## 学习与发展中“循环游戏”的力量 婴儿(甚至动物)参与的最简单的游戏——比如取物、躲猫猫或重复开关物体——从根本上说是建立在重复基础上的“循环游戏”。这些不仅仅是为了娱乐;它们是至关重要的学习工具。通过这些互动,婴儿发展对因果关系的理解——行动如何产生反应。例如,躲猫猫不仅仅是关于物体恒存性,而是学习社会线索,比如眼神接触带来的积极关注以及照护者的可靠性。 这种对重复互动的需求延伸到婴儿期以后,培养*社会效能*——理解行动会影响他人——以及归属感。对这种“练习”的渴望可能源于生物学,可能与参与习惯形成的脑结构有关。 即使是敌对互动,比如争论,也可以被视为教授抵抗和应对利益不完全一致的“循环游戏”。适应不良的行为,比如重复争论或寻求负面关注,可能源于需要*更多*练习来掌握这些社会动态,或者难以有效处理反馈。最终,这些“循环游戏”突出了重复不是无聊,而是学习和完善我们对世界以及我们在其中位置的理解的基本动力。
## pg_jitter:PostgreSQL 的更快 JIT 编译提供者
pg_jitter 是 PostgreSQL 14-18 版本的轻量级即时编译 (JIT) 提供者,比默认基于 LLVM 的 JIT 具有显著更快的编译时间。它引入了三个替代后端——sljit、AsmJit 和 MIR,以加速查询执行,尤其是在表达式密集型工作负载和宽表的情况下。
Postgres 中的传统 JIT 编译可能很慢(数十到数百毫秒),这会阻碍它在典型的在线事务处理 (OLTP) 查询中的实用性。pg_jitter 实现微秒级编译,使 JIT 对于更广泛的查询来说是可行的。**sljit** 提供一致的性能(比解释器快 5-25%),并推荐用于大多数场景。**AsmJit** 在处理宽行方面表现出色,而 **MIR** 提供可靠的增益和可移植性。
主要功能包括运行时后端切换、两级函数优化以及可选的预编译函数 blob,以实现零成本内联。虽然更快,但 JIT 可能会由于缓存未命中和内存压力而引入开销,因此最好避免将其用于非常快的查询。该项目目前处于 Beta 阶段,通过了所有标准 Postgres 测试并展示了性能改进,并计划进行持续开发和测试。
## NeuralCPU:基于GPU的CPU实现
NeuralCPU是一种新颖的CPU架构,完全作为在GPU上运行的程序实现,利用PyTorch张量作为寄存器、内存、标志和程序计数器。 关键在于,*所有* ALU操作——加法、乘法、位运算和移位——都由专门的预训练神经网络执行。
该系统通过诸如加法中的Kogge-Stone进位先行和乘法中的字节对查找表等技术实现令人印象深刻的性能,所有这些都使用神经网络实现。 它支持64位ARM64指令集,并在347个自动化测试中验证了整数算术的100%准确性。
提供两种模式:“神经网络模式”,其中所有算术运算都使用训练好的模型;以及“快速模式”,利用原生GPU张量运算实现显著更高的吞吐量(高达1.35M IPS)。 通过原生Metal GPU实现可以进一步优化,以实现零CPU-GPU同步。 该项目包括诸如DOOM光线投射的演示,展示了复杂应用程序完全在此神经网络CPU架构上运行的可行性。
PHP 基金会已任命伊丽莎白·巴隆为新任执行董事,接替创始董事罗曼·普朗斯基。巴隆经过全面搜索后被选中,她拥有丰富的 PHP 社区和开源治理经验。
她的背景包括联合创办一个支持 PHP 中女性和非二元性别个体的非营利组织,领导 GitHub 的开发者外展工作(包括 Patchwork 倡议),并通过 CHAOSS 为开源社区健康指标做出贡献。她在社区建设、筹款和战略方面的多样化技能使她能够很好地领导基金会的未来。
普朗斯基将过渡到专注于他在 JetBrains 的角色,同时继续担任董事会成员,以确保平稳过渡。巴隆表达了她对在基金会的成就基础上继续努力,并确保 PHP 在未来几年内持续成功的兴奋之情。