跳到正文

#開源專案

RSS
今日 15 則
11月13日週五
  1. OpenAI Codex Releases67

    OpenAI Codex 0.168.0 更新加入模型供應商設定與多項 TUI 功能

    OpenAI Codex 0.168.0 新增模型供應商瀏覽與新對話預設選擇,並加入可調整的側邊對話、錄音附件及動畫 GIF 生成等功能。 - 新增功能:可在 TUI 中檢視模型供應商並設定新對話的預設供應商;側邊對話窗格可調整大小或放大。

    推薦理由:本次更新涵蓋模型供應商設定、側邊對話、錄音附件與動畫 GIF 生成功能,並修正多項 TUI 與 Windows MCP 行為,呈現 Codex 的近期使用變化。

  2. Hacker News (official RSS)82

    Relax 推出 Rust 即時編譯器與 JIT 執行環境

    Relax 推出以 Rust 編寫的即時編譯器與 JIT 執行環境,可直接執行 Cargo 專案原始碼,並在程式執行時編譯函式、最佳化熱門程式碼及套用部分程式碼變更。

    推薦理由:Relax 以函式為單位即時編譯並支援執行中修補,縮短 Rust 開發迭代;文中也量化了相較 rustc 的效能與記憶體代價。

  3. Hacker News (official RSS)78

    Leeroo 開源 Kapso,透過迭代實驗累積企業資料環境知識

    Leeroo 開源 Kapso,這是一套能執行實驗、部署最佳方案,並從每次執行中累積經驗的企業資料工程引擎。 - 運作方式:經驗庫儲存過往實驗歸納的經驗,包含可信度分數、適用條件與證據;系統依此提出並排序實驗構想,再由驗證模組檢查結果。

    推薦理由:Kapso 把實驗結果整理成帶有適用條件與證據的經驗庫,並支援版本比較,呈現一種讓企業資料工作累積環境知識的做法。

  4. PyTorch Blog67

    Helion 為 Triton 核心加入編譯期啟發式設定,免自動調校提升效能

    PyTorch 宣佈 Helion 在 Triton 後端加入編譯期啟發式設定,分析核心的 IR 與資料流,自動選擇設定,免去自動調校即可提升多組測試的效能。

    推薦理由:Helion 在 H100 與 B200 上預設啟用編譯期啟發式設定;文中多組基準比較呈現其效能與完整自動調校之間的差距。

  5. Dev.to Top Tech82

    AWS 推出 AWS Emulator,讓程式開發AI 助理在本機驗證 AWS 服務

    AWS 於 11 月 11 日推出 AWS Emulator,提供涵蓋 200 多項 AWS 服務的離線記憶體內實作,讓程式開發AI 助理可在本機測試後端程式碼。

    推薦理由:AWS Emulator 以通過真實雲端驗證的情境作為保真測試,呈現本機模擬如何縮短代理程式的驗證迴圈並降低對雲端測試環境的依賴。

  6. LMSYS Org Blog59

    RadixArk Miles 如何用 NVIDIA Vera CPU 加快 AI 助理訓練沙盒

    訓練 AI 助理時,模型會在沙盒裡反覆執行指令和測試;沙盒跑得慢,整個訓練也會跟著等。RadixArk 團隊用 Miles 在 NVIDIA Vera CPU 上執行所有沙盒,並和 AMD Turin 比較。在相同設定下,Turin 上的每個訓練回合平均多花 12% 時間;作者也觀察到,回合較短能讓訓練資料更新得更快,減少 GPU 記憶體閒置,以及整組回合等最慢一個完成的時間。文中的結果來自作者測試的任務與環境。

11月12日週四
  1. Hacker News (official RSS)47

    Pyrolog 20 年回顧:一個 Prolog 專案如何影響 PyPy 與後續研究

    Pyrolog 是作者在 2006 年開始用 RPython 寫的 Prolog 程式,能讓 Python 呼叫 Prolog,也曾用來測試 PyPy 的即時編譯器。它早期跑得比其他 Prolog 工具慢,後來改了做法,在一些流程規律的測試中變得很快;但遇到需要大量回頭搜尋的程式,速度又可能明顯變慢。Pyrolog 幾乎沒有真正使用者,專案後來也逐漸停下來,不過它幫忙試出 PyPy 即時編譯器的設計,相關想法也延伸到其他研究專案。

  2. PyTorch Blog80

    PyTorch 與 TorchTitan 如何在歐洲公共基礎設施上訓練 1T 引數 MoE

    EUROPA consortium 說明如何運用 PyTorch 與 TorchTitan,在 JUPITER 超級電腦上將約 1T 引數的 MoE 預訓練吞吐量提升至每張 GPU 約 1,300 tokens/s。

    推薦理由:文章拆解了 PyTorch 與 TorchTitan 在共享超級電腦上的多項訓練調校,並以吞吐量變化呈現通訊、記憶體與計算重疊的影響。

  3. Dev.to Top Tech35

    Ionify 如何在 Tailwind 3.4 測試情境中消除完整重新掃描

    Ionify 透過建立虛擬編譯器輸入,讓 Tailwind 3.4 在測試情境中不再觸發不必要的完整重新掃描;這項實驗仍須持續驗證正確性與相容性。 - 方法:Ionify 將 Tailwind 編譯所需的資訊與產物整理成虛擬輸入,並依正確性相關的相依關係判斷何時需要使其失效、重新編譯受影響的輸出。