每日HackerNews RSS

本文是调试器实现系列的一部分,详细介绍了围绕调试器事件处理构建基本控制循环的过程。此前,调试器只是启动、附加到进程并记录调试事件,而没有交互。现在,目标是添加用于断点和单步执行的用户控制。 核心思想是将事件循环(使用`WaitForDebugEvent`和`ContinueDebugEvent`)包装在一个命令循环中。该循环将接受诸如“继续”、“退出”以及关键的单步执行和断点命令。 “继续”只是继续执行,而“退出”则终止被调试进程。 本文为实现单步执行和断点奠定了基础,并指出事件循环需要进行调整,以便在特定事件(如指令步骤或异常)发生时暂停执行,从而允许调试器在恢复被调试进程之前处理命令。重点是建立控制这些功能的框架,而不是详细说明它们的具体实现。

## Clojure 在 OpenLDK 上:优化 Java 方法分派 在 OpenLDK (一种 Common Lisp JVM) 上运行 Clojure 曾面临极慢的启动时间——达到 REPL 几乎需要三个小时——这是由于 CLOS (Common Lisp 对象系统) 和 Java 的分派机制之间存在根本性不匹配所致。CLOS 使用多分派(考虑所有参数类型),而 Java 使用单分派(仅考虑接收者的类型)。OpenLDK 将 Java 映射到 CLOS,导致每次 Java 调用都进行代价高昂的方法查找,而 Clojure 在启动期间加载的约 3000 个类进一步加剧了这一问题。 解决方案是利用 CLOS 的元对象协议 (MOP) 将 Java 方法的默认分派机制替换为单分派实现。这是通过创建具有分派和 `invokespecial` 调用(Java 构造函数/超类调用)哈希表缓存的自定义 `java-generic-function` 元类来实现的。 关键改进包括拦截 SBCL 的 `update-dfun`(它在类定义上重建分派网络)并将其替换为缓存清除,以及为常用的 Java 方法(如 `<init>`)预先创建泛型函数。这些更改将 REPL 启动时间从近三个小时缩短到三分钟以内,展示了 MOP 在不修改核心 Lisp 实现的情况下进行有针对性的运行时定制的强大功能。

Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 工作 | 提交 登录 为 Java 风格的单分派弯曲 CLOS Mop (atgreen.github.io) atgreen 发表于 1 天前 | 隐藏 | 过去 | 收藏 | 2 条评论 帮助 atgreen 发表于 1 天前 | 下一个 [–] 我通过 OpenLDK(我在 Common Lisp 上的 Java JIT 编译器和运行时)在 Common Lisp (SBCL) 上运行了一个 Clojure REPL。 这篇博文概述了我如何操作 CLOS 的方法分派以提高单分派方法调用的性能。回复 wild_egg 发表于 22 小时前 | 上一个 [–] 有趣!去年我用 CL 写了一个 Smalltalk,做了同样类型的映射:Smalltalk 类编译成 CLOS 类,每个消息都是一个 CLOS 方法。一开始效果很好,但随着编译的类越来越多,性能下降了。我从未花时间解决这个问题,但它闻起来与你在这里描述的情况非常相似。感谢你的撰写! 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

403 禁止访问 nginx

为了改进代码管理和安全性,tldraw的测试套件正在从公开的tldraw/tldraw仓库迁移到私有的、闭源仓库。这包括大量的测试集合——超过327个文件,涵盖了`tldraw`、`editor`、`store`和`sync-core`等多个包的单元测试、集成测试和端到端 (e2e) 测试。 此次迁移包含所有Vitest单元/集成测试、Playwright e2e测试(来自示例和dotcom应用)、相关的配置和测试工具。重要的是,闭源CI将被更新,以针对SDK包运行完整的测试套件。迁移完成后,所有测试文件都将被从开源仓库中删除,将测试整合到私有环境中。此举旨在更好地保护内部测试逻辑,并确保核心tldraw功能的全面测试。

## tldraw 将测试迁移至闭源 – 以及关于人工智能与开源的争论 Hacker News 上最近出现了一个讨论,关于 tldraw 最初提出的将他们的测试套件迁移到闭源仓库的提议,引发了显著的争论。虽然最初被认为是认真的考虑,但 tldraw 团队澄清这只是一个“玩笑”——尽管许多人认为这执行得不好,将其解读为由于社区的反对而退缩。 讨论迅速扩大,成为关于人工智能对软件开发和开源原则影响的更广泛的对话。人们对人工智能使用受版权保护的代码进行训练、潜在的就业岗位流失以及越来越多地在在线社区中充斥着“低质量内容”表示担忧。一些人认为,在资本主义下,开发者缺乏真正的“知识产权”,真正的问题在于公司的剥削。 有趣的是,SQLite 采用了类似的盈利策略,其测试工具需要商业许可才能完全访问。该讨论还涉及了强大的测试作为对抗人工智能驱动的代码重写的约束,以及它对许可的影响。最终,这一事件凸显了开放协作与保护项目免受不必要贡献之间的紧张关系,尤其是在人工智能工具唾手可得的时代。

## 鹦鹉:快速、离线和流式语音识别 C++ 工具包 鹦鹉是一个高性能的语音识别工具包,完全用 C++ 构建,利用轻量级的 `axiom` 张量库,并在 Apple Silicon 上实现自动 Metal GPU 加速。它绕过了 Python 和 ONNX 等依赖项,实现了显著的速度提升——高达 110M 模型 CPU 推理速度的 96 倍。 **主要特点:** * **多种模型:** 提供离线 (TDT-CTC 110M/600M) 和流式 (EOU 120M, Nemotron 600M) ASR 模型,以及用于说话人分段的 Sortformer 模型。 * **快速推理:** 在 Apple Silicon 上实现 10 秒音频 (110M 模型) 的约 27 毫秒编码器推理。 * **易于使用:** 简单的 API,只需一个头文件 (`#include <parakeet/parakeet.hpp>`)。 * **灵活性:** 支持解码器选择 (CTC, TDT)、词级别时间戳和完全的流水线控制。 * **GPU 加速:** 利用 `axiom` 的 Metal 图编译器实现优化的性能。 **入门:** 需要 C++20,可以使用 `make` 构建。 预训练模型可通过 Hugging Face 获取,并可以使用提供的脚本进行转换。 该工具包支持各种命令行选项,用于模型选择、GPU 使用和输出格式化。

## Parakeet.cpp:本地、加速的语音识别 Noahkay13 开发了 **Parakeet.cpp**,这是一个使用 Axiom 张量库和 macOS 上的 Metal GPU 加速的 NVIDIA Parakeet 语音识别模型的 C++ 推理引擎。它支持 7 个模型系列,包括转录、流式传输和说话人分离,具有词级别时间戳和麦克风输入等功能。 讨论重点包括潜在的 iOS 兼容性(未经测试)、与 Apple 的 CoreML/ANE 在效率方面的比较,以及 Go 语言的替代实现。用户还在探索与现有应用程序(如 Handy 和 Hex)的集成,并指出 Hex 与 FluidAudio 的速度。 一个关键的重点是实现 **低延迟**(低于 100 毫秒),一些用户报告在 Macbook Pro 上取得了成功。 相关的项目,如 qwen-asr 和 voxtral.c 也被提及,展示了强大的本地推理日益增长的趋势。 围绕 RAM 价格和 AI 开发中抽象层级的问题也被提出。 几位用户分享了他们利用类似技术进行听写和转录的个人项目。

受一个奇特的、缺氧产生的想法启发,作者踏上了一段旅程,试图将“早餐”的全部内容绘制成一个复杂的、多维空间,其定义基于牛奶、鸡蛋和面粉的比例。 这项最初的趣味性智力练习,很快演变成了一场对理论上的“暗黑早餐”——一种*应该*存在但尚未被观察到的早餐——的痴迷式搜寻。 作者一丝不苟地记录了已知的早餐——煎饼、蛋饼、国际变种——绘制了它们之间的关系,并确定了早餐“流形”中一个显著而令人不安的空白。 尽管进行了广泛的研究,包括搜寻古代食谱,甚至分析了IHOP的菜单,但这个深渊仍然存在。 最终,一个线索浮出水面:IHOP蛋饼中含有煎饼糊,暗示了这种禁忌早餐的位置。 作者得出结论,这个空白很可能存在原因,并且干涉边界可能会产生灾难性的后果。 这项研究与其他的“早餐学者”分享,以洛夫克拉夫特一句令人不寒而栗的引言作为结尾,警告人们揭示太多真相的危险。

## Interval 研究公司:概要 Interval 研究公司于 1992 年由保罗·艾伦和戴维·利德尔创立,是一家独特的硅谷实验室,旨在弥合突破性技术与其未来影响之间的差距。与传统的研发机构不同,Interval 营造了一种高度跨学科的环境——汇集了电影制作人、艺术家、工程师等,探索无线通信、可穿戴计算和沉浸式环境等新兴技术。 受到 Xerox PARC 的成功 *和* 失败的启发,Interval 同时重视创新 *和* 潜在的商业化,运营模式介于研究实验室和风险投资基金之间。研究人员协作进行多个项目,通过“积分”系统分配资源,并被鼓励通过实地研究来研究实际应用。 经过七年的“自由探索”,Interval 将重点转向开发可销售的产品,导致了领导层的变更。虽然创作了一些有趣的艺术装置并催生了一些初创公司,但该实验室在很大程度上保持私密性。这种转变引发了研究人员之间的争论,讨论的是如何维持实验室最初的开放式探索精神,以及满足艾伦不断变化的商业利益,尤其是在有线电视行业。

黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 Interval Research Corporation:一个没有施乐的90年代PARC (2022) (instadeq.com) 7点 由 surprisetalk 1天前 | 隐藏 | 过去 | 收藏 | 1评论 帮助 david927 23小时前 [–] 也没有Kay回复 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系 搜索:

请启用 JavaScript 并禁用任何广告拦截器。

## 谷歌员工抗议军事人工智能开发 超过100名谷歌员工签署了一封信,表达了他们对公司参与军事人工智能项目的担忧,这与Anthropic采取的类似行动相呼应。他们寻求“红线”,以防止他们的工作被用于潜在的有害应用,特别是自主武器系统和信息战。 这场讨论凸显了关于人工智能在战争中伦理影响的更广泛辩论。担忧集中在人工智能可能升级冲突、自主系统缺乏问责制以及这些技术被用于大规模监控的风险上。 评论员们争论了鉴于全球竞争(特别是与中国),这种限制的可行性,并质疑在军备竞赛中采取“原则性”立场是否现实。一些人认为,拒绝开发这些技术只会将地盘让给不那么道德的参与者。另一些人强调了透明度、员工抵制以及潜在条约以限制人工智能武器化的重要性,并承认验证的难度。对话还涉及历史上的相似之处,例如核军备竞赛,以及地缘政治焦虑的投射可能性。

Kalshi是一家受监管的交易所,正在积极打击内幕交易,过去一年已启动200项调查,其中十多起已成为活跃案件。为展示执法力度,他们最近详细说明了两个已结案件。 第一个案件涉及一位加州州长候选人,他利用自己参选的信息进行交易并公开吹嘘,最终被禁止交易5年并处以罚款。第二个案件涉及一位YouTube主播的编辑,他利用非公开信息获利,被处以2年停赛和罚款。 在这两种情况下,Kalshi的监控系统都标记了可疑活动,并在任何利润被提取之前冻结了账户。罚款将捐赠给消费者教育项目。Kalshi还成立了一个独立的监控审计委员会,以提高透明度,并发布季度调查报告。 他们强调,处罚因案件而异,并始终致力于阻止和识别欺诈活动,承认没有任何交易所能够免受操纵。

更多

联系我们 contact @ memedata.com