x86-64
PulseAugur coverage of x86-64 — every cluster mentioning x86-64 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
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…