Show HN: Yamanote.fun – A complete soundscape for Tokyo's Yamanote line
Résumé indisponible pour cet article.
Les meilleurs longs formats de Hacker News, relus plus calmement.
Résumé indisponible pour cet article.
L'auteur démontre que la syntaxe des règles de translittération UTS #35, si on lui donne une sémantique non bornée, permet des réécritures illimitées et réalise un calcul universel. La construction compile des systèmes à deux suppressions (2-tag systems) en règles de translittération et illustre cela avec une machine de Collatz en trois règles qui simule chaque étape du système. Ces règles sont distribuées comme données de locale dans ICU et la terminaison d'un fichier de règles sur une entrée donnée est indécidable, même si ICU impose empiriquement une limite de réécritures par point de code. L'article fournit aussi des démonstrations pratiques exécutables, notamment une implémentation de Rule 110 et un automate cellulaire de Wolfram générateur de nombres premiers, utilisables via PyICU ou uconv. La conclusion souligne que les fichiers de règles de translittération sont du code exécutable et qu'il convient donc de les auditer et de les borner à l'exécution.
Un hôte peut ressembler à une machine de votre parc et servir du trafic tout en étant compromis, ce qui soulève des questions sur l'intégrité des données, des workloads et des contrôles de sécurité. L'attestation distante avec un TPM permet de prouver cryptographiquement que le matériel, le firmware, le noyau, l'image d'init et éventuellement le système de fichiers racine sont conformes, ainsi que d'exécuter des contrôles arbitraires, en vérifiant l'état exact après un redémarrage via le measured boot. Le measured boot mesure chaque étape du démarrage dans des PCRs (Platform Configuration Registers) et, contrairement au secure boot, repose sur des mesures signées pour couvrir davantage d'éléments et détecter même des pilotes ou rootkits signés malveillants. Le TPM offre des primitives comme le sealing et les quotes et s'appuie sur une hiérarchie de clés (EK, AK, LDevID) pour prouver l'origine des mesures, permettre de chiffrer ou de verrouiller des secrets aux valeurs PCR attendues et appuyer des mécanismes d'authentification tels que des certificats mTLS liés au TPM. Des limites subsistent — attaques physiques, problèmes pendant l'exécution qui relèvent de l'EDR, et complexité opérationnelle pour gérer mises à jour et déploiement à grande échelle via des politiques d'autorisation — mais correctement mis en œuvre, l'attestation renforce la confiance pour le scheduling, le stockage et la distribution de certificats.
Résumé indisponible pour cet article.
Ce modèle de 8 milliards de paramètres permet à des robots de suivre des instructions en n'utilisant qu'une seule caméra RGB et atteint 76,6 % de réussite sur R2R-CE validation unseen et 79,4 % sur validation seen. Construit entièrement en interne et entraîné sur environ 400 000 trajectoires simulées couvrant 6 000 scènes, il généralise à des robots roulants, à pattes et volants et reste robuste aux différences d'intrinsèques de caméra. Il combine une stratégie de navigation par pointage — prédisant les coordonnées image de la destination et l'orientation souhaitée — avec un repli sur des déplacements métriques locaux lorsque la cible est hors du champ de vision. L'entraînement est rendu très efficace par un algorithme de prefix-caching et un masquage d'attention en arbre qui compressent un épisode en une séquence, réduisant le nombre de tokens d'entraînement d'un facteur 22, et un apprentissage par renforcement en ligne (CISPO) améliore les performances d'environ 3,2 %. Le système fonctionne en autonomie sur des itinéraires long-courriers dans des environnements réels et vise à faciliter des applications en manufacture, livraison, logistique et hôtellerie tout en constituant une première étape vers des agents incarnés unifiés.
Résumé indisponible pour cet article.
L'outil propose une interface propre et moderne qui affiche clairement les tests réussis et échoués. Il exécute les tests jusqu'à trois fois plus vite que cargo test grâce à un modèle d'exécution moderne et à l'isolation par test. Il offre un langage d'expression puissant pour sélectionner précisément les tests et des réglages par test pour la répétition, l'exécution sérielle ou le marquage comme lourds. Des fonctionnalités de détection et d'arrêt des tests lents, d'enregistrement et de relecture des runs ainsi que d'export de traces facilitent l'analyse et la répétabilité. Conçu pour l'intégration continue, il prend en charge l'archivage et le partitionnement des tests, l'export JUnit XML, fonctionne sur plusieurs plateformes et est disponible en open source sous licence Apache 2.0.
Chatto est désormais Open Source et peut être auto-hébergé, avec une installation rapide via Homebrew et une documentation de démarrage disponible. L’application se veut légère et réactive, sert son propre frontend et chiffre toutes les données personnelles et de conversation au repos avec des clés par utilisateur détruites lors de la suppression de compte. Chaque instance de Chatto alimente une seule communauté sans fédération ni suivi tiers, tandis que le client peut se connecter directement à plusieurs serveurs et il est possible de lancer plusieurs processus pour héberger plusieurs communautés. La plateforme prend en charge les appels vocaux et vidéo chiffrés de bout en bout avec partage d’écran, et des binaires sont fournis pour Linux (x86_64 et ARM64), macOS et Windows. Chatto Cloud proposera un hébergement payant en bêta publique avec infrastructure européenne, montée en charge automatique, sauvegardes nocturnes et compatibilité totale avec les installations auto-hébergées, et le projet est en version 0.4 avec des évolutions prévues vers 0.5 (modération et améliorations multi-serveurs) puis 1.0.
Résumé indisponible pour cet article.
La Federal Trade Commission et les procureurs généraux de plusieurs États ont conclu un accord obligeant John Deere à permettre aux agriculteurs et aux ateliers indépendants d'accéder aux outils de diagnostic et de réparation. La plainte, déposée en janvier 2025 par la FTC et les États d'Arizona, Illinois, Michigan, Minnesota et Wisconsin, accusait l'entreprise d'avoir illégalement restreint les réparations et l'ordre interdit aux concessionnaires de se livrer à des représailles; il doit être approuvé par le juge Iain D. Johnston. Deere devra verser collectivement 1 million de dollars aux cinq États pour les frais d'application des lois et sera soumis à une surveillance stricte de conformité pendant dix ans. Cet accord fait suite à un autre règlement cette année, un recours collectif de 99 millions de dollars en avril, et la FTC affirmait que Deere retenait la version complète de certains logiciels de service aux propriétaires et ateliers indépendants. Deere a nié tout comportement anticoncurrentiel et a déclaré que l'accord renforce des options de réparation plus flexibles alors que le mouvement du droit à la réparation se développe.