🅱️ Beats поделилась коротким промо-роликом при участии Pill People о готовности колонок к любым важным мероприятиям с большим аккумулятором и ярким дизайном

🏎 Эдди Кью, старший вице-президент Apple по сервисам и услугам заявил, что ожидает расширения вещания Формулы-1 на весь мир через tv

Накануне Гран-при Майами, Эдди дал короткое интервью, в котором заявил, что он надеется и ожидает продолжения успешного проекта Apple Original Films «F1»:

«У фильма очень огромная аудитория. Оригинальный фильм с Брэдом Питтом в главной роли имел огромный успех, а продюсер Джерри Брукхаймер уже работает над новым сценарием. Хотя ещё нет официального «зелёного света», доверие к создателям фильма высокое, и мы ждём сценария.»

А ещё Кью выразил желание расширить участие Apple в трансляции гонок Формулы-1 по всему миру, помимо текущих прав на вещание в США:

«Было бы здорово, и тогда мы смогли бы дать этот высокий класс показа большему количеству зрителей.»

📺 Apple поделилась роликом с анонсами новинок на сервисе tv в мае

🏎 Apple поделилась видео с Таймс-сквер, где прямо сейчас на одном из экранов транслируют в прямом эфире через сервис tv гонку Гран-при Майами Формулы-1

Также tv организовал трансляцию гонки в более чем 50 IMAX-кинотеатрах в США, где и является официальным вещателем гонок с этого сезона. Это не последняя гонка, которую так покажут в формате IMAX, ожидается ещё несколько по ходу сезона.

🤖 Группа исследователей Apple ML представила новый фреймворк LaDiR для улучшения сторонних LLM-моделей

Apple совместно с исследователями из Калифорнийского университета в Сан‑Диего представила LaDiR (Latent Diffusion Enhances LLMs for Text Reasoning) – инновационный фреймворк, который повышает качество и надёжность ответов LLM-моделей в сложных интеллектуальных задачах. Подробнее здесь.

До сих пор в генерации текста доминировали два типа ИИ:
Диффузионные – генерируют текст параллельно, уточняя сразу множество деталей и активно расходуя токены.
Авторегрессионные – строят ответ последовательно, прогнозируя ответы один за другим.
Новая LaDiR объединяет сильные стороны этих двух подходов – модель сначала проводит внутреннее рассуждение, но с особенностями от обычных рассуждений в текущих нейросетях.

LaDiR запускает несколько параллельных путей рассуждений – каждый начинается как случайный шум (неструктурированный шаблон) и постепенно уточняется через процесс диффузии. А механизм внутри LaDiR специально переходит к разным путям исследования различных возможностей, чтобы избежать преждевременного перехода к одному ответу или идее. Когда модель определяет, что собрано достаточно вариантов, она автоматически переключается на авторегрессионный режим и генерирует итоговый ответ, выбирая лучший вариант, экономя токены.

Исследователи Apple ML применили LaDiR для математических рассуждений и задач планирования, а также для генерации кода.
Результаты оказались многообещающими:
LaDiR продемонстрировал более высокую точность, чем существующие подходы, в том числе в сложных задачах, где стандартные модели часто дают сбой. А в программировании LaDiR дал более надёжные результаты, заметно превзойдя стандартные ответы текущих моделей.
Также модель проверили в игре Countdown, там LaDiR исследовал более широкий спектр действительных ответов, чем любая базовая модель и находил правильные решения надёжнее, чем другие. При этом он не превзошёл узкоспециализированные модели, но и не претендует на их замену.

Ключевое преимущество LaDiR в том, что это не новая модель, а фреймворк – он не заменяет существующие LLM, а улучшает их логику рассуждений. Такой подход позволит Apple при интеграции сторонних моделей в свои системы с помощью своей надстройки повысить качество ответов без полного переобучения, в также сохранить цельность партнёрской модели, просто от себя добавив им новые возможности.