HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

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

11752 articles Page 1/1176 Sans filtre

Detecting model weight tampering in GPU memory (Rome attacks)

L'article présente les attaques Rank-One Model Editing (ROME) qui modifient directement des poids de modèles en mémoire GPU via un module Python malveillant, échappant aux contrôles centrés sur le CPU. Les ROME n'impliquent aucun changement de fichier, processus ou trafic réseau observable, ce qui rend inefficaces les outils traditionnels de visibilité tels que les EDR ou ADR. Dans une reproduction de laboratoire, Stealthium a détecté la compromission en reliant chaque lancement de kernel CUDA au call stack Python qui l'a déclenché, permettant d'identifier des kernels et des chemins d'appel anormaux. Les chercheurs explorent en complément la capture d'événements de mutation de tenseurs au niveau du framework afin d'associer précisément quelles variables ont été modifiées et par quel code. L'article conclut que la sécurité des charges AI doit combiner surveillance système, runtime CUDA et signaux de framework pour distinguer chargements légitimes et modifications malveillantes des poids.

stealthium.io Resume pret HTTP 200 Commentaires

The End of Rationing

Le paradigme économique du développement logiciel a basculé : créer du code est désormais bon marché tandis que l'exploitation des produits intégrant des modèles avancés devient coûteuse. Pendant longtemps, la rareté d'ingénieurs a façonné des pratiques comme le MVP, le "do one thing" et la réutilisation de modèles établis, qui persistent malgré le changement. Le logiciel n'a pas encore évolué en raison de l'ancrage des anciennes doctrines, de la difficulté à vendre des produits hors-catégorie, de la préférence des investisseurs pour des clones et de la rigidité des grandes entreprises. La transformation nécessitera de repenser la collaboration autour du code et des catégories comme la CRM depuis des principes originels, plutôt que d'ajouter de l'IA à des architectures héritées. À l'avenir, on verra davantage de produits empaquetés et d'agrégation de fonctions, et ceux qui cesseront de rationner les ressources auront un avantage compétitif.

sanketsaurav.com Resume pret HTTP 200 Commentaires

Code is clay now

L'article explique que les outils d'agentification ont rendu le code beaucoup plus malléable, le comparant à de l'argile plutôt qu'à de la pierre. Cette malléabilité permet de modeler rapidement des structures générales puis de les affiner itérativement, ce qui accélère l'exploration produit et la refonte de fonctionnalités. L'auteur distingue deux workflows extrêmes: la voie de l'artisan, où le développeur reste en boucle et applique son jugement à chaque itération, et la voie de l'usine, qui automatise les transformations via des pipelines et escalade l'humain en dernier recours. Dans les deux approches, le jugement humain reste essentiel, soit en continu pour produire des choses qui tiennent, soit en amont pour concevoir des pipelines fiables, et les équipes combineront souvent les deux. La conclusion posée est que, désormais, le code est de l'argile et la question centrale devient de choisir comment et quand appliquer le jugement humain pour construire des systèmes pertinents.

www.albertodenia.com Resume pret HTTP 200 Commentaires

Alternatives to animal testing are finally taking off

Il y a dix-sept ans, Donald Ingber et son équipe du Wyss Institute ont développé un poumon sur puce mimant la respiration et les réponses inflammatoires humaines, une démonstration de principe qui a finalement été publiée dans Science. Ces systèmes font partie des NAMs — approches nouvelles ou non animales — qui incluent organoïdes, organes-sur-puce, systèmes multi-organes reliés, simulations informatiques et outils d'IA et qui sont de plus en plus utilisés par l'industrie pharmaceutique. Des évolutions réglementaires majeures ont ouvert la porte aux NAMs, notamment la FDA Modernization Act 2.0, la promesse de la FDA de 2025 de rendre les études animales exceptionnelles et des changements de vocabulaire réglementaire annoncés en 2026, tandis que le NIH, l'Union européenne, le Royaume‑Uni et l'OCDE ont aussi encouragé leur adoption. La validation des NAMs pose cependant des défis pratiques importants : il faut standardiser matériaux et protocoles, réaliser coûteuses comparaisons tête‑à‑tête avec modèles animaux, partager des données souvent propriétaires et industrialiser des produits pour assurer reproductibilité et utilité clinique. Au‑delà de la technique, l'adoption dépendra d'un changement culturel et institutionnel — formation, financements, modifications des critères d'évaluation et renouvellement générationnel — car les habitudes, les attentes des évaluateurs et les trajectoires de carrière liées aux modèles animaux ralentissent la transition.

spectrum.ieee.org Resume pret HTTP 200 Commentaires

Galois Finite Fields and the Advanced Encryption Standard (AES)

L'article explique que tous les corps finis de même taille sont équivalents et que le corps à 256 éléments s'écrit GF(2^8), où les éléments peuvent être vus comme des polynômes à coefficients binaires correspondant aux bits d'un octet. L'addition dans GF(2^n) revient au XOR bit à bit (addition sans retenue) et la multiplication se fait par multiplication de polynômes suivie d'une réduction modulo un polynôme irréductible (pour AES : x^8+x^4+x^3+x+1, soit 0x11b). Des tables d'addition et de multiplication illustrent que la réduction intervient pour les produits dépassant le degré autorisé et que ces opérations peuvent s'implémenter par des opérations bit à bit ou par des tables de logarithmes et d'antilogarithmes. AES applique ces opérations sur un état 4x4 d'octets via la S-box (inverse multiplicatif puis transformation affine), le décalage des lignes (ShiftRows), le mélange des colonnes (MixColumns) et l'ajout des clés de ronde (XOR). Les avantages de GF(2^8) sont des valeurs bornées à un octet, l'existence d'inverses pour le déchiffrement, une base mathématique solide et la possibilité d'obtenir des transformations non linéaires et non commutatives utiles en cryptographie.

www.cs.uaf.edu Resume pret HTTP 200 Commentaires

Drupal is now light-years ahead of its reputation

La keynote a souligné que Drupal a beaucoup progressé mais que l'écart entre ses capacités actuelles et sa réputation reste le principal défi, et a présenté l'évolution de Starshot en Drupal CMS comprenant Site Templates, Recipes, Drupal AI et Drupal Canvas. Drupal Core est devenu un cadre plus rapide et meilleur pour les développeurs, et ces améliorations alimentent le développement de Drupal CMS tandis que celui-ci pousse encore l'amélioration du cœur. Drupal Canvas a gagné le support multilingue, ses composants sont écrits en React pour s'adapter aux flux de travail front-end modernes, et Canvas Headless permet désormais des front-ends séparés (Next.js, Astro, TanStack, Angular, Nuxt) tout en conservant l'édition visuelle et l'aperçu fidèle. Drupal AI propose des démonstrations préconfigurées et des fonctions pour interroger et manipuler le contenu (audit de marque, traduction, classification, génération de pages et de composants React), et le Tool module, avec des attributs PHP et le protocole MCP, ouvre les capacités des modules à des assistants IA, à d'autres applications HTTP et à des systèmes de workflow tout en conservant permissions et observabilité. Pour réduire l'écart de réputation, la présentation a lancé le Programme d'Advocacy mené par la Drupal Association, qui permet d'obtenir des crédits de contribution pour le travail d'advocacy et vise à encourager davantage de démonstrations, articles et retours clients montrant ce que Drupal peut faire aujourd'hui.

dri.es Resume pret HTTP 200 Commentaires

Mercury 3: Diffusion at scale

Un nouveau modèle de diffusion, Mercury 3, est présenté comme le LLM à diffusion le plus performant à ce jour, surpassant des modèles frontaliers optimisés pour la vitesse sur plusieurs benchmarks. Il atteint environ 1 068 tokens par seconde sur GPU, prend en charge un contexte d’un million de tokens et affiche un prix standard de 0,20 $ par million de tokens en entrée et 0,70 $ en sortie, avec une remise de lancement de 50 %. La famille a été étendue d’un facteur supérieur à 40 en paramètres depuis Mercury 1, et les auteurs rapportent une amélioration d’environ 3x des performances sur divers benchmarks, suggérant que les lois d’échelle s’appliquent aussi aux modèles de diffusion. Des partenaires en accès anticipé l’utilisent en production pour des agents de navigation web, du tutorat en temps réel, de la recherche en temps réel et du support client, et font état de latences plus faibles tout en maintenant ou améliorant la qualité. Le modèle est disponible via l’API Inception et des intégrations tierces (OpenRouter, Baseten, Vercel), est compatible avec l’API OpenAI et propose des options pour les déploiements d’entreprise incluant capacité dédiée, autoscaling et contrôles de conformité.

www.inceptionlabs.ai Resume pret HTTP 200 Commentaires

Timestral: Mistral's time-series foundation models

Une famille de modèles de fondation pour séries temporelles est proposée en quatre tailles de 5M à 209M de paramètres, conçue pour produire des prévisions probabilistes multivariées avec 21 quantiles. Le plus grand modèle (209M) obtient les meilleurs scores sur les benchmarks publics GIFT-Eval, TIME et fev-bench en inférence zero-shot, tout en restant efficace sur CPU. L’architecture combine un pré-entraînement majoritairement synthétique, une post-formation mixte, une attention adaptée aux covariables et un mécanisme de découplage de l’horizon de prévision pour préserver l’historique comme contexte. Les modèles gèrent des covariables passées et connues dans le futur, traitent correctement les covariables catégorielles, réalisent du forecasting multivarié et peuvent être adaptés par fine-tuning via la plateforme Mistral Forge. Le code et les modèles sont publiés sur GitHub sous licence MIT modifiée et peuvent être déployés sur site, en VPC ou en environnement air-gapped avec un contexte de 32 768 pas temporels.

mistral.ai Resume pret HTTP 200 Commentaires