What if we stopped using GPUs? [video]
Résumé indisponible pour cet article.
Les meilleurs longs formats de Hacker News, relus plus calmement.
Résumé indisponible pour cet article.
Cette mise à jour propose la plus importante refonte de l'interface depuis le lancement, un nouveau site web et la publication automatique des mises à jour dans les 24 heures. Un nouveau panneau Réglages a été ajouté avec une boutique de plugins, la page Video/Audio scindée, et un nouveau panneau Layout permettant d'ancrer et de redimensionner les barres latérales ainsi que de conserver les boutons de fenêtre standard. Parmi les nouvelles fonctionnalités figurent le support Liquid Glass et un jeu d'icônes associé, le support Live Text, la configuration de la largeur des vignettes, l'affichage du nom du chapitre sur la barre temporelle et plusieurs raccourcis et options avancées pour mpv. La version corrige de nombreux plantages et bogues (notamment liés à l'OSC, l'audio et les plugins), améliore le rendu des sous-titres et la performance, et revampe plusieurs fenêtres comme l'historique, le journal et l'accueil. Les composants ont été mis à jour (mpv 0.41.0, FFmpeg 9.0.1, Sparkle 2.9.6), l'exigence minimale a été relevée à macOS 11 pour Intel et macOS 12 pour Apple Silicon, et la dépréciation de macOS 11 est prévue pour la prochaine version.
Ai2 a développé AstaBrief, un modèle open-weights de 8 milliards de paramètres destiné à générer des rapports scientifiques cités plus rapidement et localement. Le modèle part de Qwen3-8B et a été entraîné par fine-tuning supervisé puis optimisé par Direct Preference Optimization sur des données tirées de 90 000 requêtes réelles filtrées, produisant environ 47 000 exemples SFT et 6 000 paires de préférence. Pour renforcer l'ancrage aux preuves, l'équipe a appliqué des filtres focalisés sur la densité et la pertinence des citations et a entraîné AstaBrief à générer le rapport final en une seule passe afin de réduire le temps de génération. Dans des évaluations internes (SQABench-CS2, DeepScholarBench et études comparatives), AstaBrief s'est montré compétitif vis-à-vis de pipelines propriétaires et a réduit le temps moyen de génération dans Asta à 51,1 secondes contre 178,5 secondes en mode Thinking. Les poids et un workflow exemple sont publiés pour permettre un déploiement local et des recherches ultérieures, et Ai2 prévoit d'explorer des techniques supplémentaires (apprentissage par préférence plus fin, RL, décomposition de requêtes et évaluations de la portée des preuves) pour améliorer les modèles pour la science.
Résumé indisponible pour cet article.
L'analyse du couplage de changements est présentée comme un outil de compréhension pour orienter les décisions architecturales plutôt que comme une métrique à optimiser. Les changements dispersés, où une modification touche de nombreux fichiers et répertoires non liés, augmentent la charge cognitive des développeurs et ralentissent la livraison. Le texte distingue plusieurs types de couplage (physique, logique, temporel, données, contrôle et couplage de changement) et propose une matrice physique vs changement pour identifier quand consolider ou séparer du code. L'exemple du système de paiement montre que des modules qui changent ensemble peuvent révéler contraintes cachées (réglementation, structure de données, accords commerciaux) et que la réponse peut être d'extraire des responsabilités ou d'inverser des dépendances plutôt que de tout fusionner. Pour rendre le couplage de changement actionnable, il recommande d'identifier les opportunités prioritaires, de planifier et coordonner les modifications techniques, puis de s'engager à des revues régulières en acceptant les arbitrages.
L'article explique que le robot F.02 a marqué plusieurs premières pour l'entreprise, notamment des déploiements chez BMW, la naissance d'Helix et des utilisations domestiques et logistiques. Face à la croissance de la flotte F.03, l'entreprise a jugé inutile de maintenir la flotte F.02 et a décidé de la mettre hors service tout en protégeant sa propriété intellectuelle. Après avoir consulté le public et reçu l'appui d'Arnold Schwarzenegger, l'entreprise a organisé l'élimination des robots en les faisant fondre dans une aciérie en Imatra, Finlande. L'équipe a entraîné de nouveaux modèles d'IA sur son campus pour permettre aux robots de sauter de manière autonome dans un bain de métal en fusion et a exécuté l'opération malgré des contraintes temporelles et techniques sur place. Le métal obtenu a été renvoyé aux États-Unis pour être usiné en une série limitée d'objets commémoratifs, tandis que la plupart des F.02 ont été détruits et quelques exemplaires conservés en stockage.
Ce projet permet de créer des jeux rétro en Python en adoptant un style pixel art. Ses spécifications simples, inspirées des consoles anciennes, limitent l'affichage à 16 couleurs et l'audio à quatre canaux simultanés. Il est distribué en open source sous licence MIT et utilisable gratuitement. Le développement est assuré par une seule personne qui sollicite le soutien via les étoiles sur GitHub. La documentation propose un guide utilisateur, des exemples et un espace pour partager les créations.
Ce jeu est un bac à sable de construction relaxant inspiré de l'architecture brutaliste. Il permet de créer des monuments étranges, des structures impossibles, des tours en béton ou de simples murs sans objectif ni méthode imposée. Les commandes principales incluent le clic pour construire (cliquer et maintenir pour remplir une zone), Shift+clic pour supprimer, la molette et les touches pour parcourir les variantes, et Ctrl/Cmd+Z pour annuler. La caméra se contrôle par glissement droit pour orbiter, glissement central pour déplacer la vue et molette pour zoomer, et on peut basculer jour/nuit via une icône. Les créations sont enregistrées localement, le téléchargement nécessite un achat d'au moins 5 USD, et un journal de développement indique une récente mise à jour « Eco‑Brutalism ».
Un satellite prototype du projet Suncatcher, développé en partenariat avec Planet, a été lancé en orbite à bord de la mission Transporter-18 de SpaceX. L'équipe a confirmé le contact avec l'engin et indique qu'il fonctionne comme prévu. Il s'agit de la première étape d'une recherche à long terme visant à explorer la possibilité d'héberger une infrastructure d'apprentissage automatique évolutive dans l'espace. Au cours des prochaines semaines, des données orbitales seront collectées pour évaluer la résistance des TPU aux contraintes physiques, au rayonnement et aux variations thermiques de l'espace. Une publication évaluée par des pairs dans la revue Joule présente les détails de la recherche, et les expérimentations serviront à affiner les conceptions au fur et à mesure de la mission.
Un "harness" désigne l'infrastructure, les interfaces, le contexte et l'état entourant un modèle stateless, incluant des sous-harnesses et des orchestrateurs. L'auteur décrit une trajectoire où les entreprises SaaS évoluent de produits traditionnels sans harness, à des équipes assistant des agents, puis à des agents proactifs qui exécutent les tâches centrales. Dans ce scénario, le produit devient principalement la sortie des modèles, l'entreprise apportant le contexte, les intégrations et les interfaces de revue humaine, les employés intervenant comme détenteurs de goût. La qualité se préserve en faisant au harness la sélection des moments où l'intervention humaine est la plus utile, par exemple pour synthétiser retours clients, valider des décisions architecturales ou choisir des variantes de design. Cette évolution pousse à construire des harness internes pour maintenir la différenciation, à restructurer les organisations autour de ces outils et à prévoir que des startups AI-native pourront dépasser des incumbents lorsque le domaine est aisément "harness-ifiable".