HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

Les meilleurs longs formats de Hacker News, relus plus calmement.

11333 articles Page 1061/1134 Sans filtre

Dissecting the CPU-memory relationship in garbage collection (OpenJDK 26)

L’article analyse la taxonomie des coûts du GC en distinguant le coût explicite, le coût implicite et les effets microarchitecturaux, et promeut OpenJDK 26 comme outil de mesure. Il rappelle que les pauses Serial GC ne reflètent pas le coût total, car le temps CPU et les accès mémoire pendant l’exécution comptent autant que les pauses visibles. La parallélisation (Parallel GC) diminue la durée des pauses sans réduire le coût CPU global, entraînant une inefficacité d’utilisation des ressources. La stratégie G1 déplace une partie du travail en arrière-plan, ce qui sous-estime le coût explicite si l’on se limite à mesurer les pauses. ZGC déporte presque tout le travail, rendant les pauses quasi moindres et le coût non corrélé, et l’auteur recommande l’utilisation des API standard, comme MemoryMXBean.getTotalGcCpuTime et -Xlog:cpu, pour un comptage précis et des benchmarks reproductibles.

Show HN: OpenSwarm – Multi‑Agent Claude CLI Orchestrator for Linear/GitHub

OpenSwarm est un orchestrateur d'agents IA autonomes qui coordonne plusieurs instances Claude Code comme agents et suit les issues Linear. Le système exécute des paires Worker/Reviewer en boucles itératives pour générer, réviser et documenter du code, et met à jour l'état des tâches sur Discord. Un moteur de décision valide le périmètre des tâches, applique des limites et mappe les flux de travail selon les priorités. La mémoire cognitive utilise LanceDB et des embeddings Xenova pour la rétention à long terme et le rappel inter‑session, complétée par un graphe de connaissances statique du code. Ses fonctionnalités incluent une interface Discord pour le contrôle et la gestion, un tableau de bord web et une planification cron, avec amélioration automatique des PR.

The Om Programming Language

Om est un langage de programmation nouveau et minimaliste, concaténatif et homoiconique, qui utilise une syntaxe préfixe et repose sur trois éléments : opérateur, séparateur et opérande. Il est conçu pour manipuler le reste du programme lui-même et supporte une panmorphie typologique et le texte Unicode, tout en étant distribuable comme une bibliothèque C++ intégrable et extensible. Le projet est explicitement déclaré incomplet et en phase de preuve de concept, nécessitant l’ajout d’opérations et d’optimisations avant une utilisation pratique et stable. L’évaluation des programmes produit des fonctions, les séparateurs étant ignorés et les termes normalisés, et les programmes peuvent être décrits par trois types fondamentaux : identité, constante et opération. La licence est la Eclipse Public License 1.0 et le document précise les dépendances, les outils de build, les téléchargements et les procédures de contribution via le dépôt GitHub.

An autopsy of AI-generated 3D slop

Les générateurs IA 3D produisent des assets qui semblent suffisants à première vue mais échouent sur l’utilité lors d’une inspection plus approfondie. Une comparaison entre une modélisation IA et une version réalisée à la main pour une raquette de pickleball révèle des artefacts récurrents tels que des silhouettes floues, du texte illisible et des UV maps mal construites. Les problèmes principaux proviennent d’une topologie chaotique (triangles en soupe), d’une hallucination des textures et d’un manque de compréhension des matériaux. L’idée d’une efficacité supposée est trompeuse: les modèles IA restent lourds en rétopologie et les fichiers, bien que petits, contiennent une géométrie peu exploitable. Dans l’e-commerce haut de gamme, l’apparence visuelle et la cohérence sont cruciales, et l’intervention humaine demeure indispensable pour obtenir des modèles propres, modifiables et prêts pour le rendu, pour l’instant.

Tech companies shouldn't be bullied into doing surveillance

Le département de la Défense aurait exercé des pressions sur Anthropic pour obtenir un accès sans restrictions à sa technologie d’IA à des fins militaires américaines. Anthropic devrait rester fidèle à ses principes et refuser d’autoriser l’utilisation de sa technologie pour des systèmes d’armes autonomes et pour la surveillance, deux domaines qu’ils ont publiquement déclarés ne pas soutenir. Le DoD aurait menacé de qualifier Anthropic de « risque pour la chaîne d’approvisionnement », une mesure qui, selon WIRED, pourrait empêcher l’entreprise de faire affaire avec certains partenaires internationaux. La controverse a émergé en janvier 2026 après un partenariat avec Palantir et des soupçons d’utilisation de l’IA dans l’attaque contre le Venezuela le 3 janvier. Face à ces pressions, les entreprises technologiques et leurs équipes doivent résister à devenir des outils de surveillance et ne pas laisser les pressions gouvernementales modifier leurs politiques publiques.

The First Fully General Computer Action Model

Ce modèle fondation vise l'usage informatique et apprend à partir de vidéos, avec un contexte long et un apprentissage non supervisé sur Internet. Le processus d'entraînement se décompose en trois étapes: IDM sur 40 000 heures, étiquetage du corpus de 11 millions d'heures, puis entraînement autoregressif d'un modèle de dynamique vers l'action suivante. L'encodeur vidéo peut compresser près de 2 heures de vidéo à 30 FPS en 1 million de tokens, offrant une efficacité de contexte environ 50 fois supérieure au meilleur système précédent et 100 fois celle de l'encodeur d'OpenAI. L'infrastructure d'évaluation permet plus d'un million de rollouts par heure sur 80 000 VM, et les résultats montrent que les données étiquetées par IDM surpassent les données contractuelles pour les déplacements de souris et les manipulations d'interface, avec des progrès en saisie et en compréhension. Ces avancées déplacent le domaine de l'informatique actionnelle d'un régime limité par les données vers un régime axé sur le calcul et ouvrent des perspectives vers des systèmes d'IA générale, tout en appelant à des collaborations.

PA bench: Evaluating web agents on real world personal assistant workflows

Le document présente un benchmark nommé PA Bench conçu pour évaluer les agents informatiques avancés capables d’effectuer des flux de travail personnels longs et réalistes impliquant plusieurs applications web. Le système repose sur des environnements simulés à haute fidélité pour les applications de courrier électronique et de calendrier, avec un état backend structuré en JSON permettant une vérification déterministe des résultats. Le processus de génération des données consiste à produire des états de base cohérents décrivant une persona utilisateur et des relations, puis à dériver e-mails et événements à partir de ce contexte partagé, complété par des scénarios réutilisables. Le SDK comprend la gestion de simulation, des adaptateurs de modèles et l’orchestration d’expérimentations, et les évaluations comparent plusieurs modèles de pointe sur une tâche prédéfinie de 75 étapes. Les résultats montrent des écarts entre les modèles (par exemple, en récupération et vérification après action, en gestion du contexte et en précision d’exécution), et les auteurs prévoient d’étendre le benchmark à 3 applications ou plus et plus de 100 étapes, tout en explorant des améliorations de génération de tâches et de vérificateurs.

Show HN: Respectify – A comment moderator that teaches people to argue better

Respectify vise à maintenir des discussions respectueuses et pertinentes sur votre site. Ce n’est pas seulement un modérateur, mais un outil qui éduque tout en protégeant votre espace. Il permet d’interdire ce qui est inacceptable et d’éviter les contenus problématiques grâce à des règles configurables et à l’IA qui comprend le contexte et l’intention. Il aide les utilisateurs à mieux s’exprimer en signalant les formulations maladroites et en suggérant des reformulations. En favorisant les contributions positives et en filtrant les messages irrespectueux, il cherche à créer une communauté accueillante où chacun peut s’exprimer.

Writers and Their Day Jobs

Pendant dix-neuf ans, jusqu’à sa retraite en 1885, Herman Melville travailla comme inspecteur des douanes à Lower Manhattan, examinant les manifestes des navires et vérifiant les cargaisons. Avant d’écrire ses romans les plus célèbres, Melville avait été marin et mutin sur plusieurs navires, et il prit ce poste après que Moby-Dick fut publié, essuyant des critiques, tout en poursuivant la poésie et en restant respecté par ses collègues, payé quatre dollars par jour sans augmentation pendant deux décennies. Le narrateur relate son propre passage au USPS en janvier 2020, six mois comme éditeur d’un bulletin régional, dans un bureau terne, et une crise existentielle devant ce travail éloigné de sa formation. Le texte rappelle que de nombreux écrivains ont exercé des métiers modestes, de Faulkner et Bukowski à Kafka et Hawthorne, et que des postes gouvernementaux leur ont permis de vivre tout en nourrissant leur œuvre, comme Whitman et d’autres. Il conclut que travail et vocation peuvent se coïncider, mais finit par quitter son poste après six mois, évoquant Bartleby, le Scrivener.

Self-improving software won't produce Skynet

Dans le cycle de développement traditionnel, l’écart entre le code et sa documentation crée une dette documentaire qui ralentit les équipes. L’IA agentique peut lire les documents, comprendre le code et mettre à jour automatiquement la documentation correspondante. Cela génère une boucle de rétroaction continue où les changements de code sont reflétés dans la connaissance du projet et vice versa. La documentation devient un élément vivant qui évolue avec le code, rendant les itérations suivantes plus efficaces et moins sujettes aux hallucinations informationnelles. Ce modèle reste pragmatique et guidé par l’humain, visant à automatiser la maintenance des connaissances et à renforcer l’alignement continu entre l’IA et les objectifs du système.