本文にスキップ
AI News HubLIVE
公開記事 137収集記事 149信頼度 90更新頻度 30 分
稼働状態 正常ソース種別 研究全文利用権限 公式全文最終取り込み 2026-11-20ID apple-ml-research状態 有効

Official research source; confirm reuse terms before enabling full body display.

最新公開記事

評価可能性の理論に向けて:テストデータが訓練に使われた場合のブラックボックスモデル評価の新枠組み

本論文は、テストセットが訓練から留保されているという仮定なしに評価可能性の概念を形式化し、テストサンプルが訓練に使用された可能性がある場合にブラックボックスモデルを正確に評価できるかどうかを検討する。出力のみにアクセスする場合の評価可能条件を完全に特徴づけ、追加のクエリアクセスが評価能力を高めることを示し、プログラムテストの自己修正器との関連を明らかにする。

Apple Machine Learning Researchサイト内本文評価可能性の理論に向けて:テストデータが訓練に使われた場合のブラックボックスモデル評価の新枠組み

ゲーティングの重要性について:状態空間モデルにおける記憶と文脈内学習

本研究は、状態空間モデルのゲーティング機構が、重み内の記憶解を優先的に学習させ、アーキテクチャ上の制限がない場合でも正しい文脈内学習への収束を遅らせるか妨げることを理論と実験で示す。一方、ゲーティングは長い系列長への汎化を改善するのにしばしば有益である。

Apple Machine Learning Researchサイト内本文ゲーティングの重要性について:状態空間モデルにおける記憶と文脈内学習

評価者を評価する:パーソナライズされた文章スタイル評価のためのLLM審査モデルの検討

Appleなどの研究者がNeurIPS 2026ワークショップで、パーソナライズされた文章スタイル課題におけるLLM審査モデルを評価。審査品質はMMLUで測る汎用能力と弱い相関(Pearson ρ≤0.2)しか示さず、執筆課題や評価基準によって変動。ペア比較は独立採点より一貫性と性能が高い。最強のLLMが必ずしも人間評価を最も忠実に再現しないことも判明した。

Apple Machine Learning Researchサイト内本文評価者を評価する:パーソナライズされた文章スタイル評価のためのLLM審査モデルの検討

より高速な検索で、より優れた効率的なRAGを実現

Appleの研究者らはICML 2026で、最大内積検索(MIPS)のサポート関数を学習する小型ニューラルネットワークを訓練し、RAGなどの検索を高速化する手法を発表した。高い再現率を維持しつつ遅延を大幅に削減できる。

Apple Machine Learning Researchサイト内本文より高速な検索で、より優れた効率的なRAGを実現

ライブiOSアプリ上のUIナビゲーションのためのプランニング・グラウンディングエージェントを用いたオンライン密強化学習

Appleの研究チームは、実際のiOSアプリ上でUIナビゲーションエージェントを直接訓練するオンライン強化学習フレームワークを提案した。エージェントをプランニングエージェントとUIグラウンディングモデルに分離し、LLM-as-a-Judgeによる密なステップレベル報酬と終端報酬を組み合わせ、PPOとステップレベルアドバンテージ推定で最適化する。さらに、criticの安定性を向上させるGiGPPOを導入し、数百の同時仮想iOSデバイスを統括するインフラを構築した。8BのRLエージェントは、Android環境への分布外汎化でSFTベースラインに比べ約7倍の改善を示し、実iOSアプリでGemini-3.5-Flashを上回り、Gemini-3.1-Proと同等の性能を達成した。

Apple Machine Learning Researchサイト内本文ライブiOSアプリ上のUIナビゲーションのためのプランニング・グラウンディングエージェントを用いたオンライン密強化学習

GHARP:大規模再構成事前分布を用いたリアルタイムガウシアンヘッドアニメーション

GHARPは、少数の入力画像と駆動表情信号から3D人体頭部をリアルタイムでアニメーション化する手法です。問題をオフラインのアイデンティティ段階と軽量なランタイムアニメーション段階に分離し、身体アラインメントネットワークで身体姿勢や衣服位置の曖昧さを解消してぼやけやちらつきを低減します。Ava-256ベンチマークで最先端品質を達成しつつ、最大13倍高速で、ガウシアン数は8分の1です。

Apple Machine Learning Researchサイト内本文GHARP:大規模再構成事前分布を用いたリアルタイムガウシアンヘッドアニメーション

RISED:エージェントのマルチ環境選択と自己蒸留のためのルーブリック

RISEDは、LLM判定器が生成するルーブリックを活用し、複数の対話環境にまたがるエージェント訓練におけるデータ選択と自己蒸留を導く手法である。複数のモデルバックボーンで平均合格率が最も高く、各環境でも1位または2位となった。

Apple Machine Learning Researchサイト内本文RISED:エージェントのマルチ環境選択と自己蒸留のためのルーブリック

全ソース