Super Mario 64
PulseAugur coverage of Super Mario 64 — every cluster mentioning Super Mario 64 across labs, papers, and developer communities, ranked by signal.
- 2026-06-01 product_launch ModRetro announced the release date, retail price, and launch titles for its M64 device, alongside the return of Buck Bumble with a physical release for the Nintendo 64. 来源
6 天有情绪数据
-
AI打击惹恼粉丝项目开发者
一位开发宝可梦主题AI项目的粉丝,在Anthropic开始执行其AI工具的版权限制后,表达了不满。据报道,该开发者每月花费数千美元购买AI服务,他担心这对他的项目产生影响,尽管他声称项目仍将发布。这种情况凸显了AI开发与知识产权之间的持续紧张关系,特别是关于粉丝自制项目。
-
Llama 3.1 70B的提示词处理成本是生成token时间的914倍
一项详细分析显示,在H100 SXM GPU上处理Llama 3.1 70B的4K token提示词,其资源消耗比普遍认为的要高得多,成本约相当于914个生成token。这种高成本源于预填充阶段,该阶段受计算能力限制,并且与上下文长度呈二次方增长,而解码阶段则受内存限制。当处理一个大型提示词时,它会暂停服务节点上所有其他活动对话,导致用户出现明显延迟。虽然分块预填充可以减少最大停顿时间,但并不会降低总计算成本。
-
开发者使用 Claude Code 构建混合现实版《超级马力欧64》
一位开发者创建了《超级马力欧64》的混合现实版本,实现了90 FPS,并允许玩家将游戏视为桌面大小的立体模型进行互动。该项目是使用 Claude Code 构建的,利用 Opus 5.5 编写了《超级马力欧64》反编译与 Unity 渲染器之间的桥梁。Claude Code 还负责了几何转换、输入映射和调试,以实现稳定的帧率。
-
AI 进展展示混合现实、3D 重建和高效世界模型
本周出现了一些令人印象深刻的 AI 演示,包括以 90 帧/秒的速度在混合现实中运行的 Super Mario 64,由 Opus 5.5 提供支持。另一个值得注意的发布是 Echo 3,它可以将 10 分钟的 iPhone 视频转换为可导航的 3D 房屋。此外,腾讯发布了 Hy-Nomas,这是一个拥有 80 亿参数的世界模型,设计用于在单个 RTX 4090 上运行。
-
Claude Opus 5.5 实现《超级马力欧64》混合现实集成
一位开发者利用 Claude Opus 5.5 将整个《超级马力欧64》集成到混合现实环境中。游戏现在以流畅的 90 帧每秒的原生全 3D 运行,游戏世界出现在开发者的物理房间内。此次集成展示了 Claude Opus 5.5 在复杂开发任务中的高级功能。
-
任天堂宫本茂:AI不会取代人类设计师
任天堂的宫本茂认为,即使生成式AI不断进步,人类设计师在游戏开发中也总会扮演至关重要的角色。他建议AI可以承担更多劳动密集型的创作环节,从而让人类开发者专注于其独特的意图和创造力。尽管业内一些人正积极拥抱AI,任天堂已表明将致力于在其游戏中保持“人情味”,但他们并未完全排除未来整合AI的可能性。
-
《超级马力欧64》牌匾之谜可能被一名程序员破解
一名程序员可能已经解开了《超级马力欧64》游戏中一个长期存在的谜团,该谜团与城堡庭院中一个模糊的牌匾有关。程序员Mochi64使用开源计算分析软件,分析了数百万种单词和字体组合,以找到与牌匾像素最匹配的组合。分析表明,顶行写着“Eternal Star”,底行写着“We hope so”,这一结论为牌匾放置在星形雕像下方及其神秘信息提供了一个合理的解释。
-
AI解读《超级马里奥64》石碑之谜,识别出字体
一位用户使用了一个AI编码代理(特别是Claude)来解开《超级马里奥64》游戏中的一个长期存在的谜团:游戏中石碑上的文字。AI没有用于图像生成,而是被用来创建一个正向模型,将候选字体和文本与游戏原始像素数据进行比对。AI识别出正确的文字是“Eternal Star / We hope so”,以及原始艺术家可能使用的特定Adobe Palatino Bold Italic字体文件。这项任务在AI的协助下几周内完成,而以前可能需要数月时间。
-
AI 使用逐位相同的物理效果为 GBA 构建《超级马力欧 64》复刻版
一位开发者使用 Anthropic 的 Claude AI 模型创建了 Game Boy Advance 版的《超级马力欧 64》复刻版。该项目专注于将马力欧的物理效果复制得与原版逐位相同,Claude AI 根据开发者的指示生成代码、测试和工具。最终的演示包含四个关卡,具有软件 3D 渲染和动画马力欧,但存在局限性,例如无法在真实硬件上运行,并且缺少敌人或纹理。
-
AI的快速发展迫使视频游戏逆向工程社区关闭
随着AI工具在反编译过程中变得足够强大以实现自动化和加速,视频游戏逆向工程社区正在经历重大转变。这导致了专门用于协作游戏逆向工程的网站decomp.dev关闭,因为AI现在可以以前所未有的速度和轻松度复制和修改游戏代码。管理员指出,像GPT-6-ASTRA这样的AI模型现在可以执行以前需要多年人工努力才能完成的任务,导致社区协作的崩溃以及AI生成游戏修改和移植的泛滥。
-
《超级马力欧64》移植到微软Zune HD媒体播放器
一位程序员已成功将经典的任天堂64游戏《超级马力欧64》移植到微软的Zune HD媒体播放器上原生运行。这个粉丝制作的项目利用了非官方的OpenZDK套件,并利用Zune HD的Nvidia Tegra芯片实现了近乎全速的游戏运行,支持声音、触摸控制和存档功能。该移植基于《超级马力欧64》的反编译版本,并需要对Zune的图形驱动程序进行变通处理以渲染着色器。
-
超级马力欧游戏:完整发布顺序时间线
本文按时间顺序提供了自 1985 年以来发布的所有超级马力欧主线电子游戏的列表。它详细介绍了每款游戏的平台和主要功能,追溯了该系列从早期任天堂起源到最新作品的演变。
-
通过《Super Mario 64》解释3D图形透视
本文深入探讨了3D图形透视的基本原理,以《Super Mario 64》为例,说明了其在视频游戏早期实现。它探讨了这些技术如何创造深度和空间的错觉,增强玩家的沉浸式体验。
-
AI 模型发展出超现实方言;Amazon SageMaker 改进训练作业
专家们担心 AI 模型会发展出一种独特的、超现实的方言,将诗意的语言与科技行业术语相结合,并将其与 Syd Barrett 和 James Joyce 相提并论。这种新兴的 AI 语言给监控和监督带来了挑战。另外,Amazon SageMaker AI 为训练作业推出了实例偏好列表,允许用户指定首选的实例类型以提高效率。
-
Google 绘制果蝇大脑,工程师让其玩 Doom 游戏
Google 已成功绘制出一只成年雄性果蝇的完整大脑和中枢神经系统,并利用 AI 重建了超过 16.6 万个神经元。在这一科学突破后不久,软件工程师们展示了该果蝇的神经网络能够玩 Doom 和 Super Mario 64 等经典电子游戏。这一成就加速了神经科学研究,并凸显了 AI 在理解复杂生物系统方面的潜力。
-
新书认为,电子游戏设计原则可以促进企业成功
一本新书《每个人都赢:游戏教会我们如何打造人们喜爱的产品》(Everybody Wins: What Games Teach Us About Making Products People Love),由Bing Gordon和Chloe Gordon合著,探讨了如何将电子游戏设计的原则应用于更广泛的商业策略。作者们借鉴了他们在游戏行业丰富的经验,提出了一个“Wow Test”(惊叹测试)来衡量产品的质量和情感影响力。他们主张创造“W…
-
Analogue 3D 将 N64 游戏提升至 4K 以适配现代电视
Analogue 3D 游戏机提供了一种在现代 4K 电视上玩原版 Nintendo 64 卡带的方式,尽管它并非以原生 4K 分辨率渲染游戏。相反,它将 N64 游戏的低分辨率输出提升至 4K HDMI 信号,同时还提高了清晰度、色彩和帧率。该设备利用现场可编程门阵列 (FPGA) 来忠实地复制 N64 的原始硬件行为,提供比标准模拟或直接连接到现代电视更精美的视觉体验。
-
Polymega推出升级版复古游戏机,配备新的光盘托盘和更好的CPU
Polymega宣布推出其独立复古游戏机的更新版本,配备升级的CPU以增强性能,并采用新的光盘托盘设计。此次更新旨在改善用户体验,方便玩转和数字化来自PS1、Saturn和N64等各种平台的复古游戏收藏。这款售价549美元的游戏机现已开放预订,第三批名额有限,现有预订将免费升级。
-
《超级马力欧 奥德赛》加入Switch 2在线游戏库,存在输入延迟问题
任天堂已将《超级马力欧 奥德赛》加入其Switch 2在线经典游戏库,需要NSO订阅和扩展包。虽然游戏依然有趣,但玩家们遇到了明显的输入延迟问题,即使使用有线GameCube控制器也是如此。与已下架的《超级马力欧3D世界+狂怒世界》合集版相比,这个基于模拟的版本还采用了4:3的画面比例和较低分辨率的用户界面。
-
MoE 专家缓存评估方法被发现具有误导性
研究人员发现了用于混合专家(MoE)模型的 trace-driven 评估方法中的关键缺陷,这些缺陷可能导致关于专家缓存策略的结论具有误导性。研究强调了回放语义、工作负载污染和运行模式如何显著改变性能指标并颠倒策略排名。即使经过修正的评估,与离线最优值之间仍然存在显著差距,这主要归因于对未来专家使用情况的预测,表明当前轻量级的因果机制并未完全恢复这些潜在收益。