HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

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

11890 articles Page 278/1189 Sans filtre

How I Use Git Worktrees (2024)

L'auteur recommande d'utiliser git worktree pour gérer la concurrence des tâches plutôt que comme simple remplacement des branches. Plutôt que d'utiliser la zone de staging ou le stash, il préfère commettre rapidement (avec un utilitaire ggc) puis éventuellement faire reset ou amend pour restaurer le contexte de travail. Il maintient cinq worktrees distincts: main en lecture seule pour comparer au remote, work pour développer en changeant souvent de branches, review pour relire du code, fuzz pour lancer des fuzzers en detached HEAD, et scratch pour des modifications rapides. Son flux concret consiste à créer une branche dans work, commettre un état intermédiaire, copier le hash du commit vers le worktree fuzz pour fuzzing en detached HEAD pendant qu'il continue de développer, puis pousser une PR si tout est satisfaisant. En résumé, il propose d'assigner des worktrees à des activités concurrentes (comparaison, développement, revue, fuzzing, bricolage) pour simplifier le contexte et le multitâche.

I run a pizzeria out of my Smart car in NYC [video]

Bradley Alvelo a grandi en cuisine, a étudié au Culinary Institute of America et a travaillé longtemps dans la restauration professionnelle et la restauration d'entreprise. Frustré par l'absence de lien direct avec les clients, il a lancé Pizza Pod en aménageant une petite Smart car en pizzeria mobile équipée de deux fours alimentés par un générateur. Il prépare sur place des pizzas artisanales de 30 cm avec une pâte fermentée 72 heures, des ingrédients choisis et un mélange de farines (double-zero et farine à pain), proposant des recettes classiques et des touches inspirées de ses origines portoricaines. Le format pop-up et la proximité avec la clientèle ont permis de fidéliser des clients, d'obtenir des opportunités d'événements privés et d'atteindre environ 12 000 dollars de ventes brutes mensuelles estimées. En gérant seul la plupart des tâches opérationnelles, Alvelo déclare trouver plus de sens et de bonheur à construire sa propre entreprise avec peu de moyens et encourage à commencer avec ce qu'on a plutôt qu'à attendre l'espace parfait.

Training AI to Paint with Code

Une équipe a entraîné un modèle de langage (Qwen 3.5 35B) à produire des images en écrivant des sketches JavaScript p5.brush qui sont rendus en PNG via Puppeteer. L'apprentissage par renforcement utilisait des jugements comparatifs : chaque rendu était comparé par un modèle-juge à deux peintures de référence tirées d'une collection hand-rated, et la paire gagnante générait le signal de récompense pour GRPO. La banque de références contient 581 images issues de générations modèles et triées en niveaux de qualité, car il n'existait pas assez d'exemples humains pour couvrir l'espace des styles. L'optimisation du prompt système via GEPA a réduit les hallucinations d'API en remplaçant une longue documentation par une allowlist restreinte de méthodes de pinceau, améliorant la validité du code généré. Les auteurs concluent que l'RL sur des tâches créatives exige une fonction de récompense soigneusement conçue pour généraliser le goût sans être trop spécifique, et que la méthode rend l'artefact éditable même si elle est plus lente que les approches par prompt classiques.

JIT Compiling Code in 5μs

Historiquement, la compilation JIT demandait une maîtrise de l'assembleur et restait rare en production, les solutions courantes comme LLVM ou la génération de C/C++ souffrant de temps de compilation élevés. L'auteur explique qu'avec l'aide de l'IA il a pu écrire un JIT ciblant directement l'assembleur pour pgrust, compilant du code en environ 5 μs et permettant de JITer chaque requête SQL. À titre d'exemple il construit un moteur d'expressions régulières simple (littéraux et répétition) et génère du code ARM64 en combinant des "stencils" d'assembleur via une stratégie copy-and-patch et un émetteur. Le JIT alloue une zone mémoire exécutable, y copie les instructions et l'appelle, et les benchmarks montrent des performances proches du code écrit à la main et 10–20× supérieures à l'interpréteur. L'article conclut que les modèles d'IA abaissent la barrière pour écrire des JIT, offrant des opportunités pour améliorer les bases de données et développer des logiciels plus ambitieux.

AI Chip Architectures

Depuis la conférence de Hennessy et Patterson, l'essor des architectures spécialisées a répondu au goulet de la mémoire : le calcul IA est dominé par les matmuls et l'enjeu central est de déplacer les données assez vite pour alimenter les unités de calcul. NVIDIA parie sur une puce programmable à très grande échelle (SMs + Tensor Cores) avec une hiérarchie mémoire asynchrone, des instructions matrice évolutives, NVLink/NVSwitch pour une mémoire cohérente au niveau du rack et un écosystème CUDA et bibliothèques tierces qui constituent sa forteresse logicielle. Google TPU mise sur des systolic arrays poids-stationnaires, des scratchpads logiciels et le compilateur XLA pour planifier chaque cycle, reliant des milliers de puces via l'ICI et des commutateurs optiques OCS pour créer des superpods massifs et efficaces par watt. D'autres approches illustrent des compromis différents : AMD mise sur la capacité mémoire, le packaging chiplet et des standards ouverts (ROCm, UALink), Cerebras refuse les découpes en livrant un wafer-scale avec SRAM à très haute bande passante, AWS Trainium reprend la thèse systolique intégrée au cloud avec collectives en silicium, et Groq propose une LPU déterministe à SRAM-only et réseau compilé pour optimiser la latence à batch‑1. Le choix d'architecture se réduit en pratique à quatre questions — où résident les données, comment elles circulent, la forme des unités de calcul et la communication inter-puces — et les designs actuels montrent des compromis entre programmabilité, efficacité énergétique, bande passante mémoire, capacité d'échelle et maturité logicielle.

The planet now has more trees than it did 35 years ago (2018)

Sur la période 1982–2016, la couverture arborée mondiale a augmenté de 2,24 millions de kilomètres carrés malgré la déforestation, les incendies, les sécheresses et les attaques d'insectes. Les gains d'arbres proviennent surtout des zones subtropicales, tempérées, boréales et polaires, portés par l'abandon agricole, le réchauffement climatique et de vastes programmes de plantation comme en Chine, tandis que les pertes majeures touchent les forêts tropicales et les savanes, le Brésil étant le principal contributeur aux pertes. L'étude, fondée sur des images satellites classant la végétation en trois types, estime une perte brute de 1,33 million de km2 mais un gain net total de 2,24 millions de km2, chiffres qui divergent en partie des estimations de la FAO selon la définition utilisée. Les auteurs insistent sur le fait que la "couverture arborée" inclut les plantations industrielles et les palmeraies et ne reflète donc pas nécessairement la surface de forêts naturelles ou la biodiversité originelle. Soixante pour cent des changements observés sont attribués à des activités humaines et la "verdification" globale masque la dégradation des biomes les plus riches en espèces, réduisant leur résilience et les services écosystémiques qu'ils rendent.

Fable and the end of the free lunch

On observe que certains développeurs agents rechignent face aux tarifs d'Anthropic et se tournent vers des alternatives. L'auteur compare la situation à la fin du « repas gratuit » liée au ralentissement de la loi de Moore, qui a forcé les ingénieurs à optimiser le code et à répartir différemment les tâches. La sortie de Fable a changé les incitations car son coût est élevé tandis que des modèles comme Opus et GLM 5.2, publié la même semaine, offrent des performances suffisantes à une fraction du prix, GLM 5.2 étant cité comme environ un neuvième du coût de Fable. Dans la pratique, l'approche consiste souvent à utiliser un modèle plus puissant comme Fable pour la conception et l'interrogation, puis à confier l'exécution routinière à des modèles moins coûteux dotés d'un contexte bien préparé. L'auteur estime que la baisse des coûts d'inférence ne ramènera pas forcément à tout traiter avec les plus grands modèles, car ces gains profiteront aussi aux modèles plus petits et les contrôles d'accès et exigences de conservation de Fable poussent entreprises et États à repenser où envoyer leurs traces et leurs jetons.

Attention is all we have: A conjectural theory of cognitive inequality

L'auteur observe une inégalité cognitive marquée et s'interroge sur les différences cérébrales concrètes entre personnes exceptionnellement brillantes et personnes « normales ». Il rejette l'image d'un cerveau « processeur » radicalement différent et soutient que la variabilité génétique explique surtout des nuances, pas l'ampleur extrême des écarts observés. Il propose que les différences majeures tiennent à la connectivité synaptique plastiquement remodelée et aux habitudes mentales et approches métacognitives qui influencent cette connectivité. Il avance que ces habitudes sont en grande partie acquises et qu'elles génèrent des « stimuli secondaires » internes qui, cumulés sur des années, peuvent produire des talents cognitifs exceptionnels. Il conclut que, même si des contraintes génétiques et développementales limitent ce qu'on peut réaliser, il existe une marge significative d'amélioration par l'entraînement de l'attention, la confiance et les environnements favorables, tandis que l'inhibition cognitive joue un rôle adaptatif de protection.