苹果近期发布了一篇关于Apple Intelligence系统的最新论文，文中展示了应用于iOS 18、iPadOS 18及macOS Sequoia的两个基础语言模型：AFM-on-device与AFM-server。AFM-on-device是一个在设备端运行的约30亿参数模型，而AFM-server则在私有云计算上运行。研究表明，这两个模型在语言理解、指令执行、推理、写作与工具使用等方面表现出色。特别地，AFM-on-device在指令遵循方面优于其他模型，并在写作能力上，无论是端侧还是私有云，其摘要总结能力均优于其他模型。安全性评估显示，AFM模型在处理有害输出和安全提示词方面，性能显著优于其他模型。

具体而言，AFM-on-device在端侧与AFM-server在私有云上的表现如下：

• 指令遵循方面，AFM-on-device在端侧的得分为85.7%，AFM-server在私有云上的得分为88.5%，均优于其他模型。
• 写作能力方面，AFM-on-device在端侧的摘要总结能力优于Mistral-7B、Gemma-7B、Phi-3-mini与Gemma-2B，在私有云上则优于GPT-4、Mixtral-8x22B、DBRX Instruct与GPT-3.5。
• 数学能力上，AFM模型表现一般，但在端侧MATH基准测试中，AFM-on-device高于Llama-3-8B、Phi-3 mini、Gemma-7B与Mistral-7B。

AFM模型在文本摘要总结功能中表现出色，在邮件、信息与通知应用中对仇恨言论、歧视、违法、色情与暴力内容的评估显示，AFM模型在“好”维度的表现均优于其他模型。在有害输出与安全提示词的评测中，AFM-on-device与AFM-server模型的得分远低于其他模型，显示了其在保护用户数据隐私与安全方面的优势。

综上所述，苹果的AFM模型在多个维度上展现出良好的性能，尤其是在指令遵循、写作能力与安全性方面，为端侧AI提供了有力的支持。