HN Digest
Briefing personnel.

Edition quotidienne

Lire vite. Garder l'essentiel.

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

5917 articles Page 500/592 Sans filtre

07:06

I built a demo of what AI chat will look like when it's “free” and ad-supported

Il s’agit d’une démonstration satirique mais pleinement fonctionnelle montrant comment les assistants IA pourraient être financés par la publicité. L’objectif est d’éduquer les responsables produit, les marketeurs et les développeurs sur les formats publicitaires possibles dans une interface de chat et d’esquisser un futur à débattre. Le démonstrateur présente l’ensemble des formats publicitaires envisageables, notamment les interstitiels pré-chat, les bannières, les réponses sponsorisées, les cartes produits et les messages contextuels. Il expose aussi l’économie du modèle gratuit soutenu par la publicité, les compromis sur la confidentialité et le partage des données, et le rapport entre coûts pour l’utilisateur et revenus pour les annonceurs. Le public visé inclut des professionnels, des investisseurs et des chercheurs, et il est précisé que les publicités sont fictives tandis que les réponses de l’IA restent réelles.

07:06

Chorba: A novel CRC32 implementation (2024)

Cet article décrit une méthode novatrice permettant de calculer rapidement les sommes CRC sans tables de recherche ni support matériel pour la multiplication polynomiale. Le débit du CRC32 est augmenté de 100 % sur différentes plateformes par rapport à l’état de l’art. Les performances sont équivalentes ou supérieures aux solutions accélérées par matériel sur les processeurs x86_64 et ARMv8. Ces solutions accélérées par matériel enregistrent une amélioration de 5 à 20 % selon la longueur du message. Le faible nombre d’opérations requises pourrait simplifier les implémentations matérielles du CRC32.

07:06

Setting up phones is a nightmare

L'auteur décrit son expérience d'installation des nouveaux téléphones de ses parents et les défis rencontrés lors de la configuration. Il précise avoir utilisé la migration de données intégrée et, en complément, Samsung Smart Switch pour transférer davantage de données. Le texte met en avant les enjeux de confidentialité et de traçage, avec des critiques des services Google et Samsung et des assistants intelligents en arrière-plan. Plusieurs étapes de configuration sont évoquées, comme la désactivation des télémétries, la suppression des applications préinstallées jugées inutiles et le passage à des navigateurs et gestionnaires de mots de passe plus respectueux de la vie privée. En fin de compte, l'expérience est jugée globalement décevante et l'auteur invite à envisager des smartphones moins intrusifs et des conseils pour mieux protéger la vie privée des proches.

07:05

Running Neural Amp Modeler on embedded hardware

NAM a parcouru un long chemin, fonctionnant désormais sur des ordinateurs monocarte, des pédales comme la Daisy Seed et même des navigateurs web, et nous avons créé un loader NAM pour étudier le déploiement embarqué. Le défi était que NeuralAmpModelerCore n'était pas conçu pour l'embarqué, avec une mémoire limitée, l'absence d'un système d'exploitation et un budget temps réel strict, et sur la Daisy Seed A1-Nano, 2 secondes d'audio nécessitaient plus de 5 secondes de calcul. Les goulots d'étranglement étaient la taille du modèle, l'efficacité du calcul et le chargement du format .nam sur une mémoire très limitée, et nous avons ajouté des routines spécialisées et d'autres améliorations ciblées. Pour le chargement, nous avons développé un format binaire compact nommé .namb et un app compagnon qui convertit les fichiers .nam en .namb et les transfère au device via Bluetooth ou USB, sans perte de qualité. Après optimisation, le même modèle qui prenait initialement plus de 5 secondes pour 2 secondes d'audio tourne désormais en environ 1,5 seconde, laissant de la marge pour le traitement des effets et éclairant directement le design NAM embarqué avec l'approche Slimmable NAM, et nous publions l'ensemble du code source développé, y compris nam-binary-loader et les outils de chargement ainsi que l'exemple Daisy et les microbenchmarks détaillés sur le blog de João.

07:05

Ape Coding [fiction]

Ape coding est une pratique de développement logiciel dans laquelle un développeur humain écrit manuellement le code source. Le terme est apparu et s’est popularisé lorsque le codage par IA est devenu dominant, et il a été utilisé comme une description péjorative de développeurs incapables de programmer avec des agents. Les critiques estiment que le code généré par IA n’est ni fiable ni suffisamment compréhensible, et que des limites de mémoire et de contexte nuisent aux tests et à la qualité. Des défenseurs plaident pour le retour au logiciel écrit par l’homme et pour restreindre le codage agentique, mais ces objectifs n’ont pas été largement atteints et l’usage a décliné. Récemment, ape coding a connu une résurgence chez des hobbyistes avec des clubs et des projets axés sur des langages et compilateurs entièrement humains, certains explorant le langage 𒀯 et des initiatives autour du noyau Linux.

07:05

C64 Copy Protection

Cette référence était à l'origine un seul document long et a été divisée en six volumes ciblés pour faciliter la lecture et la navigation. Chaque volume peut être lu indépendamment, même si la base technique du Volume 1 (The 1541 Drive) soutient tout ce qui suit. Le contenu couvre toutes les techniques majeures de protection contre la copie utilisées commercialement sur le C64 entre 1982 et le début des années 1990. Il présente aussi la machinerie industrielle derrière le mastering des disques et les procédés industriels employés. Enfin, il décrit les outils que la scène de copie a développés en réponse à ces techniques.

07:04

Microgpt explained interactively

Un script Python minimal entraîne un modèle de type GPT à partir de zéro, sans dépendances, sur un corpus de 32 000 noms. La tokenisation est simple et associe une identifiant unique à chaque caractères, avec un token BOS pour marquer le début puis la fin de la séquence. Le modèle prédit le prochain token à partir du contexte, les logits passent par softmax pour produire des probabilités, et la perte est la cross-entropy calculée sur chaque position, suivie d’une rétropropagation. Le cœur du réseau est un transformer avec embeddings, attention multi-tête, résidus et RMSNorm, où les tokens échangent des informations tout en respectant un masque causal. Après entraînement, l’inférence génère des noms en échantillonnant les tokens selon une température, et le processus est conceptuellement similaire à ChatGPT bien que sur une échelle beaucoup plus petite.

07:04

Long Range E-Bike (2021)

Les voitures électriques présentent un avantage environnemental par rapport aux moteurs à combustion, mais les vélos électriques et leurs variantes offrent des avantages encore supérieurs pour les trajets moyens. Les batteries des e-bikes utilisent principalement des cellules Lithium-Ion au format 18650 avec des capacités autour de 3400 mAh par cellule, et les packs typiques comportent environ 40 à 50 cellules en configurations 10S4P ou 10S5P. L’auteur relate son expérience personnelle, passant d’un premier vélo doté d’une batterie de 500 Wh offrant environ 55 km aller, à l’achat d’une batterie supplémentaire et à l’exploration d’un S-Pedelec plus rapide mais avec une autonomie plus faible. Il décrit ensuite la conception d’un pack plus puissant, les défis liés au BMS Bosch et à la protection DRM, l’utilisation d’un balancer externe et l’assemblage d’un pack de 170 cellules en 10S17P. Le pack a démontré une autonomie réalisable d’environ 130 km aller-retour et suggère qu’un e-bike bien équipé peut devenir une alternative crédible à la voiture tout en restant plus économique et plus respectueux du climat.