随着苹果基于 ARM 的计算机的兴起,不可移植的汇编代码有所增加。开发者通常在不考虑 Linux 或 BSD 等其他 64 位 ARM 平台的情况下,为苹果基于 Darwin 的工具链编写优化代码。然而,如果开发者考虑到 Mach-O 和 ELF ABI 之间的主要差异,实现跨平台兼容性其实很简单。 主要障碍包括: * **符号前缀**:Darwin 要求符号前缀必须加下划线。 * **元数据**:ELF 使用 `.type` 指令来定义符号类型,而 Mach-O 没有此功能。 * **保留寄存器**:与标准的 GNU/Linux 不同,x18 寄存器在 Darwin ABI 中是保留的。 * **语法**:苹果提供了官方 ARM 工具链不支持的自定义 NEON 助记符。 开发者可以通过避免使用苹果特有的语法,并使用简单的宏来抽象 ABI 差异,从而轻松克服这些障碍。通过定义处理下划线和 ELF 特定元数据的宏,您可以编写出简洁、可移植的汇编代码,使其能够在苹果硬件、Linux 和其他基于 ARM 的系统上无缝运行。
本项目旨在归档并重构经典 DOS 游戏《Test Drive III: The Passion》的世界地图。开发者出于儿时的怀旧之情,历时五年对该游戏的 3D 格式进行了逆向工程,从而实现了精确的数字化重构。
在技术实现上,该项目解码了一个 32x16 的图块 ID 网格,并利用 16 位顶点坐标的并行数组来构建 3D 网格模型。项目包含一套基于 Node.js 的强大命令行工具,用于提取这些资源,包括:
* **OBJ 导出器:** 将地图和对象转换为标准的 Wavefront 3D 文件。
* **资源提取器:** 将游戏特定的 DAT 文件转换为 PNG 图像并提取场景精灵图的工具。
* **格式文档:** 一个详尽的 `spec/` 目录,记录了逆向工程后的文件结构。
代码库提供了一个基于浏览器的查看器(使用 Three.js 构建),用于探索重构后的环境;此外还设有展示游戏界面、精灵图和地图设计的图库。这一成果成功地将 90 年代的游戏数据与现代 Web 技术相结合,为日后的探索保留了该游戏独特的开放世界几何结构。
“SaySynth” 是一个创意项目,旨在将 macOS 传统的 `say` 命令(一个文本转语音框架)改造为音乐合成器。通过访问一个隐藏的底层音素领域特定语言(DSL),该工具允许用户在颗粒度层面操控音高和时值,将语音视为原始音频素材来处理。
该项目置于会说话机器的发展史背景下,作者将其归类为机械式、共振峰式、拼接式和生成式系统。在整个历史中,反复出现的主题包括:将歌唱作为衡量人性的基准,以及通过持续将合成语音女性化来掩盖其背后隐形的劳动。
作者认为,现代人工智能优先追求完美的自然度,往往剥离了定义创造性表达的“怪异感”。当商业语音合成(TTS)努力实现对人性无缝、高效的模拟时,SaySynth 却拥抱了“失败的声音”。通过将工具推向其预期设计之外,作者强调了机器局限性的质感往往比现代算法抛光后的输出更具表现力。归根结底,SaySynth 是对人类声音标准化的一种抗议,在资本主义试图抹除的故障中发现了美。
在 2026 年 5 月 20 日为 Ligo Biosciences 撰写的文章中,Arda Goreci 探讨了扩展酶设计生成模型的挑战。尽管大型语言模型和 AlphaFold3 等结构预测工具已成功利用海量基因组数据实现规模化,但 Goreci 认为,“序列规模”并不等同于“折叠多样性”。
天然蛋白质表现出惊人的结构冗余性,倾向于反复利用有限的折叠集,而非均匀分布在理论上的结构空间中。通过严谨的数据工程流程——包括过滤无序区域、利用谱图理论分离紧凑的蛋白质结构域,以及进行严格的 TM-score 审计聚类——Goreci 证明了数百万个宏基因组蛋白质片段最终只能归纳为约 25,000 个核心结构邻域。
作者总结道,单纯增加序列数据对于发现新折叠所带来的边际效益正在递减。针对未来的酶设计,他提出了两条潜在路径:一是精通对已知结构支架的精确工程化设计,二是探索自然界历史上尚未利用的新型主链几何结构。归根结底,这些模型的有效性将取决于在训练过程中如何平衡常见折叠的丰富度与稀有折叠的多样性。