Apple popsal LaDiR, framework, který nechává velký jazykový model zkoušet více myšlenkových cest současně. V testech zlepšil matematiku, kód i plánování odpovědí.
LaDiR je nový přístup Applu k AI, který nechává model nejdřív zkoušet několik úvah paralelně a teprve potom poskládá finální odpověď. V praxi to znamená méně ukvapených výstupů a lepší výsledky v úlohách, kde rozhoduje přesné přemýšlení, ne jen rychlost generování textu.
Aktuální cenu produktu Apple AirPods 4 najdete na Alze.
LaDiR spojuje dva způsoby, jak AI tvoří odpovědi
Podstatou systému je kombinace dvou metod, které se běžně používají odděleně. Diffusion přístup nechává model postupně „vyčistit“ a zpřesnit skrytý myšlenkový blok, zatímco finální odpověď vzniká klasicky autoregresivně, tedy po jednom tokenu. Apple tím získává model, který nejdřív víc přemýšlí a až pak mluví.
Zajímavé je hlavně to, že LaDiR nepracuje s jedinou cestou uvažování. Místo toho rozjíždí více reasoning pathů současně a tlačí je, aby se nerozjely všechny stejným směrem. Díky tomu model vygeneruje širší sadu kandidátních odpovědí a má větší šanci najít správné řešení i u složitějších problémů.
Důležité také je, že nejde o nový samostatný model, ale o vrstvu nad existujícími LLM. To je pro celý přístup velká výhoda: Apple nemusí stavět vše od nuly, ale upravuje samotný způsob uvažování. Tím pádem může framework teoreticky posílit i současné modely bez kompletní výměny jejich architektury.
V testech pomohl v matematice, kódu i plánování
Výzkumníci LaDiR nasadili na modely LLaMA 3.1 8B a Qwen3-8B-Base. V matematických úlohách dosáhl lepší přesnosti než běžné postupy a obstál i v těžších případech, které nejsou podobné trénovacím datům. To je přesně oblast, kde se rozdíl mezi „umí to napsat“ a „opravdu tomu rozumí“ ukáže nejvíc.
Podobně dobré výsledky přišly i u generování kódu. V benchmarcích typu HumanEval dával LaDiR spolehlivější výstupy než standardní fine-tuning, a to hlavně u náročnějších zadání. Pro vývojáře je to signál, že AI může být užitečnější nejen při psaní textu, ale i při řešení úloh, kde je potřeba držet logiku a neudělat hloupou chybu v detailu.
Nejsilnější je tahle metoda tam, kde model potřebuje hledat více možných cest najednou, například v plánovacích hádankách typu Countdown. LaDiR dokázal najít správná řešení spolehlivěji než obecné baseline modely, i když na specializovaný model zaměřený jen na jeden pokus v přesnosti stále nestačil. Pro běžného uživatele je hlavní zpráva jednoduchá: AI, která si dovolí delší vnitřní rozvahu, má menší sklon k unáhleným odpovědím.
Pokud vás téma zajímá víc, přečtěte si také Musk a Altman míří k soudu. Spor o OpenAI odhaluje, kdo dnes rozhoduje o AI a iPhone pod tlakem AI boomu. Paměť má skokově zdražit a Apple řeší bolestivé dilema!.
Podrobnosti přinesl také 9to5mac.
Chcete k tomu něco dodat? Napište krátce proč.