Apple a publié le programme de ses présentations pour la 39e Conference on Neural Information Processing Systems (NeurIPS) à San Diego, avec un aperçu détaillé sur sa page Apple Machine Learning Research.
L’édition 2025 de NeurIPS se tiendra du 2 au 7 décembre à San Diego, avec un événement satellite à Mexico du 30 novembre au 5 décembre (neurips.cc). Apple y présentera sept études et sponsorisera plusieurs groupes d’affinité, dont Women in Machine Learning, LatinX in AI et Queer in AI.
Sept études présentées
- Instance-Optimality for Private KL Distribution Estimation
- Privacy Amplification by Random Allocation
- PREAMBLE: Private and Efficient Aggregation via Block Sparse Vectors
- The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity — un travail ayant suscité des critiques dans l’industrie plus tôt cette année
- STARFlow: Scaling Latent Normalizing Flows for High-resolution Image Synthesis
- LinEAS: End-to-end Learning of Activation Steering with a Distributional Loss
- Scaling Laws for Optimal Data Mixtures
Démonstrations sur place
Sur le stand Apple (#1103), des démonstrations en direct mettront en avant plusieurs initiatives en apprentissage automatique :
- MLX — un framework open source d’arrays pour Apple silicon, optimisé pour la mémoire unifiée et exploitant CPU et GPU. Démonstrations prévues :
- Génération d’images avec un large modèle de diffusion sur iPad Pro avec puce M5
- Calcul distribué avec MLX et Apple silicon : génération de texte et de code avec un modèle de 1 000 milliards de paramètres exécuté dans Xcode sur un cluster de quatre Mac Studio dotés de puces M3 Ultra, chacun avec 512 Go de mémoire unifiée
- FastVLM — une famille de modèles vision-langage optimisés pour le mobile, combinant CNN et Transformers pour traiter des images haute résolution. Démonstration de questions-réponses visuelles en temps réel sur iPhone 17 Pro Max
Les détails officiels des sessions et des papiers sont disponibles sur la page Apple Machine Learning Research (machinelearning.apple.com).
Rédigé avec l'assistance d'outils d'IA, vérifié et validé par la rédaction.
