Laporan Harian AI 22 item

模型发布/更新

产品发布/更新

行业动态

论文研究

  • 揭密在线策略蒸馏:何时有益、何时有害及原因

    Apple机器学习研究团队提出训练无关诊断框架,以每个token、每个问题、每个教师的分辨率分析on-policy蒸馏。通过可扩展targeted-rollout算法估计理想梯度,并计算蒸馏梯度与理想梯度的余弦相似度(梯度对齐分数)。实验…

    Apple Machine Learning Research(RSS)

  • TGPO:通过可验证奖励强化学习激励第一人称视频时序感知

    多模态大语言模型(MLLM)在第一人称视频理解中缺乏时序感知,常依赖空间捷径。为此,研究者提出 Temporal Global Policy Optimization(TGPO),一种基于可验证奖励的强化学习算法。TGPO 通过对比模型在…

    Apple Machine Learning Research(RSS)

  • Apple 提出 SRLM:自反思程序搜索提升长上下文处理能力

    Apple 机器学习研究团队提出 SRLM 框架,利用自一致性、推理链长度和口头置信度三种内在信号,让模型在推理时评估候选长上下文交互程序。实验表明,在相同时间预算下,SRLM 较传统递归语言模型(RLM)最高提升 22%。分析发现,递归…

    Apple Machine Learning Research(RSS)

技巧与观点