weblica, un environnement évolutif pour entraîner des agents web visuels

Apple publie Weblica, un framework qui rejoue les états interactifs de pages web et génère des environnements d'entraînement via des LLM, pour entraîner de façon fiable des agents IA opérant dans le navigateur.

9 juil. 2026·2 min
Apple met au point MT-EditFlow pour l'édition d'images par IA en plusieurs étapes
CréatifApple ML Research

Apple met au point MT-EditFlow pour l'édition d'images par IA en plusieurs étapes

Apple ML Research dévoile MT-EditFlow, un système fondé sur l'apprentissage par renforcement qui s'attaque à l'accumulation d'erreurs lors de l'édition itérative d'images.

9 juil. 2026·2 min
LensVLM : un réseau de neurones pour lire du texte dans des images compressées
CréatifApple ML Research

LensVLM : un réseau de neurones pour lire du texte dans des images compressées

Apple ML Research présente LensVLM, un cadre qui permet aux modèles vision-langage de lire du petit texte dans des images compressées sans perte de précision.

8 juil. 2026·3 min
Comment adapter une IA à de nouvelles tâches sans lui faire perdre ses capacités
LLMApple ML Research

Comment adapter une IA à de nouvelles tâches sans lui faire perdre ses capacités

DynaMiCS, d'Apple, traite le choix des données lors du fine-tuning comme un problème sous contraintes, afin de préserver instructions, connaissances et sécurité du modèle face à de nouveaux domaines.

8 juil. 2026·2 min
Comment fonctionne le Mixture-of-Experts : l'architecture des réseaux de neurones modernes
RechercheApple ML Research

Comment fonctionne le Mixture-of-Experts : l'architecture des réseaux de neurones modernes

Des chercheurs d'Apple ont constaté que les tokens des architectures MoE n'empruntent qu'une infime part des routes théoriquement possibles, et proposent une architecture pour y remédier.

8 juil. 2026·3 min
Les réseaux de neurones pour la parole passent à l'échelle comme ceux du texte, selon Apple
CréatifApple ML Research

Les réseaux de neurones pour la parole passent à l'échelle comme ceux du texte, selon Apple

Apple ML Research a constaté que les modèles de parole à diffusion continue progressent de façon aussi prévisible que les modèles autorégressifs, et introduit la métrique pJSD.

8 juil. 2026·2 min
Apple ML Research s'attaque à la dégradation des modèles ASR sur les longs enregistrements
RechercheApple ML Research

Apple ML Research s'attaque à la dégradation des modèles ASR sur les longs enregistrements

Apple ML Research publie Segmental Attention Decoding, quatre modifications d'architecture visant le principal problème des réseaux de neurones face aux longs enregistrements audio.

8 juil. 2026·2 min
Apple publie Fortress, un framework qui stabilise les systèmes de recommandation en élaguant les caractéristiques
RechercheApple ML Research

Apple publie Fortress, un framework qui stabilise les systèmes de recommandation en élaguant les caractéristiques

Apple ML Research décrit Fortress, un système qui supprime l'instabilité temporelle des modèles de recommandation en repérant puis en retirant les caractéristiques à l'origine de prédictions incohérentes.

8 juil. 2026·2 min
Apple ML Research étudie pourquoi les annotateurs de données de sécurité de l'IA divergent
MédecineApple ML Research

Apple ML Research étudie pourquoi les annotateurs de données de sécurité de l'IA divergent

Apple ML Research a mis au point une méthode pour analyser les désaccords entre annotateurs de données de sécurité, ces personnes qui apprennent aux modèles d'IA à distinguer le contenu acceptable du contenu dangereux.

8 juil. 2026·2 min
Apple ML Research propose une méthode pour généraliser les modèles de ML à de nouveaux domaines sans annotation
RechercheApple ML Research

Apple ML Research propose une méthode pour généraliser les modèles de ML à de nouveaux domaines sans annotation

Les chercheurs d'Apple ML Research ont mis au point une approche de généralisation de domaine qui s'appuie sur des données non étiquetées du nouveau domaine plutôt que sur une annotation coûteuse.

4 juil. 2026·2 min
Un réseau de neurones plus efficace : comment Apple a optimisé l'inférence
LLMApple ML Research

Un réseau de neurones plus efficace : comment Apple a optimisé l'inférence

Apple ML Research dévoile Conformal Thinking, un framework qui gère automatiquement le budget de tokens des modèles de raisonnement et garantit un niveau d'erreur fixé avec un calcul minimal.

4 juil. 2026·2 min
Apple ML Research : comment les modèles de diffusion apprennent à choisir les tokens sans heuristiques manuelles
CréatifApple ML Research

Apple ML Research : comment les modèles de diffusion apprennent à choisir les tokens sans heuristiques manuelles

Apple ML Research propose de remplacer les heuristiques manuelles de sélection des tokens dans les modèles de langage à diffusion par des politiques apprenables, pour supprimer l'instabilité et le réglage manuel.

4 juil. 2026·3 min
Apple ML Research propose MemoryLLM, une « mémoire » interprétable pour les transformers
LLMApple ML Research

Apple ML Research propose MemoryLLM, une « mémoire » interprétable pour les transformers

Des chercheurs d'Apple décrivent les blocs feed-forward des LLM comme une mémoire neuronale de recherche et proposent de les analyser isolément, sans le mécanisme d'auto-attention.

4 juil. 2026·2 min
Apple ML Research : les équipes multi-agents de LLM brident leurs agents experts
LLMApple ML Research

Apple ML Research : les équipes multi-agents de LLM brident leurs agents experts

Apple ML Research conclut que les équipes auto-organisées de modèles de langage ne créent aucune synergie : elles brident les agents experts au lieu de les renforcer.

4 juil. 2026·3 min