## Windows 11 动荡的一年:人工智能驱动的衰退
过去一年对于Windows用户来说令人沮丧,微软似乎缺乏重点。该公司没有巩固Windows 11作为Windows 10的继任者地位,而是优先积极整合经常不受欢迎的人工智能功能——例如在记事本中添加Copilot按钮——而质量明显下降,并且几乎每月更新都会增加错误。
这种“持续创新”策略,在充分测试之前快速推出功能,导致了不稳定和碎片化的用户体验,这归因于微软的受控功能发布系统。许多人认为Windows 11已经退化到Windows 8以来未曾见过的水平,用户情绪一落千丈。
人工智能的痴迷,虽然可能是有益的,但感觉很勉强,并且优先考虑云连接和数据收集,而不是用户需求。与此同时,竞争对手如谷歌(Android PC)和Valve(SteamOS)正在获得进展,利用Windows的不足,尤其是在低端硬件和游戏方面。
尽管在游戏和UI一致性方面有所改进,但仍需要改变策略——优先考虑稳定性、彻底的测试以及对人工智能的不那么具侵入性的方法——甚至可能需要从Windows 12开始全新开始。
## GB10 内存子系统总结
英伟达和联发科的 GB10 集成了 Blackwell GPU(与 RTX 5070 相当)和一个强大的 CPU,后者包含 10 个 Cortex-X925 核心和 10 个 Cortex-A725 核心。本分析重点关注 GB10 的内存子系统,揭示了一种平衡性能和密度的设计。
CPU 使用两个集群:一个优先考虑密度,具有较小的 L3 缓存(8MB),另一个针对性能优化,具有较大的 L3(16MB)。X925 核心拥有更大的 L2 缓存和更好的 L3 延迟(~14ns),而 A725 核心的 L2 延迟为 9ns。16MB 的系统级缓存 (SLC) 促进了 CPU 和 GPU 之间高效的数据共享。
虽然核心私有延迟良好,但 GB10 的跨集群延迟(~200ns)高于 AMD 的 Strix Halo(~100ns)。DRAM 延迟是一个强项,在 LPDDR5X 方面表现出色,受益于快速的内存总线(高达 9400 MT/s)和片上内存控制器。
GB10 的设计表明了一种权衡:通过较小的缓存(尤其是在以密度为重点的集群中)优先考虑核心数量。高的 GPU 带宽可能会影响 CPU 延迟,这是集成设计中常见的挑战。总而言之,GB10 为大型 iGPU 设计提供了一种引人注目的方法,在较小的外形尺寸中提供性能和效率的平衡。
## 使用 PufferLib 训练超人游戏智能体
这项工作详细介绍了使用 PufferLib 强化学习框架成功训练 AI 智能体,在 2048 和俄罗斯方块游戏中取得令人印象深刻的结果。成功的关键并非巨大的计算量,而是 **速度和系统性迭代**,这得益于 PufferLib 基于 C 的快速环境(100 万+ 步/秒)和超参数扫描工具 Protein。
在 2048 游戏中,一个 15MB 的策略经过 75 分钟的训练,优于之前需要 TB 级数据的基于搜索的解决方案,达到 65,536 瓦片的成功率 14.75%。这通过仔细的 **观察设计、奖励塑造和精心策划的课程** 实现——在扩展网络规模*之前*优先考虑这些要素。该课程包括使用预先放置的高瓦片进行支架搭建,以及专门针对游戏结束阶段的训练。
有趣的是,俄罗斯方块实现中的一个错误,无意中展示了早期接触具有挑战性的状态的力量,有效地创建了一种课程学习形式。这促使我们结合外部(垃圾行)和内部(观察噪声)课程技术。
核心经验教训是:**速度对于系统性探索至关重要,超参数调整至关重要,精心设计的课程对于超人性能至关重要。** 这些结果表明,在易于获得的遊戲硬件和严格的迭代方法下,可以实现重大的 AI 进步。
由:MonoGame 基金会 2025年12月30日
财务支持 - GitHub、PayPal 和 Patreon 提供多种等级和选项。
MonoGame商店 - MonoGame品牌服装和商品。
代码,我们接受Pull Request。
社区帮助 - Discord 及其他平台(我们也欢迎博客文章)。
赏金 - 更快地修复bug和添加功能,并获得报酬 :)
MonoGame 基金会团队
## 视频显示异常案例
一位开发者发现视频在网页上分配的空间内无法正确显示,导致加载时布局发生偏移。问题源于对视频宽高比的计算错误。虽然视频的*存储宽高比*(SAR)——原始帧的像素分辨率——很容易获得,但这并不是全部情况。
关键缺失的部分是*像素宽高比*(PAR),它定义了单个像素的形状以及在显示过程中像素被拉伸或压缩的方式。这最终导致*显示宽高比*(DAR)——视频的实际可见尺寸。公式为:DAR = SAR x PAR。
开发者使用QuickTime和ffprobe等工具发现,特别是像YouTube Shorts这样的垂直格式视频,使用了非方形像素。最初,代码依赖于一个只提供SAR的Python库。现在,修改后的解决方案使用ffprobe来准确确定DAR,从而避免布局偏移,并确保视频从一开始就正确渲染。
总结:在为视频预留空间时,务必使用显示宽高比,而不仅仅是存储的像素尺寸,以考虑到潜在的像素失真。