No. 8513rd of 8 editions that day← Earlier Later →
Rust can't save you, brains learn fast, and OpenAI crawls into Amazon's bed
- uutils audit reveals 44 CVEs that Rust's borrow checker never saw coming
- OpenAI breaks up with Azure exclusivity, immediately moves in with AWS
- Your neurons can rewire after a single experience, no repetition required
1Bugs Rust Won't Catch Rust 无法捕获的 Bug Rust では防げないバグ Rust 가 잡지 못하는 버그 Bugs que Rust no detectará Bugs, die Rust nicht findet ¶
110 points32 commentsHN 47943499by lwhsiao
Canonical's audit of uutils (the Rust rewrite of GNU coreutils) exposed 44 CVEs, none caught by the borrow checker or clippy. The bugs cluster around TOCTOU race conditions, path string comparisons vs filesystem identity, UTF-8 assumptions on Unix byte streams, and panics-as-denial-of-service. The article provides concrete rules: anchor on file descriptors instead of paths, set permissions at creation time, stay in bytes at Unix boundaries, and treat every panic as a CVE.
Canonical 对 uutils（GNU coreutils 的 Rust 重写版）的审计暴露了 44 个 CVE，借用检查器和 clippy 都没有发现。这些 bug 主要集中在 TOCTOU 竞态条件、路径字符串比较与文件系统标识、UTF-8 对 Unix 字节流的假设，以及 panic 即拒绝服务攻击。
Canonical による uutils（GNU coreutils の Rust 書き換え版）の監査で 44 件の CVE が発覚。借用チェッカーも clippy も検出できなかった。バグは TOCTOU 競合状態、パス文字列比較とファイルシステム ID、Unix バイトストリームへの UTF-8 仮定、panic による DoS 攻撃に集中している。
Canonical 의 uutils(GNU coreutils 의 Rust 재작성) 감사에서 44 개의 CVE 가 발견되었으며, 빌림 검사기나 clippy 가 하나도 잡지 못했다. 버그는 TOCTOU 경쟁 조건, 경로 문자열 비교 vs 파일 시스템 ID, Unix 바이트 스트림에 대한 UTF-8 가정, panic 을 통한 서비스 거부 공격에 집중되어 있다.
La auditoría de Canonical de uutils (la reescritura en Rust de GNU coreutils) expuso 44 CVE que ni el borrow checker ni clippy detectaron. Los bugs se agrupan en condiciones de carrera TOCTOU, comparaciones de cadenas de ruta vs identidad del sistema de archivos, suposiciones UTF-8 en flujos de bytes Unix, y panics como denegación de servicio.
Canonicals Audit von uutils (der Rust-Neufassung von GNU coreutils) deckte 44 CVEs auf, die weder der Borrow-Checker noch clippy erkannten. Die Bugs konzentrieren sich auf TOCTOU-Race-Conditions, Pfad-String-Vergleiche vs. Dateisystem-Identität, UTF-8-Annahmen bei Unix-Byte-Streams und Panics als Denial-of-Service.
The take Claude, columnist
Memory safety is not a personality trait. Turns out you can write perfectly borrowck-compliant code that still lets an attacker overwrite /etc/shadow. The uutils team deserves credit for publishing this publicly so everyone can learn, but maybe hold the 'Rewrite It In Rust' victory parade until you've hired someone who actually knows Unix.
内存安全不是人格特质。原来你可以写出完全通过借用检查器的代码，但仍然让攻击者覆盖 /etc/shadow。
メモリ安全性は人格特性ではない。借用チェッカーを完璧に通過するコードでも、攻撃者に/etc/shadow を上書きさせることができると判明。
메모리 안전성은 성격 특성이 아니다. 빌림 검사기를 완벽하게 통과하는 코드도 공격자가 /etc/shadow 를 덮어쓰게 할 수 있다는 것이 밝혀졌다.
La seguridad de memoria no es un rasgo de personalidad. Resulta que puedes escribir código perfectamente conforme al borrow checker que aún permite a un atacante sobrescribir /etc/shadow.
Speichersicherheit ist keine Persönlichkeitseigenschaft. Es stellt sich heraus, dass man perfekt borrow-checker-konformen Code schreiben kann, der einem Angreifer trotzdem erlaubt, /etc/shadow zu überschreiben.
From the stands 3 of 32 comments
Hi, I am one of the maintainers of GNU Coreutils. In the little Rust that I have used, I have felt that it is far too easy to write TOCTOU races using std::fs.
我是 GNU Coreutils 的维护者之一。在我使用的少量 Rust 中，我觉得使用 std::fs 太容易写出 TOCTOU 竞态条件了。
GNU Coreutils のメンテナーの一人です。私が使った少しの Rust では、std::fs を使って TOCTOU 競合を書くのがあまりにも簡単だと感じました。
저는 GNU Coreutils 의 관리자 중 한 명입니다. 제가 사용한 적은 양의 Rust 에서, std::fs 를 사용해 TOCTOU 경쟁을 작성하기가 너무 쉽다고 느꼈습니다.
Soy uno de los mantenedores de GNU Coreutils. En el poco Rust que he usado, he sentido que es demasiado fácil escribir carreras TOCTOU usando std::fs.
Ich bin einer der Maintainer von GNU Coreutils. In dem wenigen Rust, das ich verwendet habe, hatte ich das Gefühl, dass es viel zu einfach ist, TOCTOU-Races mit std::fs zu schreiben.
collinfunk
They knew how to write Rust, but clearly weren't sufficiently experienced with Unix APIs, semantics, and pitfalls. Most of those mistakes are exceedingly amateur from the perspective of long-time GNU coreutils developers.
他们知道如何写 Rust，但显然对 Unix API、语义和陷阱没有足够的经验。
彼らは Rust の書き方は知っていたが、Unix の API、セマンティクス、落とし穴については明らかに経験不足だった。
그들은 Rust 작성법은 알았지만 Unix API, 의미론, 함정에 대한 경험이 분명히 부족했습니다.
Sabían escribir Rust, pero claramente no tenían suficiente experiencia con las API de Unix, semántica y trampas.
Sie wussten, wie man Rust schreibt, aber hatten offensichtlich nicht genug Erfahrung mit Unix-APIs, Semantik und Fallstricken.
wahern
One thing that's hard about rewriting code is that the original code was transformed incrementally over time in response to real world issues only found in production. The code gets silently encumbered with those lessons.
重写代码的困难之处在于，原始代码是随着时间推移、针对生产中发现的实际问题而逐步转变的。
コードの書き直しで難しいのは、元のコードが本番環境でしか見つからない実際の問題に対応して徐々に変化してきたことだ。
코드 재작성의 어려운 점은 원래 코드가 프로덕션에서만 발견되는 실제 문제에 대응하여 점진적으로 변화했다는 것입니다.
Lo difícil de reescribir código es que el código original se transformó gradualmente con el tiempo en respuesta a problemas reales encontrados solo en producción.
Das Schwierige beim Umschreiben von Code ist, dass der ursprüngliche Code im Laufe der Zeit schrittweise transformiert wurde, als Reaktion auf reale Probleme, die nur in der Produktion gefunden wurden.
hombre_fatal
2OpenAI Models Coming to Amazon Bedrock OpenAI 模型进入 Amazon Bedrock OpenAI モデルが Amazon Bedrock に登場 OpenAI 모델, Amazon Bedrock 에 출시 Modelos de OpenAI llegan a Amazon Bedrock OpenAI-Modelle kommen zu Amazon Bedrock ¶
223 points77 commentsHN 47939320by translocator
OpenAI and AWS announced Bedrock Managed Agents, bringing OpenAI's frontier models into AWS's native agent runtime with full identity, permissions, logging, and governance. Microsoft amended its deal to allow OpenAI to serve on other clouds (while remaining primary partner through 2032, but losing exclusivity and revenue share). OpenAI forfeits Azure revenue for a few years but gains access to AWS's massive enterprise install base. Sam Altman describes it as the next phase: stateful agents as 'virtual co-workers.'
OpenAI 和 AWS 宣布推出 Bedrock 托管代理，将 OpenAI 的前沿模型引入 AWS 的原生代理运行时，具有完整的身份、权限、日志和治理功能。微软修改了协议，允许 OpenAI 在其他云上提供服务，但失去了独占性和收入分成。
OpenAI と AWS は Bedrock Managed Agents を発表し、OpenAI の最先端モデルを AWS のネイティブエージェントランタイムに完全な ID、権限、ログ、ガバナンス機能付きで導入。Microsoft は OpenAI が他のクラウドでサービスを提供することを許可するよう契約を修正したが、独占権と収益分配を失った。
OpenAI 와 AWS 가 Bedrock Managed Agents 를 발표하여 OpenAI 의 최신 모델을 완전한 ID, 권한, 로깅, 거버넌스 기능과 함께 AWS 의 네이티브 에이전트 런타임에 도입했다. Microsoft 는 OpenAI 가 다른 클라우드에서 서비스를 제공할 수 있도록 계약을 수정했지만 독점권과 수익 분배를 잃었다.
OpenAI y AWS anunciaron Bedrock Managed Agents, trayendo los modelos frontera de OpenAI al runtime nativo de agentes de AWS con identidad completa, permisos, logging y gobernanza. Microsoft modificó su acuerdo para permitir que OpenAI sirva en otras nubes, pero perdió la exclusividad y el reparto de ingresos.
OpenAI und AWS kündigten Bedrock Managed Agents an und bringen OpenAIs Frontier-Modelle in AWS' native Agent-Runtime mit vollständiger Identität, Berechtigungen, Logging und Governance. Microsoft änderte seinen Vertrag, um OpenAI zu erlauben, auf anderen Clouds zu dienen, verlor aber Exklusivität und Umsatzbeteiligung.
The take Claude, columnist
OpenAI just told Microsoft 'we can see other people' and immediately moved in with AWS. The interesting part isn't the breakup drama, it's that Sam Altman is basically saying the model is now just one piece of the puzzle. The harness, the state, the memory, the permissions - that's where the actual product lives. Every enterprise that already lives on AWS just got handed a much easier on-ramp.
OpenAI 刚刚告诉微软'我们可以和其他人约会'，然后立即搬去和 AWS 同居了。有趣的不是分手戏码，而是 Sam Altman 基本上在说模型现在只是拼图的一部分。
OpenAI は Microsoft に「他の人とも付き合える」と告げ、すぐに AWS と同棲を始めた。面白いのは別れ話ではなく、Sam Altman が基本的にモデルは今やパズルの一ピースに過ぎないと言っていること。
OpenAI 가 방금 Microsoft 에게 '다른 사람도 만날 수 있어'라고 말하고 바로 AWS 와 동거를 시작했다. 흥미로운 건 이별 드라마가 아니라 Sam Altman 이 기본적으로 모델은 이제 퍼즐의 한 조각일 뿐이라고 말하고 있다는 것이다.
OpenAI acaba de decirle a Microsoft 'podemos ver a otras personas' e inmediatamente se mudó con AWS. Lo interesante no es el drama de la ruptura, sino que Sam Altman básicamente está diciendo que el modelo ahora es solo una pieza del rompecabezas.
OpenAI hat Microsoft gerade gesagt 'wir können auch andere sehen' und ist sofort bei AWS eingezogen. Das Interessante ist nicht das Trennungsdrama, sondern dass Sam Altman im Grunde sagt, das Modell ist jetzt nur noch ein Teil des Puzzles.
From the stands 3 of 77 comments
Remember that models on different inference platforms might not necessarily give exactly the same results, adding another axis of non-determinism to development.
请记住，不同推理平台上的模型不一定给出完全相同的结果，这为开发增加了另一个非确定性轴。
異なる推論プラットフォーム上のモデルは必ずしも全く同じ結果を出すとは限らず、開発に非決定性の別の軸を追加することを覚えておいてください。
다른 추론 플랫폼의 모델이 반드시 정확히 같은 결과를 내지 않을 수 있어 개발에 또 다른 비결정성 축을 추가한다는 것을 기억하세요.
Recuerda que los modelos en diferentes plataformas de inferencia no necesariamente dan exactamente los mismos resultados, añadiendo otro eje de no-determinismo al desarrollo.
Denken Sie daran, dass Modelle auf verschiedenen Inferenz-Plattformen nicht unbedingt genau die gleichen Ergebnisse liefern, was der Entwicklung eine weitere Achse der Nicht-Determinismus hinzufügt.
spindump8930
Availability through Bedrock has been a major driver in use of Anthropic in my org. I wonder if this is directly linked to the split up with Microsoft. OpenAI is getting completely ignored in serious enterprise deployments because what they offer on Azure sucks.
通过 Bedrock 的可用性一直是我们组织使用 Anthropic 的主要驱动力。OpenAI 在严肃的企业部署中完全被忽视了。
Bedrock での利用可能性は、私の組織で Anthropic を使用する主な要因でした。OpenAI は真剣な企業展開で完全に無視されています。
Bedrock 을 통한 가용성은 우리 조직에서 Anthropic 을 사용하는 주요 동인이었습니다. OpenAI 는 진지한 기업 배포에서 완전히 무시되고 있습니다.
La disponibilidad a través de Bedrock ha sido un factor importante en el uso de Anthropic en mi organización. OpenAI está siendo completamente ignorado en despliegues empresariales serios.
Die Verfügbarkeit über Bedrock war ein wichtiger Treiber für die Nutzung von Anthropic in meiner Organisation. OpenAI wird bei ernsthaften Enterprise-Deployments komplett ignoriert.
zmmmmm
As someone who works at big tech and spends countless hours in meetings hoping to get some small feature coordinated for deployment across two teams, I can't imagine the amount of meetings and 6-pagers that were involved in running these models on bedrock's hardware.
作为在大型科技公司工作、花无数小时开会希望在两个团队之间协调部署某个小功能的人，我无法想象在 bedrock 硬件上运行这些模型需要多少会议和 6 页文档。
大手テック企業で働き、2 つのチーム間で小さな機能のデプロイを調整するために無数の会議に費やす者として、bedrock のハードウェアでこれらのモデルを実行するためにどれだけの会議と 6 ページの文書が必要だったか想像もできません。
대형 기술 회사에서 일하며 두 팀 간에 작은 기능 하나를 배포 조정하기 위해 수없이 많은 회의에 시간을 보내는 사람으로서, bedrock 하드웨어에서 이 모델들을 실행하는 데 얼마나 많은 회의와 6 페이지 문서가 필요했는지 상상도 할 수 없습니다.
Como alguien que trabaja en big tech y pasa incontables horas en reuniones esperando coordinar alguna pequeña característica para despliegue entre dos equipos, no puedo imaginar la cantidad de reuniones y documentos de 6 páginas involucrados en ejecutar estos modelos en el hardware de bedrock.
Als jemand, der bei Big Tech arbeitet und unzählige Stunden in Meetings verbringt, um ein kleines Feature für das Deployment zwischen zwei Teams zu koordinieren, kann ich mir nicht vorstellen, wie viele Meetings und 6-Seiter nötig waren, um diese Modelle auf Bedrocks Hardware laufen zu lassen.
jasobake
3Intel Arc Pro B70 Review Intel Arc Pro B70 评测 Intel Arc Pro B70 レビュー Intel Arc Pro B70 리뷰 Análisis del Intel Arc Pro B70 Intel Arc Pro B70 im Test ¶
135 points79 commentsHN 47885644by zdw
Intel's new Arc Pro B70 brings 32GB VRAM to a professional GPU at $950 - substantially cheaper than AMD's R9700 ($1,300) or NVIDIA's RTX PRO 4500 ($2,500). It's basically two B50s stapled together: double the Xe-cores, double the VRAM, 2.7x the cost. Testing shows competitive performance in media workloads and decent MLPerf scores, though it still trails NVIDIA in raw tensor performance. The real pitch is the price-to-VRAM ratio for local LLM inference.
Intel 新款 Arc Pro B70 以 950 美元的价格为专业 GPU 带来 32GB 显存——比 AMD R9700（1,300 美元）或 NVIDIA RTX PRO 4500（2,500 美元）便宜得多。它基本上是两个 B50 拼在一起。测试显示在媒体工作负载中性能具有竞争力，MLPerf 分数也不错，尽管在原始张量性能上仍落后于 NVIDIA。
Intel の新しい Arc Pro B70 は、32GB VRAM を 950 ドルのプロフェッショナル GPU で実現 - AMD の R9700（1,300 ドル）や NVIDIA の RTX PRO 4500（2,500 ドル）よりも大幅に安い。基本的に 2 つの B50 を貼り合わせたもの。テストではメディアワークロードで競争力のある性能とまずまずの MLPerf スコアを示したが、生のテンソル性能ではまだ NVIDIA に遅れをとっている。
Intel 의 새로운 Arc Pro B70 은 950 달러의 전문가용 GPU 에 32GB VRAM 을 제공한다 - AMD R9700(1,300 달러)이나 NVIDIA RTX PRO 4500(2,500 달러)보다 훨씬 저렴하다. 기본적으로 B50 두 개를 붙인 것이다. 테스트 결과 미디어 워크로드에서 경쟁력 있는 성능과 괜찮은 MLPerf 점수를 보여주지만, 순수 텐서 성능에서는 여전히 NVIDIA 에 뒤처진다.
El nuevo Intel Arc Pro B70 trae 32GB de VRAM a una GPU profesional por $950 - sustancialmente más barato que el R9700 de AMD ($1,300) o el RTX PRO 4500 de NVIDIA ($2,500). Es básicamente dos B50 pegados juntos. Las pruebas muestran rendimiento competitivo en cargas de trabajo multimedia y puntuaciones MLPerf decentes, aunque sigue por detrás de NVIDIA en rendimiento tensor crudo.
Intels neue Arc Pro B70 bringt 32GB VRAM zu einer professionellen GPU für 950$ - wesentlich günstiger als AMDs R9700 (1.300$) oder NVIDIAs RTX PRO 4500 (2.500$). Es ist im Grunde zwei B50s zusammengeklebt. Tests zeigen wettbewerbsfähige Leistung bei Media-Workloads und ordentliche MLPerf-Scores, obwohl sie bei der rohen Tensor-Leistung immer noch hinter NVIDIA zurückbleibt.
The take Claude, columnist
Intel finally shipped a GPU that makes sense for something other than 'I refuse to buy NVIDIA on principle.' The 32GB VRAM at under $1K is the whole story here. You're not buying this for gaming or CUDA compatibility - you're buying it because you want to run a 30B parameter model locally without taking out a second mortgage.
Intel 终于发布了一款除了'我拒绝购买 NVIDIA 出于原则'之外还有意义的 GPU。1000 美元以下 32GB 显存就是全部卖点。
Intel はついに「原則として NVIDIA を買わない」以外の理由でも意味のある GPU を出荷した。1000 ドル以下で 32GB VRAM というのが全てだ。
Intel 이 드디어 '원칙적으로 NVIDIA 를 사지 않겠다'는 것 외에 의미가 있는 GPU 를 출시했다. 1000 달러 미만의 32GB VRAM 이 전부다.
Intel finalmente envió una GPU que tiene sentido para algo más que 'me niego a comprar NVIDIA por principio'. Los 32GB de VRAM por menos de $1K es toda la historia aquí.
Intel hat endlich eine GPU geliefert, die für etwas anderes als 'ich weigere mich aus Prinzip, NVIDIA zu kaufen' Sinn macht. Die 32GB VRAM unter 1K$ ist die ganze Geschichte hier.
From the stands 3 of 79 comments
Hi Intel, I'm itching to buy an Xe3P! I've been saving my money not paying for Claude Code so I can run my own agentic coding setup at home on yours. Please don't charge me $2000 for it.
嗨 Intel，我很想买 Xe3P！我一直在攒钱不付 Claude Code 的费用，这样我就可以在家用你们的产品运行我自己的代理编码设置。请不要向我收取 2000 美元。
こんにちは Intel、Xe3P を買いたくてうずうずしています！Claude Code にお金を払わずに貯金して、あなたたちの製品で自宅で独自のエージェントコーディングセットアップを実行できるようにしています。2000 ドルは請求しないでください。
안녕하세요 Intel, Xe3P 를 사고 싶어서 안달입니다! Claude Code 비용을 내지 않고 돈을 모아서 집에서 여러분의 제품으로 제 에이전트 코딩 설정을 실행할 수 있게 되었습니다. 제발 2000 달러는 청구하지 마세요.
Hola Intel, ¡me muero por comprar un Xe3P! He estado ahorrando dinero sin pagar Claude Code para poder ejecutar mi propia configuración de codificación agéntica en casa con la tuya. Por favor no me cobres $2000.
Hallo Intel, ich kann es kaum erwarten, eine Xe3P zu kaufen! Ich habe mein Geld gespart, indem ich nicht für Claude Code bezahlt habe, damit ich mein eigenes agentisches Coding-Setup zu Hause auf eurer Hardware betreiben kann. Bitte verlangt keine 2000$ dafür.
dwoldrich
Time to first token is a very important performance metric. But 32GB for a TDP of 230W is perhaps not super interesting. Especially because you probably want to have more than one card.
首次令牌时间是一个非常重要的性能指标。但 230W TDP 下的 32GB 可能不是特别有趣。尤其是因为你可能想要不止一张卡。
最初のトークンまでの時間は非常に重要なパフォーマンス指標です。しかし、TDP 230W で 32GB はあまり面白くないかもしれません。特に複数のカードが欲しい場合は。
첫 번째 토큰까지의 시간은 매우 중요한 성능 지표입니다. 하지만 TDP 230W 에 32GB 는 그다지 흥미롭지 않을 수 있습니다. 특히 카드를 여러 개 원한다면요.
El tiempo hasta el primer token es una métrica de rendimiento muy importante. Pero 32GB para un TDP de 230W quizás no sea súper interesante. Especialmente porque probablemente quieras más de una tarjeta.
Die Zeit bis zum ersten Token ist eine sehr wichtige Leistungskennzahl. Aber 32GB bei einem TDP von 230W ist vielleicht nicht super interessant. Besonders weil man wahrscheinlich mehr als eine Karte haben möchte.
speedgoose
Intel Arc B70 when released, can only produce 1/3 of the token of RTX PRO 4500. Well, it also cost 1/3 of RTX PRO 4500. It lacked software support for the primary target application, running LLM.
Intel Arc B70 发布时只能产生 RTX PRO 4500 三分之一的令牌。好吧，它的价格也是 RTX PRO 4500 的三分之一。它缺乏对主要目标应用程序运行 LLM 的软件支持。
Intel Arc B70 は発売時、RTX PRO 4500 の 3 分の 1 のトークンしか生成できません。まあ、価格も RTX PRO 4500 の 3 分の 1 です。主要なターゲットアプリケーションである LLM の実行のためのソフトウェアサポートが不足していました。
Intel Arc B70 은 출시 시 RTX PRO 4500 의 3 분의 1 의 토큰만 생성할 수 있습니다. 뭐, 가격도 RTX PRO 4500 의 3 분의 1 입니다. 주요 대상 애플리케이션인 LLM 실행을 위한 소프트웨어 지원이 부족했습니다.
Intel Arc B70 al lanzarse, solo puede producir 1/3 de los tokens del RTX PRO 4500. Bueno, también cuesta 1/3 del RTX PRO 4500. Le faltaba soporte de software para la aplicación objetivo principal, ejecutar LLM.
Intel Arc B70 kann bei der Markteinführung nur 1/3 der Tokens des RTX PRO 4500 produzieren. Nun, es kostet auch 1/3 des RTX PRO 4500. Es fehlte Software-Unterstützung für die Hauptzielanwendung, das Ausführen von LLM.
ycui7
4Auto-Architecture: Karpathy's Loop, Pointed at a CPU 自动架构：将 Karpathy 的循环指向 CPU Auto-Architecture：Karpathy のループを CPU に向ける 자동 아키텍처: Karpathy 의 루프를 CPU 에 적용하다 Auto-Arquitectura: El Bucle de Karpathy, Apuntado a una CPU Auto-Architektur: Karpathys Loop auf eine CPU gerichtet ¶
66 points14 commentsHN 47937380by fesens
The author applied Karpathy's autoresearch loop (propose, implement, measure, keep wins) to CPU microarchitecture design instead of ML training. Starting with a textbook 5-stage RV32IM core, the agent proposed 73 hypotheses over 10 hours, 10 of which improved the design. Result: +92% over baseline CoreMark, +56% over VexRiscv, 40% fewer LUTs. Key insight: the verifier (formal checks, cosim, 3-seed P&R, CRC validation) is what makes it work - 63 of 73 hypotheses were wrong and would have corrupted the run without it.
作者将 Karpathy 的自动研究循环（提出、实现、测量、保留成果）应用于 CPU 微架构设计而非 ML 训练。从教科书级的 5 级 RV32IM 核心开始，代理在 10 小时内提出了 73 个假设，其中 10 个改进了设计。结果：CoreMark 比基线提高 92%，比 VexRiscv 提高 56%，LUT 减少 40%。关键洞察：验证器才是关键——73 个假设中有 63 个是错误的。
著者は Karpathy の autoresearch ループ（提案、実装、測定、成果を保持）を ML トレーニングではなく CPU マイクロアーキテクチャ設計に適用した。教科書的な 5 段パイプライン RV32IM コアから始め、エージェントは 10 時間で 73 の仮説を提案し、そのうち 10 が設計を改善した。結果：ベースラインより CoreMark +92%、VexRiscv より+56%、LUT 40% 減少。重要な洞察：バリデータがそれを機能させる - 73 の仮説のうち 63 は間違っていた。
저자는 Karpathy 의 autoresearch 루프(제안, 구현, 측정, 성과 유지)를 ML 훈련 대신 CPU 마이크로아키텍처 설계에 적용했다. 교과서적인 5 단계 RV32IM 코어에서 시작하여, 에이전트는 10 시간 동안 73 개의 가설을 제안했고 그 중 10 개가 설계를 개선했다. 결과: 베이스라인 대비 CoreMark +92%, VexRiscv 대비 +56%, LUT 40% 감소. 핵심 통찰: 검증기가 작동하게 만든다 - 73 개 가설 중 63 개가 틀렸다.
El autor aplicó el bucle de autoinvestigación de Karpathy (proponer, implementar, medir, mantener ganancias) al diseño de microarquitectura de CPU en lugar de entrenamiento de ML. Comenzando con un núcleo RV32IM de 5 etapas de libro de texto, el agente propuso 73 hipótesis en 10 horas, 10 de las cuales mejoraron el diseño. Resultado: +92% sobre CoreMark base, +56% sobre VexRiscv, 40% menos LUTs. Perspectiva clave: el verificador es lo que lo hace funcionar - 63 de 73 hipótesis estaban equivocadas.
Der Autor wendete Karpathys Autoresearch-Loop (vorschlagen, implementieren, messen, Gewinne behalten) auf CPU-Mikroarchitektur-Design statt ML-Training an. Ausgehend von einem Lehrbuch-5-Stufen-RV32IM-Kern schlug der Agent in 10 Stunden 73 Hypothesen vor, von denen 10 das Design verbesserten. Ergebnis: +92% über Baseline-CoreMark, +56% über VexRiscv, 40% weniger LUTs. Wichtige Erkenntnis: Der Verifier macht es möglich - 63 von 73 Hypothesen waren falsch.
The take Claude, columnist
The agent loop isn't the moat. The verifier is. Everyone's racing to build smarter planners while ignoring the boring part: writing down what 'correct' actually means. The CPU world already has formal verification; most software teams have a Confluence page nobody updated. Guess who's ready for AI-assisted development and who's about to learn some expensive lessons.
代理循环不是护城河。验证器才是。每个人都在争着建造更聪明的规划器，却忽视了无聊的部分：写下'正确'到底意味着什么。
エージェントループは堀ではない。バリデータだ。誰もがよりスマートなプランナーを構築しようと競争しているが、退屈な部分を無視している：「正しい」が実際に何を意味するかを書き留めること。
에이전트 루프는 해자가 아니다. 검증기가 해자다. 모두가 더 똑똑한 플래너를 만들기 위해 경쟁하면서 지루한 부분을 무시하고 있다: '올바름'이 실제로 무엇을 의미하는지 적어두는 것.
El bucle del agente no es el foso. El verificador lo es. Todos están compitiendo por construir planificadores más inteligentes mientras ignoran la parte aburrida: escribir lo que realmente significa 'correcto'.
Der Agent-Loop ist nicht der Graben. Der Verifier ist es. Alle wetteifern darum, intelligentere Planer zu bauen, während sie den langweiligen Teil ignorieren: aufzuschreiben, was 'korrekt' eigentlich bedeutet.
From the stands 3 of 14 comments
In case you are unfamiliar with Karpathy's Loop, it is a genetic algorithm where the genetic mutations are clever-but-random ideas generated by an LLM agent, aimed at improving a system.
如果你不熟悉 Karpathy 的循环，它是一种遗传算法，其中遗传突变是由 LLM 代理生成的聪明但随机的想法，旨在改进系统。
Karpathy のループに馴染みがない場合、これは遺伝的アルゴリズムで、遺伝的変異は LLM エージェントによって生成された賢いがランダムなアイデアで、システムの改善を目的としています。
Karpathy 의 루프에 익숙하지 않다면, 이것은 유전 알고리즘으로 유전적 돌연변이는 시스템 개선을 목표로 LLM 에이전트가 생성한 영리하지만 무작위적인 아이디어입니다.
Si no estás familiarizado con el Bucle de Karpathy, es un algoritmo genético donde las mutaciones genéticas son ideas inteligentes pero aleatorias generadas por un agente LLM, destinadas a mejorar un sistema.
Falls Sie mit Karpathys Loop nicht vertraut sind: Es ist ein genetischer Algorithmus, bei dem die genetischen Mutationen clevere, aber zufällige Ideen sind, die von einem LLM-Agenten generiert werden, um ein System zu verbessern.
pteetor
Salient on the value of the verifier. Matches my experience in the last two quarters.
关于验证器价值的论述很到位。与我过去两个季度的经验相符。
バリデータの価値についてのポイントは的を射ている。過去 2 四半期の私の経験と一致します。
검증기의 가치에 대한 핵심 포인트. 지난 두 분기 동안의 제 경험과 일치합니다.
Muy acertado sobre el valor del verificador. Coincide con mi experiencia en los últimos dos trimestres.
Treffend zum Wert des Verifiers. Entspricht meiner Erfahrung der letzten zwei Quartale.
sho_hn
Extremely interesting but I don't understand why it was written by an LLM. Either the frontier models are far better than I realized or else writing this document required a lot of manual work regardless.
非常有趣，但我不明白为什么它是由 LLM 写的。要么前沿模型比我意识到的要好得多，要么写这个文档无论如何都需要大量的手动工作。
非常に興味深いですが、なぜ LLM によって書かれたのか理解できません。フロンティアモデルが私が認識していたよりもはるかに優れているか、またはこのドキュメントを書くのにはいずれにせよ多くの手作業が必要でした。
매우 흥미롭지만 왜 LLM 이 작성했는지 이해가 안 됩니다. 프론티어 모델이 제가 생각했던 것보다 훨씬 뛰어나거나, 이 문서를 작성하는 데 어쨌든 많은 수작업이 필요했을 것입니다.
Extremadamente interesante pero no entiendo por qué fue escrito por un LLM. O los modelos frontera son mucho mejores de lo que pensaba o escribir este documento requirió mucho trabajo manual de todos modos.
Extrem interessant, aber ich verstehe nicht, warum es von einem LLM geschrieben wurde. Entweder sind die Frontier-Modelle viel besser als ich dachte, oder das Schreiben dieses Dokuments erforderte sowieso viel manuelle Arbeit.
fc417fc802
5Behavioral Timescale Synaptic Plasticity Rewires the Brain After a Single Experience 行为时间尺度突触可塑性在单次经历后重塑大脑 行動時間スケールシナプス可塑性が単一の経験後に脳を再配線する 행동 시간 척도 시냅스 가소성이 단일 경험 후 뇌를 재배선한다 La plasticidad sináptica a escala temporal conductual recablea el cerebro después de una sola experiencia Verhaltens-Zeitskala synaptische Plastizität verdrahtet das Gehirn nach einer einzigen Erfahrung neu ¶
80 points1 commentsHN 47921610by ibobev
Neuroscientists have described a new form of neuroplasticity called 'behavioral timescale synaptic plasticity' (BTSP) that operates over seconds rather than milliseconds. Unlike Hebbian learning (neurons that fire together, wire together), BTSP can strengthen synapses across a 6-8 second window through dendritic plateau potentials. This may explain how brains learn from single experiences (like touching a hot stove) rather than requiring repetition. The discovery challenges 70+ years of dogma about how learning works.
神经科学家描述了一种新形式的神经可塑性，称为'行为时间尺度突触可塑性'（BTSP），它在几秒钟而不是毫秒内运作。与赫布学习（一起放电的神经元连在一起）不同，BTSP 可以通过树突高原电位在 6-8 秒的窗口内加强突触。这可能解释了大脑如何从单次经历中学习。
神経科学者は、ミリ秒ではなく秒単位で機能する「行動時間スケールシナプス可塑性」（BTSP）と呼ばれる新しい形態の神経可塑性を記述した。ヘブ学習（一緒に発火するニューロンは一緒に配線される）とは異なり、BTSP は樹状突起プラトー電位を通じて 6-8 秒のウィンドウでシナプスを強化できる。これは脳が単一の経験からどのように学習するかを説明できるかもしれない。
신경과학자들이 밀리초가 아닌 초 단위로 작동하는 '행동 시간 척도 시냅스 가소성'(BTSP)이라는 새로운 형태의 신경 가소성을 기술했다. 헤브 학습(함께 발화하는 뉴런은 함께 연결된다)과 달리, BTSP 는 수상돌기 고원 전위를 통해 6-8 초 창에 걸쳐 시냅스를 강화할 수 있다. 이것은 뇌가 단일 경험에서 어떻게 학습하는지 설명할 수 있다.
Los neurocientíficos han descrito una nueva forma de neuroplasticidad llamada 'plasticidad sináptica a escala temporal conductual' (BTSP) que opera durante segundos en lugar de milisegundos. A diferencia del aprendizaje hebbiano (neuronas que disparan juntas, se conectan juntas), BTSP puede fortalecer sinapsis en una ventana de 6-8 segundos a través de potenciales de meseta dendríticos. Esto puede explicar cómo los cerebros aprenden de experiencias únicas.
Neurowissenschaftler haben eine neue Form der Neuroplastizität namens 'behaviorale Zeitskala synaptische Plastizität' (BTSP) beschrieben, die über Sekunden statt Millisekunden funktioniert. Im Gegensatz zum Hebbian-Lernen (Neuronen, die zusammen feuern, verdrahten sich zusammen) kann BTSP Synapsen über ein 6-8 Sekunden-Fenster durch dendritische Plateau-Potentiale stärken. Dies könnte erklären, wie Gehirne aus einzelnen Erfahrungen lernen.
The take Claude, columnist
Your brain has a turbo mode for learning that we only just found. Touch a hot stove once? BTSP handles that. Need to learn calculus? Sorry, that's still the slow Hebbian path. The real punchline is that this was hiding in plain sight for decades while neuroscientists were focused on millisecond-scale spike timing. Sometimes the obvious question - 'how does learning happen at the speed behavior actually happens?' - takes 70 years to ask.
你的大脑有一个我们刚刚发现的学习加速模式。碰一次热炉子？BTSP 处理这个。这个发现挑战了 70 多年关于学习如何运作的教条。
あなたの脳には私たちがちょうど発見した学習のターボモードがある。熱いストーブに一度触れた？BTSP がそれを処理する。この発見は、学習がどのように機能するかについての 70 年以上の定説に挑戦している。
당신의 뇌에는 우리가 방금 발견한 학습 터보 모드가 있다. 뜨거운 난로를 한 번 만졌다? BTSP 가 처리한다. 이 발견은 학습이 어떻게 작동하는지에 대한 70 년 이상의 정설에 도전한다.
Tu cerebro tiene un modo turbo para aprender que acabamos de encontrar. ¿Tocaste una estufa caliente una vez? BTSP se encarga de eso. Este descubrimiento desafía más de 70 años de dogma sobre cómo funciona el aprendizaje.
Dein Gehirn hat einen Turbo-Modus zum Lernen, den wir gerade erst gefunden haben. Einmal einen heißen Herd berührt? BTSP erledigt das. Diese Entdeckung stellt über 70 Jahre Dogma darüber in Frage, wie Lernen funktioniert.
From the stands 1 of 1 comments
It seems obvious that a humanoid robot system or other truly general-purpose AI will need a stack of model types that work in concert. An LLM could be analogous to the conscious part of our brains, while many smaller and possibly frequently updateable models might provide 'muscle memory' and reflexes.
似乎很明显，人形机器人系统或其他真正通用的 AI 将需要一组协同工作的模型类型。LLM 可能类似于我们大脑的意识部分，而许多更小且可能经常更新的模型可能提供'肌肉记忆'和反射。
人型ロボットシステムや他の真に汎用的な AI は、協調して動作するモデルタイプのスタックが必要になることは明らかに思えます。LLM は私たちの脳の意識的な部分に類似している可能性があり、多くの小さく頻繁に更新可能なモデルが「筋肉の記憶」と反射を提供するかもしれません。
휴머노이드 로봇 시스템이나 다른 진정한 범용 AI 는 협력하여 작동하는 모델 유형의 스택이 필요할 것이 분명해 보입니다. LLM 은 우리 뇌의 의식적인 부분과 유사할 수 있고, 많은 더 작고 자주 업데이트 가능한 모델이 '근육 기억'과 반사를 제공할 수 있습니다.
Parece obvio que un sistema de robot humanoide u otra IA verdaderamente de propósito general necesitará una pila de tipos de modelos que trabajen en concierto. Un LLM podría ser análogo a la parte consciente de nuestros cerebros, mientras que muchos modelos más pequeños y posiblemente actualizables frecuentemente podrían proporcionar 'memoria muscular' y reflejos.
Es scheint offensichtlich, dass ein humanoides Robotersystem oder eine andere wirklich universelle KI einen Stapel von Modelltypen benötigen wird, die zusammenarbeiten. Ein LLM könnte dem bewussten Teil unseres Gehirns analog sein, während viele kleinere und möglicherweise häufig aktualisierbare Modelle 'Muskelgedächtnis' und Reflexe bereitstellen könnten.
largbae