AI outperforms law professors in Stanford Law study
Résumé indisponible pour cet article.
Les meilleurs longs formats de Hacker News, relus plus calmement.
Résumé indisponible pour cet article.
Résumé indisponible pour cet article.
Le projet vise à reconstruire fidèlement les cartes d'un ancien jeu DOS pour préserver et explorer son monde original. L'auteur, motivé par des souvenirs d'enfance d'exploration plutôt que de courses, a travaillé pendant cinq ans sur la rétro-ingénierie et a récemment bénéficié d'outils d'IA pour progresser. Les fichiers 3D utilisent pour chaque tuile ou objet trois tableaux parallèles de coordonnées X, Y et Z sur 16 bits signés suivis d'enregistrements de polygones de huit octets contenant le type, les indices de sommet et la couleur, tandis que les cartes sont des grilles de 32×16 avec deux octets par cellule stockant l'ID de tuile et des bits de rotation et de hauteur. Le dépôt fournit un visualiseur Web, des outils CLI pour exporter des fichiers Wavefront OBJ, des images PNG indexées et des sprites de scène, des exemples de commandes npm et des instructions d'installation requérant Node.js 20.19+ et Vite. La structure du projet comprend des répertoires pour le code source (modules navigateur, logique partagée et outils d'export), des données publiques obligatoires, des sorties objs/images, une galerie d'assets pour plusieurs véhicules et une documentation complète des formats de fichiers dans le répertoire spec.
L'auteur observe que, malgré le désordre de sa vie domestique, même les objets les plus jetables résultent d'énormes efforts d'ingénierie et d'infrastructure. Jusqu'au début du XXe siècle les boissons étaient principalement en verre, puis des plastiques alimentaires sont apparus, avec des échecs notables comme la bouteille en copolymère d'acrylonitrile de Coca‑Cola (1975–1977) interdite pour lixiviation toxique. L'industrie a adopté le procédé d'injection‑soufflage étiré pour transformer des préformes en PET en bouteilles légères et résistantes, le PET s'étant imposé grâce à sa clarté, sa stabilité chimique et sa compatibilité alimentaire via des innovations chez DuPont. La montée de l'eau embouteillée dans les années 1990 (Aquafina, Dasani, Smartwater) a entraîné une optimisation industrielle massive — allégement des parois, bases petaloïdes, bouchons plus courts et production à très grande cadence — réduisant fortement l'utilisation de plastique. Enfin, malgré des progrès en recyclage et en plastique recyclé, le tri du verre coloré et la gestion des déchets plastiques restent imparfaits, de nombreuses bouteilles finissant en décharge ou comme détritus, tandis que des solutions techniques et des usages de réemploi continuent d'être explorés.
MAI-Code-1-Flash a été conçu pour fonctionner dans les workflows de production des développeurs en étant entraîné directement avec les harnesses GitHub Copilot. Le modèle a été évalué pendant l'entraînement sur des tâches d'ingénierie logicielle, la réponse aux questions de dépôts, le refactoring et des tâches fondées sur la télémétrie issues d'usages réels de Copilot. Cet alignement entre entraînement, évaluation et production vise à faire en sorte que les améliorations hors ligne se traduisent en qualité réelle pour les développeurs. MAI-Code-1-Flash utilise un contrôle adaptatif de la longueur des solutions pour ajuster la profondeur des réponses, ce qui réduit la latence et le coût en tokens tout en améliorant l'utilité. Dans le même environnement de production, il surpasse Claude Haiku 4.5 sur plusieurs benchmarks de code avec de meilleurs taux de réussite et résout des problèmes plus difficiles en utilisant jusqu'à 60 % de tokens en moins, incluant un écart de +16 points sur SWE-Bench Pro.
Un petit démon alloue la VRAM via l'API CUDA et la sert comme périphérique bloc en utilisant NBD sur une socket Unix, permettant d'utiliser la mémoire vidéo comme espace d'échange. La solution évite d'écrire un module noyau ou d'utiliser les API P2P d'NVIDIA, qui sont restreintes sur les cartes grand public, et fonctionne avec cuMemcpyHtoD/DtoH sur n'importe quel GPU CUDA. Testée sur un RTX 3070 Laptop (8 Go de VRAM) avec kernel 6.17 et pilote 580.159.03, elle a permis d'allouer 7 Go de swap VRAM et d'augmenter l'espace total d'échange à environ 46 Go en combinant zram et SSD. L'installation se fait depuis le dépôt nbd-vram et un service systemd gère la configuration (taille, priorité) ainsi que la gestion d'alimentation qui peut arrêter le service sur batterie. Les performances séquentielles mesurées sont d'environ 1,3 Go/s, la latence est inférieure au NVMe et il est recommandé de donner une priorité élevée à la VRAM quand zram est déjà utilisé.
Les agents d'IA génèrent désormais automatiquement des sites et du code, reléguant l'artisanat traditionnel et le code propre au second plan. Les entreprises privilégient la complexité, la consommation de tokens et une infrastructure voyante comme signaux de valorisation, au détriment de la maintenabilité. L'accessibilité, le HTML sémantique et les pratiques légères sont souvent négligés au profit d'applications agentiques, gourmandes en ressources et conçues pour capter l'attention. Les dépôts open source et les contributions sont submergés par des PR et des bots générés automatiquement, ce qui rend l'intégration des contributions sincères difficile. Quelques développeurs demandent encore aux agents de produire volontairement du code simple et soigné par nostalgie ou par esprit de défi, mais cette pratique reste marginale.
Ces dernières années, les modèles d'apprentissage profond ont permis de convertir l'échelle des séquences en échelle de structures prédictives, mais l'augmentation massive de séquences naturelles n'entraîne pas automatiquement une diversité comparable de plis protéiques. Les structures prédites contiennent des régions bruitées et des chaînes multi-domaines, donc les auteurs filtrent par pLDDT, fragmentent via une bisection spectrale basée sur le vecteur de Fiedler et rejoignent spatialement les fragments pertinents pour obtenir des unités structurales réutilisables. Après nettoyage et clustering structurel (Foldseek accéléré suivi d'un audit par TM-align), environ 1,96 million de fragments MGnify ont été réduits à ~25 300 amas non-singleton, dont 71,5 % des fragments multi-membres se concentrent dans les 1 000 premiers clusters. Pour l'entraînement, ils proposent un échantillonnage repondéré par une exponentielle de taille de cluster N^γ (γ ≈ 0,5 en pratique) afin d'équilibrer la fréquence naturelle des plis et la couverture de la diversité structurale. La conclusion est que la nature réutilise fortement un petit nombre de solutions structuralement récurrentes, ce qui suggère soit d'améliorer les sites actifs sur des échafaudages familiers, soit d'explorer la possibilité que des régions de l'espace des backbones non explorées par l'évolution soient exploitables par le design assisté par modèles.
L'article décrit qu'en cliquant simplement sur un lien vers github.dev, un attaquant peut récupérer le token GitHub OAuth envoyé au web IDE et qui permet d'accéder et modifier tous les dépôts de l'utilisateur, y compris les privés. La faille provient du modèle des webviews de VSCode : bien que rendues dans un iframe d'origine différente et isolées, elles transmettent des événements "keydown" au contexte principal via postMessage, et un script malveillant dans la webview peut falsifier ces événements pour déclencher des raccourcis claviers privilégiés. L'exploit démontré utilise un notebook contenant du JavaScript exécutable qui accepte la notification d'installation d'extension, installe une extension locale qui définit un raccourci clavier personnalisé pour appeler workbench.extensions.installExtension en contournant la vérification d'éditeur, puis l'extension nouvellement installée exfiltre le token et liste les dépôts privés via l'API GitHub; un PoC public est fourni. Les contre-mesures pratiques proposées incluent la suppression des cookies et des données locales pour github.dev, la désinstallation de toute extension de preuve de concept et la prudence face aux liens externes, tandis que VSCode bénéficie toutefois de défenses comme une CSP stricte et DOMPurify qui limitent l'impact d'autres vecteurs. L'auteur explique avoir pratiqué la divulgation complète du bug après un avertissement préalable envoyé à un contact de GitHub Security et indique la divulgation publique et le dépôt sur le tracker VSCode le 2 juin 2026.
Cette bibliothèque génère des maillages polygonaux 3D rendus comme éléments HTML transformés par des matrices CSS et prend en charge couleurs, textures, éclairage, ombres, formes et animations. Elle s'installe via npm ou se charge depuis un CDN et propose des éléments personnalisés et des composants pour Vanilla, React et Vue afin de contrôler la caméra, la scène et les maillages. L'API expose des contrôles de caméra orthographique et perspective, des options de scène (lumières, atlas, stratégies de rendu) et un composant maillage capable de charger OBJ/MTL, glTF/GLB, VOX ou des primitives générées. La bibliothèque fournit une fonction d'export qui clone la scène rendue, inline les ressources en data:URI et produit un document HTML autonome, et elle représente la géométrie au niveau de polygones individuels pour permettre des événements et styles par face. Le rendu s'effectue entièrement via le DOM avec optimisation des primitives CSS selon la complexité, la performance dépendant du nombre d'éléments rendus et de la surface d'atlas, et l'écosystème est distribué en packages core, vanilla, React et Vue sous licence MIT.