Últimas publicações
Apple Apresentou Conformal Thinking — Gestão de Riscos para Modelos de Raciocínio Sem Tokens Extras
Apple ML Research apresentou o framework Conformal Thinking: um método que gerencia automaticamente orçamentos de tokens para modelos de raciocínio, garantindo taxas de erro especificadas com computação mínima.
Apple ML Research: como modelos de difusão aprendem a selecionar tokens sem heurísticas manuais
A Apple ML Research propõe substituir heurísticas manuais de seleção de tokens em modelos de linguagem por difusão por políticas aprendidas, para eliminar a instabilidade e a necessidade de ajuste manual de parâmetros.
Apple ML Research propôs o MemoryLLM — uma “memória” interpretável para transformadores
Pesquisadores da Apple descreveram os blocos feed-forward em LLMs como uma memória neural de recuperação e propuseram um método para analisá-los de forma isolada — sem considerar o mecanismo de self-attention.
Apple ML Research: equipes multiagente de LLM limitam agentes especialistas
Apple ML Research demonstrou: equipes auto-organizadas de modelos de linguagem não geram sinergia — elas limitam agentes especialistas, em vez de fortalecê-los.