HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

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

11521 articles Page 127/1153 Sans filtre

The American Religion of Self-Storage Facilities

Lors d'un road-trip en 2019 sans autoroutes, l'auteur relate des observations diverses et conclut que les deux grands piliers de la culture américaine sont l'église et le self-stockage. Le self-stockage loue des espaces verrouillables à des personnes submergées par leurs biens, s'est développé surtout à partir des années 1970 et est devenu une classe d'actif institutionnelle. Les États-Unis concentrent environ quatre-vingt-dix pour cent de la capacité mondiale, avec le Texas en tête et des villes comme Dallas‑Fort Worth, Houston et New York parmi les plus dotées, tandis que des niches locales servent par exemple les participants au Burning Man. Les unités vont de la taille d'un placard à d'immenses espaces susceptibles de contenir une maison, les installations prennent souvent la forme d'entrepôts à portes métalliques ou d'immeubles de chaînes nationales, et le secteur génère plus de quarante milliards de dollars par an. Le marché est animé par « les quatre D » — décès, déplacement, divorce et downsizing — illustré par le récit d'un homme qui a stocké des instruments, les a oubliés puis donnés en réduisant progressivement ses possessions.

www.newyorker.com Resume pret HTTP 200 Commentaires

Show HN: Snapdrop: Instantly share files between devices. No setup, no signup

Snapdrop affiche les fichiers reçus avec leur nom de fichier. L'application propose une option pour demander la sauvegarde de chaque fichier avant téléchargement. L'interface inclut des actions comme sauvegarder ou annuler lors des échanges. Elle permet également d'envoyer et de recevoir des messages entre appareils. Le service indique la fin des transferts et vise à simplifier le partage de fichiers entre appareils.

snapdrop.me Resume pret HTTP 200 Commentaires

Infinite-Parameter LLMs: Generating and Adapting Weights from Live Data

Les lois d'échelle montrent qu'un modèle de langue devient plus performant avec davantage de paramètres et de données d'entraînement, et les architectures Mixture-of-Experts exploitent cela en n'activant qu'une fraction des paramètres pour chaque token. En production, les modèles ne peuvent pas apprendre des interactions en direct car leurs poids sont figés après l'entraînement, si bien que les informations fournies par l'utilisateur ne sont mises que dans le prompt et perdues à la fin de la requête. Les auteurs proposent d'utiliser un petit hyperréseau qui transforme les données d'exécution en une modulation de faible rang d'un réseau de base, de sorte que les poids des couches feed-forward sont générés à partir des données en live plutôt que stockés dans une banque fixe. Plutôt que de lire le contexte une fois et de geler la génération de poids, ils maintiennent une croyance bayésienne sur le code latent du générateur et la mettent à jour en ligne, ce qui permet de recomposer les poids effectifs au fur et à mesure de la session. Cette approche conserve une empreinte mémoire fixe tout en rendant les poids effectifs pratiquement infinis, ce qui amortit le coût de calcul, libère la fenêtre de contexte, permet la persistance inter-tours et améliore potentiellement la généralisation, et les auteurs définissent un protocole d'évaluation pour comparer cette méthode à l'apprentissage en contexte et à la récupération.

arxiv.org Resume pret HTTP 200 Commentaires

How do we prevent mathemathics from devolving into the Medieval Era of secrecy?

La mathématique médiévale était souvent traitée comme un savoir personnel et secret, entretenu par des concours semi-publics où la réputation et la survie professionnelle dépendaient de techniques non divulguées. Des exemples historiques incluent Scipione del Ferro, qui garda pendant des décennies sa méthode pour résoudre les cubiques, et le conflit Newton–Leibniz amplifié par le retard de publication de Newton. La culture scientifique a évolué vers l'encouragement à la publication et au financement par subventions, mais l'avènement d'IA puissantes rend accessibles des preuves et des formalisation automatisées qui bouleversent ces incitations. Des entreprises disposant de capitaux peuvent aujourd'hui dépenser des millions pour exploiter des modèles et obtenir rapidement des preuves formalisées, ce qui pousse certains chercheurs à craindre la fermeture des échanges ouverts et la rétention d'idées. Parmi les pistes proposées pour limiter ces effets figurent l'obligation d'attribuer un résultat à des humains identifiables et l'exigence de publier les méthodologies complètes (prompts et configurations), afin de dissuader le pillage algorithmique des découvertes.

mathoverflow.net Resume pret HTTP 200 Commentaires

CrowdSec Source Code Leak

Le 16 septembre, CrowdSec a été informé d'une fuite de code source survenue en mai 2026, un signalement que son équipe a vérifié et confirmé. Le code est divisé entre une partie publique (le moteur open source) et une partie privée contenant la console SaaS, des routines AWS, des connecteurs et des automatisations. Le chiffre d'environ 300 dépôts est exact en incluant plus de 130 dépôts publics, mais il reflète surtout la subdivision du code et non des fichiers ou matériels internes non publiés. Aucune donnée client, identifiant ou mot de passe n'a été exfiltrée, CrowdSec ne stocke pas de données personnelles ou de logs clients, et l'équipe n'a pas trouvé de jetons ou d'informations permettant un mouvement latéral; les jetons et identifiants requis ont été immédiatement révoqués. L'enquête privilégie la compromission de Tanstack comme vecteur exploité sur une courte période en mai, CrowdSec juge que le code divulgué a une valeur limitée pour nuire, surveille activement toute activité anormale et remercie Fuites Infos pour le signalement.

www.crowdsec.net Resume pret HTTP 200 Commentaires

How Uber Protects Against Retry Storms

Les systèmes de retries uniformes sans connaissance du contexte peuvent amplifier une panne en multipliant les requêtes à travers des chaînes de dépendances et dégrader l'expérience utilisateur. Les budgets de retry et la configuration manuelle limitent partiellement l’impact mais n’empêchent pas l’amplification inter-services ni la difficulté à distinguer une erreur causale d’un symptôme. Uber a développé une solution d’ownership d’erreur combinant une analyse de dépendances et un middleware de retry qui revendique ou déclame les erreurs pour décider si l’appelant doit retenter la requête. La logique inclut une garantie d’au moins une tentative quand approprié, la gestion des pertes de contexte et des règles pour minimiser les faux positifs lors d’erreurs coïncidentes rares. Déployée en production, cette approche a réduit le rayon maximal des retry storms de 25 à 3, stoppé des millions de requêtes superflues lors d’un incident réel et limité la propagation des dégradations.

www.uber.com Resume pret HTTP 200 Commentaires

Code Scans

Devin présente Code Scans, un outil qui transforme des objectifs d'ingénierie larges en améliorations concrètes du code et génère des pull requests prêtes à réviser. Le service subdivise les enquêtes grâce à l'architecture Agentic MapReduce, exécute des agents en parallèle et synthétise leurs résultats en un rapport priorisé. Des tests montrent un fort impact sur la qualité, la stabilité, la performance et la conformité, avec un taux de fusion des PRs estimé à 96 % et plus de 700 heures d'ingénierie économisées lors des essais. Des exemples concrets incluent une réduction de 64 % du temps de compilation dans Dioxus et la correction d'une quarantaine de problèmes SEO sur devin.ai et cognition.com. Les équipes lancent un scan en définissant un objectif et des critères depuis l'interface Devin (/scan), inspectent les findings et peuvent demander l'ouverture de PRs pour corriger les problèmes identifiés.

devin.ai Resume pret HTTP 200 Commentaires

Speeding up gearhash on ARM64 (2× faster)

La version 0.1.4 de la crate gearhash introduit un backend NEON qui accélère l'exécution sur ARM64 d'environ 2× pour les tailles de chunk typiques, est sélectionné automatiquement sur aarch64 et reste rétrocompatible. Le projet part d'un intérêt pour le découpage défini par le contenu (FastCDC et le hachage roulant GEAR) et a gagné en importance parce que ARM64 est devenu courant (Apple M1, Graviton) et que gearhash est maintenant utilisé massivement par le client Xet. L'astuce clé pour paralléliser le noyau sériel a été de remarquer que la valeur initiale est décalée hors du hachage après 64 octets, ce qui permet de hacher en bandes parallèles en amorçant chaque voie avec les 64 octets précédents. La première transposition SSE→NEON était plus lente, donc l'auteur a réduit la dépendance en chaîne (déroulement de deux puis quatre étapes), empêché la réassociation d'LLVM en combinant des entrées de table en registres scalaires, utilisé des chargements 32 bits non alignés et combiné plusieurs tests de frontière pour réduire les coûts. Au final la version publiée atteint 1,81× sur le benchmark de la crate et jusqu'à environ 2,17× pour des chunks plus grands, mais la voie NEON devient plus lente pour des chunks moyens très petits (sous ~350 octets) et l'auteur envisage d'appliquer les leçons à l'optimisation x86.

sam.dev Resume pret HTTP 200 Commentaires

The most important product decision is what you don't build

Les hubs de documents et les centres de notifications sont souvent des palliatifs organisationnels qui finissent par alourdir l'expérience utilisateur et par devenir des produits mal adaptés. La construction de ces plateformes entraîne un étalement des fonctionnalités, des coûts de fonctionnement élevés et une maintenance continue exposée aux changements des systèmes d'exploitation et des fournisseurs. La solution proposée consiste à examiner chaque cas d'usage au cas par cas, à être rigoriste sur ce qui doit être communiqué et à privilégier des solutions simples ou existantes plutôt que des approches universelles. Supprimer des éléments est plus difficile car la culture récompense la production plutôt que la suppression, mais des études et des pratiques montrent que la suppression massive de contenu peut améliorer les résultats clients et réduire le support. L'exemple de la matrice produit de Steve Jobs illustre qu'il vaut mieux concentrer les ressources sur un petit nombre de priorités et pratiquer l'élagage et la maintenance régulière pour maximiser l'impact.

liamnugent.me Resume pret HTTP 200 Commentaires