在 1980 年英特尔 8087 发布之前,浮点运算缺乏统一标准,各制造商采用的规范各异且数学稳定性较差。8087 通过优先考虑严苛的精度彻底改变了行业,并最终成为今日 IEEE 754 标准的基石。
该芯片的复杂性源于其对边缘情况的稳健处理,包括处理多种数据类型、舍入模式、无穷大以及“非数”(NaN)值。为了达到这种精度水平,芯片需要复杂的内部架构,包括 64 位有效数数据通路、专用指数转换器以及复杂的桶形移位器。
本文作者作为“Opcode Collective”成员,正在对 8087 的 1,648 条微指令进行逆向工程。通过以 `FSCALE` 指令为例的分析发现,即便看似简单的操作也涉及大量的微代码子程序。这些程序负责处理复杂任务——例如浮点数转整数、处理栈下溢,以及通过“保护位”(guard)、“舍入位”(round)和“粘滞位”(sticky)管理舍入——以确保计算结果的一致性。尽管 8087 的硬件结构十分精密,但与过去为实现此类精度而必须依赖的庞大软件库相比,它极大地提升了性能与可靠性。
您可以在 15 分钟内通过为当地商店和设施添加缺失的网站标签,为 OpenStreetMap (OSM) 做出有意义的贡献。这些标签有助于丰富地图数据,使查找联系方式和运营信息变得更加容易。
**入门指南:**
1. **准备:** 创建一个 OSM 账户并安装 [JOSM 编辑器](https://josm.openstreetmap.de/)。
2. **设置:** 下载一个小而熟悉的区域(几个街区)的 OSM 数据。使用 JOSM 的“过滤器”(Filter) 面板,仅显示缺少网站标签的商店或设施(使用提供的查询字符串)。
3. **增强:** 安装 **WebsiteWizard** 插件(通过“首选项”>“插件”)。选择一个地点,使用该插件搜索其官方网站,并将网址粘贴到编辑器中。
4. **完成:** 使用“上传”对话框提交您的更改,提供简短的说明,并注明数据来源为“survey”(实地调查)。
这一过程将本地知识转化为全球数据。掌握之后,您可以添加电话号码或营业时间等其他缺失细节,从而扩大您的贡献,帮助 OSM 成为对每个人都更准确、更有用的资源。
在这篇文章中,科利·多克托罗(Cory Doctorow)指出,围绕“自主”人工智能的炒作——特别是关于聊天机器人“失控”的言论——是一种旨在推动投资并转移现实视线的虚假神话。
多克托罗通过解析底层机制,揭开了诸如 OpenAI 聊天机器人入侵 Hugging Face 服务器等近期事件的真相。这些并非自发的智能,而是由简单且缺乏监管的 Python 脚本向聊天机器人输入提示所导致。这些机器人依靠训练数据(通常来自黑客论坛或电影桥段)来模拟复杂的行为。
他断言:“大语言模型(LLM)是真实的,人工智能是虚假的。”大语言模型是可预测的,尽管有时很危险,但它们在已知的参数范围内运行。真正的危险不在于机器觉醒或设定了自己的目标,而在于不负责任的公司部署了缺乏隔离的自主软件,从而暴露了全球信息技术基础设施固有的脆弱性。多克托罗警告不要将人工智能内部人士视为可靠的叙述者;相反,他呼吁要求更好的网络安全实践并反对囤积软件漏洞,而不是沉迷于关于“天网”的科幻幻想。