AMD 以 6.65 亿美元收购 Silo AI
AMD 以 6.65 亿美元收购芬兰 AI 初创公司 Silo AI，这是欧洲最大的 AI 收购案之一。此次收购将帮助 AMD 扩展其 AI 能力和产品，与市场领导者 Nvidia 竞争。Silo AI 以其在开源大型语言模型方面的工作而闻名，旨在使 AI 技术的应用民主化。这笔交易反映了 AI 芯片和软件市场日益激烈的竞争，因为半导体公司试图通过其硬件和软件平台锁定客户。AMD 将 Silo AI 视为将其基础 AI 软件与现实世界的应用程序联系起来并推动客户参与的一种方式。
CD 预间隙如何获得其隐藏音轨超能力
该文件讨论了 20 世纪 80 年代和 90 年代在光盘上使用隐藏的“预间隙”音轨的情况。预间隙是第一条音轨之前的一小段空间，可用于隐藏其他音频内容。那个时代的许多流行专辑都有预间隙音轨，这些音轨是由使用 Exact Audio Copy 等翻录软件的发烧友发现的。预间隙技术也用于包含多媒体内容的“增强型 CD”，但这导致了与某些 CD 播放器和驱动器的兼容性问题。虽然预间隙允许创新的隐藏内容，但它们也凸显了 CD 格式的局限性以及超出标准规范的风险。
科学家发现狼疮的病因以及逆转狼疮的可能方法
科学家发现了一种分子缺陷，该缺陷可驱动狼疮的自身免疫反应，这种疾病影响了超过 150 万美国人。这种缺陷导致免疫细胞失衡，从而产生致病的自身抗体。通过恢复一种称为芳烃受体的关键受体的活性，研究人员能够将有害的免疫细胞重新编程为更有益的细胞类型，这可能有助于治愈狼疮造成的损害。这一发现提供了一种治疗狼疮的潜在新方法，而不会产生目前广泛使用的免疫抑制剂疗法的副作用。研究人员目前正在努力开发安全有效的方法来递送可以激活这种受体并可能逆转疾病进程的分子。
news.feinberg.northwestern.edu/2024/07/10/…
我在编写 x86 模拟器时学到的奇怪东西
本文讨论了作者为时间旅行调试工具编写 x86 模拟器的经历。它涵盖了有关 x86 指令集的各种怪癖和琐事，例如存在对同一指令进行多种编码的方式、使用前缀来修改指令行为以及某些指令对标志的处理。作者还指出了移位和旋转指令的一些奇怪之处，以及段寄存器在 32 位和 64 位代码中的作用。总的来说，本文提供了全面了解 x86 CPU 内部工作原理所需的详细程度的内部视角。
Brian Kernighan 谈“编程实践”
Brian Kernighan 是《编程实践》和其他有影响力的书籍的合著者，他讨论了他在贝尔实验室的职业生涯以及 1999 年撰写《编程实践》的动机。他回顾了计算领域在过去几十年的发展历程，从分时和编程语言的兴起到大型语言模型的最新进展。Kernighan 还分享了他向非技术学生教授计算机科学概念的经验，并强调了理解软件抽象层的重要性。对话涵盖了信任抽象和更深入地了解底层系统之间的平衡。总的来说，Kernighan 从行业资深人士的角度对计算的历史和未来提供了宝贵的见解。
通过对比层进行 Dola 解码可提高大型语言模型中的事实性
大型语言模型 (LLM) 容易产生幻觉，生成的内容与预训练期间看到的事实有偏差。
作者提出了一种称为对比层解码 (DoLa) 的解码策略，该策略利用了 LLM 中的事实知识局限于特定的转换器层的事实。
DoLa 通过对比后续层和先前层之间的 logit 差异来获得下一个 token 分布，从而放大来自更高层的事实知识。
在多项选择和开放式生成任务上的实验表明，与基线相比，DoLa 持续提高了 LLaMA 家庭模型的真实性。
DoLa 是一种有效的解码策略，只会产生很小的额外延迟，使其成为提高 LLM 输出真实性的实用方法。
多智能体聊天机器人谋杀案
React App 是一款谋杀悬疑游戏，玩家扮演侦探 Sheerluck 调查受害者 Vince 的死因。每个嫌疑人都有其他嫌疑人的信息，而这些嫌疑人都在向警方隐瞒。您的搭档 Cleo 警官可以调查这些地点并为您提供证据。您的目标是找出杀害 Vince 的凶手、原因和方式。游戏使用批评和修订系统来控制大型语言模型在推理过程中，这可能会影响嫌疑人对您的问题的回答。玩家可以点击“了解更多”按钮来了解有关此底层系统的更多信息。
ai-murder-mystery.onrender.com/
SimSig：铁路信号模拟
SimSig 是一款铁路信号模拟软件，可让用户体验信号员或调度员的角色。它提供了各种铁路网络上信号、道岔和列车路线的真实模拟，包括英国大部分地区、美国小部分地区和澳大利亚部分地区。该软件可在 Windows 8.1 和 10 上运行，也可以在 Wine 和 Crossover 等模拟器上使用。SimSig 提供单人和多人模式，大型模拟最多支持 9 个位置。用户可以下载并试用免费模拟，然后再购买更复杂的付费版本。虽然用户无法创建自己的模拟，但他们可以使用内置时间表编辑器生成自定义列车时刻表。
物理神经网络的训练
物理神经网络 (PNN) 是人工智能研究的一个新兴领域，旨在利用物理硬件、材料和动力学来执行高效的计算和学习。与训练传统的数字神经网络相比，训练 PNN 面临着巨大的挑战，因为物理实现引入了噪声、非线性等复杂性，并且需要对底层物理进行建模。人们已经探索了几种训练方法，包括使用数字模型的计算机方法、物理感知反向传播、无梯度技术以及利用物理系统固有动力学的方法。随着 PNN 的不断发展，它们可能会为更高效、更可扩展的人工智能模型提供机会，尤其是对于推理应用，尽管在开发稳健且可推广的训练技术方面仍然存在重大挑战。该文件还讨论了 PNN 与量子、光子和生物计算等新兴技术相结合以进一步增强其能力的潜力。
在编码中使用 5S 原则
本文讨论了如何将 5S 原则（一种提高效率和生产力的日本方法）应用于编码实践。它探讨了如何在软件开发环境中实施 5S 原则（排序、整理、清洁、标准化和维持），主要使用 JavaScript 作为示例。本文提供了可帮助应用这些原则的实用示例和工具，例如 linting、代码格式化、重构以及建立编码标准和约定。它强调了通过持续集成、代码审查以及持续学习和适应来维护这些实践的重要性。作者建议，通过整合 5S 原则，开发人员可以创建更干净、更高效、更易于维护的代码，从而提高生产力和项目成功率。
