Apple na ICML 2026: 28 radova, on-device MLX i negativan rezultat o multi-agentima

Na dan američkog nacionalnog praznika, kada je gotovo cijela AI industrija bila u zatišju, Apple je objavio pregled svog nastupa na predstojećoj konferenciji ICML 2026. Riječ je o kuriranom popisu prihvaćenih radova i demonstracija, a ne o najavi novog modela ili skupa podataka — no daje dobar uvid u smjer Appleovog istraživanja strojnog učenja.

Pregled uoči Seula

ICML 2026 održava se u Seulu od 6. do 11. srpnja, a Apple stiže s 28 prihvaćenih radova raspoređenih kroz računalni vid, obradu prirodnog jezika, metode i algoritme te podatkovnu znanost. Uz glavni program, tim ima i 9 radova na radionicama. Objava je klasičan pre-konferencijski pregled: okuplja na jedno mjesto ono što će Appleovi istraživači prezentirati kroz tjedan dana.

Što Apple predstavlja na ICML-u 2026?

Naglasak je na nekoliko tematskih linija. U domeni generativnog videa ističe se VideoFlexTok, metoda fleksibilne tokenizacije videa koja dobiva usmenu (Oral) prezentaciju i Expo predavanje 6. srpnja. Na strani jezičnih modela, rad „Learning Unmasking Policies for Diffusion Language Models” (Oral, 7. srpnja) bavi se politikama otkrivanja tokena kod difuzijskih jezičnih modela — područjem koje posljednjih mjeseci dobiva sve više pažnje kao alternativa autoregresivnom generiranju.

Memorija i dugoročni kontekst još su jedna okosnica. MemoryLLM predstavlja plug-in feed-forward memoriju za transformere, dok EpiCache uvodi epizodni KV-cache za dugotrajne razgovore, ciljajući na problem rasta konteksta u višekratnim interakcijama.

Istaknuti radovi

Posebno je zanimljiv „Multi-Agent Teams Hold Experts Back” — negativan rezultat koji izravno propituje trenutni val entuzijazma oko multi-agentnih sustava. Umjesto da potvrdi da više agenata znači bolji učinak, rad pokazuje da u određenim postavkama multi-agentno skaliranje koči najsposobnije pojedinačne modele. Takvi nalazi vrijedni su jer discipliniraju očekivanja: nisu svi zadaci pogodni za razbijanje na više agenata, a orkestracija sama po sebi nosi trošak.

Raspon tema — od tokenizacije videa preko difuzijskih jezičnih modela do memorijskih mehanizama — pokazuje da Apple ne cilja na jedan usko definiran problem, nego pokriva široku frontu temeljnog istraživanja.

On-device agentsko kodiranje s MLX-om

Na Appleovom štandu najavljen je demo „Local agentic coding with MLX” — prikaz alata za zaključivanje na uređaju kroz Appleov MLX okvir. To je u skladu s Appleovom dosljednom strategijom pomicanja AI obrade na lokalni hardver, gdje osjetljivi podaci ne napuštaju uređaj. Agentsko kodiranje koje se izvršava lokalno, bez oslanjanja na cloud, praktičan je smjer koji spaja privatnost i responzivnost.

Apple u vodstvu konferencije

Osim radovima, Apple je prisutan i u organizacijskoj strukturi ICML-a. Nekoliko viših Appleovih istraživača djeluje kao Area Chairs i Senior Area Chairs, među njima Samy Bengio, Vladlen Koltun, Marco Cuturi, Jiatao Gu i Tatiana Likhomanenko. Takva uloga u recenzentskom i programskom vodstvu jedne od najvećih svjetskih ML konferencija znak je koliko je Apple integriran u širu istraživačku zajednicu, a ne samo u komercijalni razvoj proizvoda.

Ukupno gledano, objava nije prijelomna vijest, ali je koristan snimak: pokazuje da čak i na najmirniji dan u godini temeljno istraživanje teče, a Apple ulazi u ICML 2026 sa širokim portfeljem i jasnim naglaskom na memoriju, difuzijske modele i zaključivanje na uređaju.