2026-07-30
来源: pytorch.org
22
定制 GPU 编译器基础设施常见的难题，不是完成一次漂亮的优化，而是让优化在上游持续变化时仍然可用。Meta 的 FBTriton 一边承载 TLX、autoWS 等编译器创新，一边通过代理式上游摄取和分层的 L1/L2/L3 验证体系保持与 Triton 同步。真正值得借鉴的，是它把“跟进上游”从临时救火变成了一条可重复执行、可以逐层建立信心的工程流...
2026-07-30
来源: huggingface.co
15
GPU 集群越来越像航空公司的机队：采购只是开始，真正决定经济性的，是设备有多少时间在执行有效任务。已经分配却长期空闲的 GPU，就像停在机坪上的飞机，不但没有产出，还持续占用机位、电力、运维预算和折旧成本。 由于来源只给出了“空闲 GPU 如同停飞飞机”这一核心命题，下面不推断特定产品或原文数据，而是围绕这个命题给出一套可以落地的诊断与治理方法。 G...
2026-07-30
来源: cloud.google.com
22
软件供应链攻击的重心正在发生变化。相比入侵大型软件厂商并篡改更新渠道，攻击者越来越多地盯上 npm、PyPI、Docker Hub、GitHub Actions 和开发者工具：接管维护者账号、投放恶意版本、利用安装脚本窃取凭据，再借助被盗令牌继续污染其他项目。 来源材料指出，2025 年至 2026 年上半年出现了一批规模显著扩大的开源供应链攻击，部分...
2026-07-30
来源: blog.cloudflare.com
25
Cloudflare 将 cdnjs 完整迁移到了自己的 Developer Platform。这个开源 CDN 每天处理约 90 亿次请求，因此这不只是一次内部“吃自己的狗粮”，更是对 Workers、Workflows 及整个平台容量边界的真实压力测试。迁移过程中暴露出的限制，也推动了平台配额和能力的提升，并让所有开发者受益。 把 90 亿除以一天...
2026-07-30
来源: realpython.com
16
NumPy 的难点通常不是记住函数名，而是准确判断数组的形状、轴、索引结果和数据类型。数组看似只是一个数字表格，但一次 选择、一次广播或一个布尔掩码，就可能改变计算的范围与结果。 下面围绕数组、轴、广播、索引、掩码和数据类型，建立一套可以直接运行验证的思考方法。 阅读 NumPy 代码时，先写出每个数组的 ，再推导结果。对于二维数组， 通常写成 ： 这...
2026-07-30
来源: cncf.io
20
Kyverno、OPA Gatekeeper 和 Sigstore Policy Controller 等工具通常在 Kubernetes API 层拦截 Pod 创建，并检查镜像签名与证明材料。这道准入关卡很重要，但它验证的是控制面当时看到的声明。Node Resource Interface（NRI）把策略执行点推进到节点和容器运行时附近，使验证器...
2026-07-30
来源: oschina.net
32
Krita 同时发布了 5.3.3 和 6.0.3，两个版本都集中处理错误修复和整体改进。对于创作者，这类维护版本通常意味着更稳定的日常使用体验；对于工作室和插件维护者，真正重要的则是如何在不干扰现有项目的前提下验证新版本，并保留明确的回退路径。 5.3.3 与 6.0.3 同时出现，说明用户不必为了获得修复而立刻跨越主版本。仍在使用 Krita 5 ...
2026-07-30
来源: openai.com
20
GPT-5.6 面向 Luna 和 Terra 的价格下调，真正值得关注的不只是单次调用变便宜，而是原本受预算限制的 AI 工作流开始具备规模化部署的空间。对企业团队来说，价格只是公式中的一个变量；延迟、输出长度、成功率、重试次数和人工复核成本，最终共同决定一项工作流是否划算。 当模型成本较高时，团队通常只把能力较强的模型放在少数关键节点，例如最终审核...
2026-07-30
来源: oschina.net
21
LibreOffice 26.2.5 已经发布。这是 26.2 分支的第五次维护更新，重点不是增加大量新功能，而是修复错误、改善稳定性，并处理 macOS 与 Windows 上 Skia 图形渲染可能引发的崩溃和卡顿问题。对于在桌面环境或自动化任务中使用 LibreOffice 的团队，这类维护版本值得先验证、再逐步部署。 LibreOffice 2...
2026-07-30
来源: my.oschina.net
23
检索增强生成系统的效果，往往不只取决于向量召回。真正决定哪些材料进入大模型上下文的，是召回之后的重排序环节。Jina Reranker 3.5 以约 6 亿参数实现了一次针对专业领域检索的升级：它在判例法任务上比 v3 提升超过 50%，在法律、医疗和金融基准中缩小了与参数规模大 7 倍模型的差距，并在结构化数据任务上直接超过这些大模型。 更重要的是，...