APRENDIDA DE APRENDIZACIÓN DE APLEZA DEL RESUMEN AL ASS AI EN LA TIENDA DE APPO – MACMAGAZINE

EL Manzana detallado en un artículo cómo su enfoque basado en modelos de idiomas grandes utilizados en Resumen de evaluaciones en la App StoreCaracterística alimentada por la inteligencia artificial que se lanzó con iOS 18.4.

Según la compañía, esta implementación tiene en cuenta tres desafíos principales, que fueron abordados adecuadamente por TI para garantizar que los resúmenes sean precisos, de alta calidad y útiles para los usuarios. Ellos eran:

• Puntualidad: Los resúmenes deben adaptarse dinámicamente para reflejar nuevos errores, actualizaciones y correcciones y mantener una descripción general actualizada.
• Diversidad: Deben asegurarse de que estén incluidos en algunas líneas de visión diferentes, provenientes de diferentes usuarios y con varios estilos e información;
• Precisión: Los modelos deben ignorar por completo las evaluaciones o el contenido que no necesariamente se ven con el sujeto de la aplicación.

La manzana también destacó cómo ocurre el flujo natural de las evaluaciones, que comienza con una especie de filtración para ignorar los comentarios que contienen spam, blasfemias o fraude.

Las evaluaciones filtradas pasan por una secuencia de módulos alimentados por modelos AI, que extraen su información principal, entienden y agregan temas comunes para producir un resumen que refleje la mayoría de las opiniones en un párrafo que puede tener de 100 a 300 caracteres.

Este flujo fue detallado por la Apple en esta página.

Nuevas búsquedas de Apple

Además, Apple también ha revelado que participará en la edición de este año de la Conferencia Internacional sobre Representaciones de Aprendizaje (Conferencia internacional sobre representaciones de aprendizajeo ICLR), donde presentará una serie de artículos relacionados con la investigación de la compañía sobre el aprendizaje automático.

Uno de estos artículos es sobre el Profundidad Proun modelo básico cuyo objetivo es hacer una estimación de la profundidad monocular con una escala absoluta sin la necesidad de metadatos de la cámara, calculando con precisión la distancia focal desde una sola imagen.

Profundidad Pro genera especies de mapa de profundidad de alta resolución con bordes afilados y detalles finos rápidamente (solo 0.3 segundos a 2.25MP), ofreciendo un rendimiento sorprendente gracias al uso combinado de datos reales y sintéticos.

Otro trabajo que se presentará habla sobre el Dardoun modelo de generación de imágenes que combina características de modelos de difusión (aire) autoestimados sin seguir una estructura tradicional de Markovian de los modelos de difusión de corriente, que sería ineficiente.

En su lugar, Dart se analiza iterativamente parches de la imagen de manera espacial y espectral, utilizando una arquitectura de transformador Similar al de los modelos de idiomas. No utiliza la cuantización de imágenes y se puede capacitar unificada con datos de texto y imagen.

Dicha investigación puede mejorar las tecnologías de Apple en el área de IA, así como refinar sus recursos existentes. El Apple detalló estos y otros modelos en esta página, además, por supuesto, las páginas individuales de cada uno de ellos.

a través de AppleInsider, Macrumor