Apple מציעה DLR-Lock להגנה על מודלים פתוחים — ומשחררת את benchmark ה-DeepAmbigQA

קבוצת המחקר של Apple בתחום ה-machine learning פרסמה השבוע שתי עבודות בולטות. הראשונה, DLR-Lock, מטפלת במתח גובר בעולם ה-AI: כיצד לשחרר מודלים פתוחים מבלי לאפשר fine-tune לא מורשה לשימושים מזיקים או מנוגדים למדיניות. DLR-Lock מחליפה כל MLP מאומן מראש ברשת residual עמוקה בעלת דרגה נמוכה (deep low-rank), ובכך מתנגדת מבנית ל-fine-tune שישנה את התנהגות המודל, תוך שמירה על הביצועים בזמן ה-inference. זו תרומה טכנית לוויכוח על בטיחות המודלים הפתוחים ש-Dario Amodei ואחרים מדברים עליו בקול — וש-Kanjun Qiu מ-Imbue התנגדה לו, בטענה ש'מידע רוצה להיות חופשי' וגישות מבוססות-שליטה הן חסרות תוחלת.

השנייה, DeepAmbigQA, היא benchmark של 3,600 שאלות ל-reasoning רב-שלבי עמום. הממצא המרשים שלה: אפילו GPT-5 מתקשה בשאלות שהתשובות עליהן חלקיות או עמומות, מה שחושף חולשה מתמשכת ביכולת של המודלים המובילים להתמודד עם אי-ודאות — הם נוטים לבדות תשובות שלמות במקום להכיר בעמימות.

Apple גם פרסמה מחקר שמאפיין מודלי diffusion אל מול מודלים אוטו-רגרסיביים במשימות NLP, והציגה את Arbitrage, שיטת speculative decoding מודעת-יתרון שמרחיבה את פענוח ה-draft-and-verify כדי לחתוך את עלות ה-inference עבור reasoning ארוך מסוג chain-of-thought. חוט השני הוא שהנוכחות הפומבית של Apple ב-AI השבוע נשענת כולה על מחקר — ללא השקות של Siri צרכני או של מודל Apple Intelligence, בהתאם לדיווחים שה-Siri המשודרג שלה 'מגיע בהמשך השנה'. תחרותית, Apple ממשיכה לאותת על עומק מחקרי חזק ב-ML אך מפגרת במוצרי AI צרכניים משוחררים, פער שמתחרות כמו Google (על אף המשבר שלה) ו-OpenAI ממשיכות להרחיב. המחקר אמין ומצוטט; האם הוא יתורגם למוצרים תחרותיים נותרה שאלת ה-AI המרכזית של Apple.