HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

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

11890 articles Page 816/1189 Sans filtre

SimpleX Channels, SimpleX Network Consortium and Community Crowdfunding

Le v6.5 de SimpleX introduit les Channels, un nouveau modèle de publication publique conçu pour la confidentialité de participation. Le contenu des channels est visible par les opérateurs de relais mais chaque channel utilise plusieurs relais et les identités réelles des propriétaires et des abonnés restent inconnues des opérateurs et des autres participants. La confidentialité de participation est possible parce que le réseau SimpleX a été conçu sans identifiants de profil utilisateur, et les propriétaires de channels détiennent leurs clés, peuvent exploiter leurs propres relais et inscrire leurs channels dans l'annuaire SimpleX. L'équipe met en place une SimpleX Network Consortium et une fondation avec un accord perpétuel destiné à préserver l'indépendance des protocoles et empêcher qu'une seule entreprise contrôle le réseau. Un modèle commercial basé sur des Community Credits et une future campagne de financement participatif visent à financer serveurs, développement et gouvernance sans surveillance, et la version bêta améliore aussi la connexion initiale des nouveaux utilisateurs et la sécurité des liens web.

A Primer on Bézier Curves – So What Makes a Bézier Curve?

Les courbes de Bézier sont des courbes paramétriques polynomiales largement utilisées en infographie et en dessin vectoriel, dont l'histoire implique Pierre Bézier, Paul de Casteljau et les polynômes de Bernstein, et dont la forme est contrôlée par des points de contrôle. Ce guide explique les techniques pratiques pour les calculer et les implémenter : fonctions de base avec coefficients binomiaux et tables de Pascal, variantes pondérées et rationnelles, l'algorithme de de Casteljau pour l'évaluation et la séparation, et la représentation matricielle. Il développe aussi les propriétés calculables par le calcul différentiel et l'algèbre linéaire, notamment dérivées, tangentes et normales (avec cadres minimisant la rotation en 3D), recherche de racines pour extrema et inflexions, et méthodes numériques pour la longueur d'arc et les intersections. Sont abordées des opérations pratiques de haut niveau comme l'aplatissement, le découpage, l'offset approximatif, l'approximation d'arcs et de cercles, l'ajustement et le moulage de courbes à partir de points, ainsi que les conversions et relations avec les splines Catmull‑Rom, B‑splines et NURBS. La ressource est open source, riche en exemples interactifs et en pseudo‑code, s'adresse à des lecteurs ayant des connaissances scolaires de base en mathématiques et programmation, et est maintenue avec un dépôt de développement et un suivi d'incidents.

Compositing and Blending – Exploring the math and intuition behind blend modes

Le compositing consiste à combiner des calques (source et arrière‑plan) pixel par pixel en choisissant mathématiquement quelle couleur et quelle opacité apparaissent, selon les opérateurs de Porter‑Duff. L'alpha combine opacité et couverture des pixels (par exemple pour lisser les bords) et intervient directement dans les formules de composition des couleurs. Le blending se produit dans les zones de recouvrement et applique des fonctions prédéfinies (modes de fusion) qui peuvent être séparables par canal RGB ou non‑séparables en manipulant teinte, saturation et luminosité, regroupées en familles comme lighten, darken, contrast, inversion et modes HSL. Dans le navigateur on utilise mix‑blend‑mode, background‑blend‑mode ou globalCompositeOperation sur canvas, en contrôlant l'isolation via les contextes d'empilement, mais les résultats peuvent varier selon l'espace colorimétrique de l'écran (sRGB vs Display P3) et le comportement du navigateur. Les modes de fusion permettent des usages pratiques comme du texte intégré sur images, duotones, contours irréguliers et effets créatifs, et des lectures complémentaires (Alpha Compositing, l'article de Porter‑Duff, spécifications W3C) permettent d'approfondir le sujet.

Granite 4.1: IBM's 8B Model Matching 32B MoE

La nouvelle famille de modèles open source d'IBM cible l'usage entreprise et est distribuée sous licence Apache 2.0 en trois tailles (3B, 8B, 30B). Les modèles sont des transformeurs décodeur-denses entraînés sur environ 15 trillions de tokens avec une pipeline en cinq phases qui a modifié intentionnellement le mélange de données pour privilégier code, mathématiques et contenus de haute qualité. Avant tout fine-tuning, IBM a appliqué un filtrage strict utilisant un LLM-juge et une validation basée sur des règles pour éliminer les réponses erronées ou hallucinatoires, puis a mené quatre étapes de RL pour améliorer et corriger des régressions observées en cours d'entraînement. En benchmarks internes la version dense à 8 milliards de paramètres dépasse parfois l'ancien modèle MoE à 32 milliards sur des tâches de raisonnement, d'appel d'outils et de codage, le 3B étant axé sur l'inférence en périphérie et le 30B offrant le meilleur niveau de performance. La famille supporte des contextes longs jusqu'à 512K grâce à une montée en capacité progressive et propose des options de déploiement pratiques (Ollama, Hugging Face, vLLM, Transformers, variantes FP8), ce qui la rend pertinente pour des cas nécessitant latence prévisible et appels d'outils fiables.