x86-64
PulseAugur coverage of x86-64 — every cluster mentioning x86-64 across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Cline desktop 0.0.20 for Windows 现在像 macOS 一样自动更新
Cline desktop 版本 0.0.20 已在 Windows 上发布，具有经过代码签名 (code-signed) 的 x64 安装程序和自动更新功能。此次更新确保 Windows 用户获得与 macOS 用户相同的更新，消除了发布源的任何差异。该项目已获得 67,061 颗星的显著关注。
-
OpenJDK 提议弃用 macOS x64 端口，理由是降低成本
OpenJDK 项目已提出 JEP 541，提议弃用 x86-64 架构的 macOS 端口，并计划在未来版本中移除。此举旨在降低 Oracle 的维护成本，据报道，Oracle 正在进行裁员，并将重点放在 AI 和监控技术上。然而，该提议因可能疏远那些无法负担或无法获得最新 Apple 硬件的开发者而受到批评。
-
新的量化方法可实现大型MoE模型的高效服务
研究人员开发了一种名为Tied Trit-Planes (PTQTP) 的新型量化技术，将LLM权重矩阵约束为统一的九级量化器。该方法允许将两个三进制平面无损地折叠成单个4位代码平面，作为用于磁盘流式传输的混合专家模型的持久表示。将其应用于DeepSeek-V4-Flash-0731后，与4.5位基线相比，文件大小更小，解码速度更快，并且在MMLU等基准测试上的性能相当或有所提高，尽管权重重建误差较高。
-
关于游戏难度和Microsoft Word移植的技术讨论
该集群涵盖两个不同的技术主题：一个讨论视频游戏中难度曲线的创建，另一个宣布Microsoft Word for Windows 1.1a的本地x64移植版。第一个项目在Mastodon上分享并链接到Hacker News，深入探讨了游戏设计的技术方面。第二个项目也在Mastodon上分享并链接到Hacker News，重点介绍了一个针对旧版本Microsoft Word的GitHub上的软件开发项目。
-
指南：在 Debian 上编译 llama.cpp LLM 运行时，并交叉编译 ARM64
本技术指南详细介绍了如何在 Debian Linux 上编译和交叉编译 llama.cpp 项目，这是一个基于 C/C++ 的 LLM 推理运行时。它涵盖了 x86-64 和 ARM64 等各种架构的本地构建，包括与 OpenBLAS 的可选集成以提高性能。该指南还提供了从 x86-64 机器交叉编译到 ARM64 目标设备的步骤说明，这对于在 Raspberry Pi 或 Orange Pi 等设备上部署至关重要。
-
Graphify 工具在 Apple Silicon 架构上遇到困难，随后成功构建代码知识图谱
作者详细介绍了他们使用 `graphify` 工具从代码库和文档创建知识图谱的经验，旨在提高 Claude Code 导航大型项目的能力。他们遇到了 Apple Silicon 上的“不兼容架构”错误，原因是 `tree-sitter` 的原生绑定是为 x86_64 而非 arm64 编译的。在重新安装 `tree-sitter` 及其特定语言的语法（如 `tree-sitter-bash` 和 `tree-sitter-swift`…
-
开发者通过 KV 缓存重用将 Android 上的 LLM 推理速度提高了 9.9 倍
一位开发者通过重用 KV 缓存状态，探索了一种降低 Android 设备上本地 LLM 推理延迟的方法。该技术在 EdgeSync-LLM 中实现，涉及在处理共享前缀后捕获 KV 缓存，并在后续具有相同前缀的请求中恢复它。在 ARM64 Android 手机上的基准测试显示，缓存命中时首次令牌时间 (TTFT) 降低了 9.9 倍，在 x86-64 系统上则提高了 7.5 倍。开发者强调了在基准测试中加入正确性检查的重要性，因为一个最…
-
BinScope 工具验证 AI 生成的二进制文件的代码来源
一款名为 BinScope 的新 Python 工具已被开发出来，以解决 AI 生成代码的信任差距问题，特别是针对 C 和 Rust 等编译型语言。SHA-256 哈希等传统完整性检查无法验证二进制文件的来源，这意味着一个文件可能与已知的良好版本字节相同，但仍包含由 LLM 引入的恶意修改。BinScope 分析二进制文件，提供信任分数、熵配置文件、节映射和符号审计，帮助开发人员确保编译后的代码准确反映 AI 的预期输出。
-
Anos 业余操作系统微内核增加了多任务和用户模式支持
Anos 是一个专为 x86-64 和 RISC-V 架构设计的新型业余爱好者微内核操作系统。它支持多达 16 个 CPU 的抢占式多任务处理，并支持用户模式设备驱动程序。该系统采用基于能力的安全性模型和用于操作系统服务的用户模式主管，旨在实现一种现代的、非 POSIX 的方法。
-
新研究解决大语言模型的事实准确性、架构推断和专业化评估问题
研究人员正在开发新方法来提高大语言模型（LLM）的准确性和可靠性。Google Research 推出了 SLED（Self Logits Evolution Decoding）技术，该技术利用 LLM 的所有层来增强事实准确性，而无需额外的微调或外部数据。同时，研究也在探索如何通过限制性 API 访问来推断 LLM 的架构属性，并创建新的基准来评估 LLM 在金融服务和编译器问题解决等专业领域的表现。此外，研究还在调查 LLM 集成…