2026-08-06
来源: oschina.net
50
Visual Studio Code 1.132 已发布。本次更新把几个高频但容易割裂的工作环节放进了编辑器：在集成浏览器中针对具体网页元素留下反馈，使用设备端模型进行多语言语音输入，在侧边栏使用聊天功能，并在混合 Markdown 编辑器中查看 Markdown diffs。它们共同指向一个变化：开发者可以在更接近实际页面和文档的上下文中完成反馈、修...
2026-08-06
来源: oschina.net
42
把 Java 服务打成一个 FatJar，发布时确实省事：依赖、配置和业务代码都在一个包里。但运行一段时间后，FatJar 也会暴露出边界：运维想切换数据源地址，业务团队想临时下线某个模块，结果都可能变成“重新构建、重新发布、重启服务”。 Solon 为这类场景准备了两套插件机制：E-Spi（体外扩展）和 H-Spi（热插拔）。前者把一部分能力从主程序...
2026-08-06
来源: oschina.net
40
LuaJIT 作者 Mike Pall 从上游 GitHub 仓库中删除部分旧版本标签，迅速引发了社区讨论。在开源项目里，删除历史标签通常会被视为非常激进的操作；但这次争议的核心，并不只是“标签能不能删”，而是一个更难回答的问题：当项目已经修复了旧版本中的问题，生态是否还应该继续围绕十多年前的版本运转？ 不少项目长期固定依赖 之类的旧标签。对依赖方来说...
2026-08-06
来源: oschina.net
54
Jeff Dean 在 Google 工作了 27 年，最终宣布离开。这条消息之所以引发广泛关注，不只是因为一位知名科学家更换了公司，而是因为 Jeff Dean 几乎参与定义了现代互联网基础设施与大规模机器学习的发展路径。 Google 员工编号 20、MapReduce 作者之一、Bigtable 作者之一、TensorFlow 作者之一、Gemi...
2026-08-06
来源: engineering.fb.com
65
当推荐系统每天处理数十亿次用户互动时，用户刚刚看过什么、点击过什么、停留了多久，以及这些行为发生的先后顺序，往往比一组静态标签更能说明当前意图。Meta 关于广告排序的最新实践，将讨论重点从“如何加入序列特征”推进到了“如何让序列建模在大规模系统中持续扩展”：模型结构、数据处理和计算预算需要一起设计。 传统广告排序系统通常依赖稀疏特征，例如用户兴趣标签...
2026-08-06
来源: cloud.google.com
59
当自动化系统从执行固定步骤，升级为能够理解文档、识别界面、调用模型并自主决策的 Agentic AI，基础设施面对的已经不只是“多部署几张 GPU”。训练任务需要大量高性能算力，在线推理要求稳定低延迟，全球化服务还要兼顾区域容量与成本。 UiPath 为智能文档处理和自主智能体重新设计了 GPU 平台：不再为每个产品维护独立集群，而是通过机器学习服务平...
2026-08-05
来源: infoq.com
56
在流媒体播放过程中，一次广告请求看起来只是“返回一条广告”，实际上要同时处理用户画像、广告候选、预算节奏、瀑布流优先级、实时竞价或内部决策，以及严格的播放时延约束。JioHotstar 对这类系统的实践说明，广告体验的核心并不只是更复杂的推荐模型，而是让多个分布式服务在极短时间内完成协调。 播放器在即将进入广告位时发起请求。请求通常携带内容、广告位、设...
2026-08-05
来源: oschina.net
38
开发者工具箱的价值，往往不在于某一个功能有多复杂，而在于能否把日常工作中频繁出现的小任务集中到一个顺手的界面里。Kairoa 1.1.23 延续了这一方向：它集成哈希计算、时间转换、JSON 格式化、REST 客户端、WebSocket 调试、AI 对话、加解密和网络诊断等 40 多项功能，同时针对文件转 Markdown 场景进行了底层升级。 本次版...
2026-08-05
来源: oschina.net
48
宇连通 Im 的 im-wasm 最近完成了一轮面向多端通信场景的更新。本次变化集中在两个高频问题：如何更快、更稳定地过滤敏感词，以及如何让 Java、Flutter、鸿蒙等客户端使用统一的文件上传能力。 从摘要披露的信息看，新版本已经将部分核心能力下沉到 Rust，并通过 WASM 或跨端封装同步到不同平台。这样做的价值不只是减少重复实现，也有助于让...
2026-08-05
来源: infoq.com
63
解释器的优势是容易实现、便于调试，代价则是热点代码会反复经过取指、解码和分派。Laurence Tratt 在演讲中介绍了 yk：一个开源的元跟踪 JIT 编译器框架，目标是用尽量少、尽量不侵入解释器的改动，为 Lua、MicroPython 等基于 C 的语言解释器自动生成加速代码。 它的关键不在于手写一个完整 JIT，而在于观察解释器自身的执行过程...