Taylor Farms Called White House to Try to Delay Cyclospora Recall
Résumé indisponible pour cet article.
Lire vite.
Garder l'essentiel.
Les meilleurs longs formats de Hacker News, relus plus calmement.
Opus 5 is currently #1 on Artificial Analysis Intelligence Leaderboard
La version 4.1 intègre neuf évaluations couvrant des tâches variées, notamment GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience et AA-LCR. Le benchmark agrège plusieurs métriques d'intelligence et d'agentivité, dont l'AA-Briefcase Elo pour le travail cognitif agentif et l'AA-Omniscience Index pour mesurer la fiabilité des connaissances et les hallucinations. Le rapport indique aussi l'ouverture et la disponibilité des poids des modèles, signale les restrictions d'utilisation commerciale et normalise un Openness Index de 0 à 100. Les mesures opérationnelles incluent les coûts par tâche (tenant compte des prix d'entrée, cache, raisonnement et sortie), l'utilisation moyenne de tokens, la latence (temps jusqu'au premier token et temps pour 500 tokens) et la vitesse de sortie en tokens par seconde. La méthodologie détaille enfin la fenêtre de contexte, le dimensionnement des modèles (paramètres totaux et actifs) et les différences de facturation liées au caching selon les fournisseurs.
Postgres LISTEN/NOTIFY actually scales
Le mécanisme de notifications de Postgres a mauvaise réputation en raison de caractéristiques de performance inattendues liées à l'utilisation d'un verrou global lors de NOTIFY. Ce verrou global sérialise les commits contenant des notifications pour garantir l'ordre de commit, car Postgres stocke les notifications dans une file globale dont l'ordre doit correspondre à l'ordre de validation et au flush sur disque. En déclenchant NOTIFY à chaque insertion via un trigger, les écritures de flux se retrouvent contraintes à des commits séquentiels, empêchant des optimisations comme le group commit et limitant fortement le débit. Les auteurs ont contourné ce goulot d'étranglement en bufferisant les notifications en mémoire et en les vidant par lots dans une transaction périodique tout en ajoutant un sondage de secours peu fréquent pour pallier les notifications perdues en cas de crash. Avec cette optimisation, les benchmarks montrent environ 60 000 écritures par seconde avec des latences de l'ordre de dizaines de millisecondes et le code de test est disponible sur GitHub.
GC and Exceptions in Wasmtime
La version 47 de Wasmtime active par défaut le support des propositions de ramassage de mémoire (GC) et d'exceptions pour WebAssembly afin de faciliter la compilation de davantage de langages et leur exécution partout où Wasmtime est utilisé. Wasmtime est un runtime WebAssembly rapide, sûr, portable, autonome et facile à intégrer, dont les mainteneurs participent activement à la standardisation du Wasm. La proposition GC étend le langage WebAssembly pour permettre la définition de types struct et array et des relations de sous-typage, en confiant la gestion des durées de vie des instances au runtime et en évitant que les toolchains embarquent leur propre ramasse-miettes, ce qui réduit la taille des binaires et simplifie le ciblage de WebAssembly par des langages haut niveau. La proposition d'exceptions introduit des constructions throw et try/catch qui permettent au runtime d'utiliser le déroulement d'exceptions classique, supprimant les conventions d'appel verbeuses qui gonflaient les binaires et imposaient un coût sur le chemin normal de retour. Wasmtime implémente un collecteur de copie semi-space de type Cheney reposant sur les mémoires linéaires Wasm (les références GC sont des indices 32 bits), ce qui apporte des gains de sécurité, de portabilité et d'efficacité mémoire, a été fortement testé en étendant wasm-smith et en ajoutant deux fuzzers ciblés, mais les priorités ont été la correction et l'adéquation au scénario de nombreuses petites instances plutôt que l'optimisation de débit et latence, et des travaux restent à faire pour les optimisations du compilateur et l'intégration du GC au modèle de composants.
Claude Opus 5
Le nouveau modèle Opus 5 combine puissance et coût réduit, atteignant des performances proches de Fable 5 pour une fraction du prix. Il établit un nouvel état de l'art sur des évaluations de programmation et de travail cognitif comme Frontier-Bench et GDPval-AA, tout en restant derrière Mythos 5 sur l'exploitation cybernétique. Opus 5 améliore l'efficacité et la qualité sur un large éventail de tâches — ingénierie logicielle, recherche scientifique, analyses financières et production visuelle — souvent avec moins de tokens et de latence. Les mesures d'alignement et de sécurité montrent une réduction des comportements mal alignés et des garde-fous renforcés pour certains scénarios cyber, avec un programme de vérification (CVP) pour les travaux autorisés. Le modèle est disponible via l'API et les plateformes Claude au même tarif par token qu'Opus 4.8, propose un mode Fast plus rapide et introduit des fonctionnalités bêta comme les changements d'outils en cours de conversation et les basculements automatiques.
Automated sign detection across the Electronic Babylonian Library
Lire les tablettes cunéiformes est extrêmement exigeant, et seule une petite fraction des quelque demi-million de tablettes mises au jour a été analysée par les assyriologues. Les auteurs exploitent le plus grand jeu de données annoté de signes cunéiformes à ce jour et évaluent un modèle de détection d'objets basé sur Deformable DETR selon deux granularités de classes (173 et 106). Le système combine une extraction automatique des côtés de tablette, un regroupement heuristique des lignes et une évaluation de similarité textuelle par n-grammes pour relier la détection visuelle des signes à la structure textuelle. Sur des métriques de détection de type COCO, la méthode améliore de manière consistante les résultats antérieurs jusqu'à 28–37 % et, en inférence, elle a été appliquée à 87 668 fragments de la bibliothèque électronique babylonienne pour produire près de 2,9 millions de détections de signes. La méthode fonctionne sans connaissances linguistiques a priori et reste sensible aux dommages et à la variabilité de mise en page, mais elle offre une base évolutive et interprétable pour l'analyse corpusielle et l'intégration future de modèles multimodaux et linguistiques.
Building watchable digital twins of 64 World Cup games
Plusieurs entreprises extraient des données de match via vision par ordinateur appliquée aux diffusions et fournissent des couches comme détection d'objets, OCR, transformée des coordonnées et annotation d'événements. Les données se structurent en catégories (match, roster, événements, tracking) et leur résolution varie selon le fournisseur, de quelques dizaines de frames à 30 Hz pour un suivi complet. L'auteur a comparé cinq fournisseurs proposant des échantillons gratuits et conclut que PFF offre les données les plus complètes avec tracking à 30 Hz notamment pour la Coupe du Monde 2022. Le projet vise à construire un lecteur vidéo interactif avec API, endpoint de streaming et visualiseur web capable de restituer d'abord une vue 2D puis une reconstitution 3D en combinant coordonnées et scènes de repli basées sur les événements. Les données et le code du constructeur de flux et du visualiseur ont été publiés en open source pour permettre à d'autres de reproduire ou d'étendre ces visualisations, y compris des éléments comme animations de joueurs et foule simulée.
Introducing selfie for sign-in: a new way to access your Google Account
Google annonce une nouvelle option de connexion par vidéo selfie permettant d'accéder à son compte lorsque l'on est verrouillé ou sans ses appareils habituels. La configuration consiste à filmer un court selfie vidéo en effectuant quelques mouvements de tête guidés pour capturer plusieurs angles. Pour se reconnecter, un nouvel enregistrement est comparé au selfie sauvegardé afin de confirmer l'identité de l'utilisateur. Le selfie vidéo est enregistré et stocké de manière chiffrée avec le consentement de l'utilisateur, peut être supprimé à tout moment et n'est utilisé que pour la connexion sauf consentement contraire. Google indique que des protections contre les usurpations comme les deepfakes et ses pratiques habituelles de détection des connexions suspectes sont appliquées, et que cette option complète d'autres méthodes comme les clés d'accès et les contacts de récupération.
Open Problems: Why Reading Every Herculaneum Scroll Is Still a Challenge
L'équipe a démontré en 2026 qu'un rouleau d'Herculanum peut être virtuellement déroulé et lu, mais l'enjeu principal est d'automatiser et de rendre fiable ce processus à grande échelle pour tous les rouleaux. L'imagerie repose sur la microtomographie synchrotron haute résolution, où l'encre carbonée se confond souvent avec le papyrus carbonisé et où des régions compressées génèrent un brouillard causé par la décohésion du faisceau, imposant des compromis sur la taille de voxel, l'énergie et la distance échantillon‑détecteur. Le dépliage combine des prédictions de surface 3D (souvent nnU‑Net), la construction et l'optimisation de maillages (GrowPatch, lasagna), le traçage de fibres et un ajustement spiral global, mais reste semi‑automatique en raison d'erreurs topologiques et de la qualité approximative des annotations. La détection d'encre utilise des rendus conditionnés à la surface, l'apprentissage sur fragments et une boucle de pseudo‑étiquetage qui a permis de lire PHerc. 1667, tandis que la segmentation volumétrique directe est possible dans des cas favorables comme PHerc. Paris 4, mais la généralisation et l'ambiguïté de profondeur demeurent des problèmes ouverts. Pour passer à l'échelle, le projet mise sur des formats et infrastructures cloud‑friendly (OME‑Zarr, VC3D), des représentations auto‑supervisées (DINO) et sollicite des contributions communautaires ciblées en géométrie, traçage de fibres, qualité des labels, fonctions de coût et deep learning 3D afin de rendre le flux reproductible et robuste.
Kimi K3 exploited the latest Redis server
Résumé indisponible pour cet article.