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).
