トニー・ホアーは、クイックソートアルゴリズムの発明やプログラミング言語への貢献で知られる著名なコンピュータ科学者で、2026年3月5日に92歳で亡くなりました。彼はチューリング賞を受賞し、オックスフォード大学の元教授でもありました。

ジム・マイルズが共有した個人的な思い出の中で、ホアーは学問的な業績だけでなく、その温かい人柄でも記憶されています。マイルズはしばしばケンブリッジのホアーを訪れ、彼のキャリアやマイクロソフトでの経験、映画鑑賞の好みなどさまざまな話題について語り合いました。ホアーはエリオット・ブラザーズ社で賭けを行い、自身のクイックソートアルゴリズムが既存のソート方法よりも優れていると賭けたことが有名で、実際にその通りになりました。

ホアーは天才の背後にある現実について強調し、瞬時に問題を解決するのではなく、しばしば長年の苦労が伴うことを指摘しました。これはハリウッドの描写とは対照的です。また、政府がアクセスできる先進技術についても言及し、一般の知識よりも先を行っていることを示唆しました。

ホアーのユーモアと知性は、彼を知る人々にとって深く惜しまれることでしょう。

Y CombinatorのW26コホートに参加しているSanchitとShubhamは、Apple Silicon向けの高速推論エンジン「MetalRT」を開発しました。このエンジンは、言語モデルや音声認識、音声合成などのタスクにおいて、既存のいくつかのソリューションを上回る性能を発揮します。また、完全にデバイス上で動作するオープンソースの音声AIパイプライン「RCLI」もリリースしました。これにより、クラウドサービスを利用する必要がなくなります。

主な特徴としては、MetalRTは他のエンジンと比べて著しく高速であり、さまざまなモデルでの処理速度が向上した例が示されています。RCLIは、インターネット接続なしで音声をテキストに変換し、音声応答を生成することができます。また、Homebrewや簡単なスクリプトを使って、ユーザーは迅速にRCLIをインストールできます。

開発者たちは、音声アプリケーションにおいて低遅延を維持することの難しさを強調しています。遅延がユーザー体験に影響を与えるため、MetalRTはカスタムGPUシェーダーを使用し、不要なオーバーヘッドを避けることで遅延を減少させるよう設計されています。

詳細な方法論やベンチマークは彼らのウェブサイトで確認でき、RCLIのソースコードやデモ動画へのリンクも掲載されています。

ヤン・ルカンは、物理的な世界をよりよく理解できる人工知能の開発のために10億ドルを調達しました。この資金は、AI技術を進化させ、現実の環境をより適切に解釈し、相互作用できるようにすることを目的としています。目指すのは、より直感的で効果的に機能するシステムの創造です。

要約がありません。

歴史を通じて、人間は説明できない現象を神秘的なものと見なしてきましたが、科学がそれらを説明するようになりました。科学的理論はしばしば簡潔で、例えば「F=ma」のように理解しやすく、使いやすいです。このアプローチは、複雑なシステムを部分に分解して分析するのに適しています。

しかし、貧困や気候変動などの多くの現実の問題は複雑です。これらのシステムは動的な相互作用やフィードバックループを含んでおり、単純な科学モデルでは捉えきれません。従来の科学的方法をこれらの複雑な問題に適用しようとする試みは、部分的な成功と持続的な失敗をもたらすことが多いです。

この文章では、科学において実践が理論に先行することが多いと主張しています。鍛冶屋が冶金の理解が進む前に金属加工技術を使っていたように、現代のAIツールはその基盤となるメカニズムを完全に理解しなくても、複雑なシステムを効果的にモデル化できます。

今日のAIモデルは、膨大なデータや相互作用を処理できるため、複雑なシステムに対してより良い結果を出します。訓練されたモデルは大きく特化しているかもしれませんが、その背後にあるアーキテクチャはコンパクトで普遍的であり、複雑なシステムの理解を深める可能性があります。

研究者たちは、これらのモデルをどのように解釈するかを探求しており、それによって表現される複雑さに関する洞察が得られるかもしれません。このアプローチは、複雑な問題の理解を変える可能性があり、解決困難ではなく、新しい方法で研究する必要があることを示唆しています。

要するに、複雑なシステムは大規模なモデルを必要とする可能性が高いですが、これらのシステムについて学ぶことができる基盤となる構造はよりシンプルであり、難しいグローバルな課題を理解し解決するための新たな道を開くかもしれません。

オートノマのチームは、18か月の開発を経て、現在の製品を放棄し、新たにゼロから始めることを決定しました。彼らは、企業向け検索からQAテストプラットフォームへとアプローチを何度も変更してきました。最近の方針転換で顧客や資金を得ることができましたが、コーディングの不備、特にテスト不足が原因でバグが発生し、顧客を失うという大きな問題に直面しました。

当初、チームは品質よりも迅速な出荷を優先し、拡張するにつれてコードベースが混乱してしまいました。テスト文化を取り入れることが製品の品質維持に不可欠であることに気づくのが遅すぎました。そのため、現在は厳格なTypeScriptと包括的なテストを重視してコードベースを再構築しています。

また、チームは技術を変更し、Next.jsとそのサーバーアクションから離れることにしました。テストの難しさやグローバルな実行順序、セキュリティの脆弱性などの問題があったためです。その代わりに、ReactとtRPC、Honoバックエンドを採用し、リソースの使用量を大幅に削減し、デプロイプロセスを改善しました。

さらに、Kubernetesにおけるジョブオーケストレーションにも課題がありました。さまざまな解決策を評価した結果、Kubernetesに特化したArgoを選択し、信頼性の高いジョブ管理を実現しました。

チームは新しい製品を近日中に発表する準備を進めており、現在はデザインパートナーと共にテストを行っています。興味のあるユーザーからのフィードバックや早期アクセスのリクエストも受け付けています。

インテルは、完全準同型暗号（FHE）を使用したプロトタイプチップを開発しました。この技術により、暗号化されたデータに対して計算を行うことができ、データのプライバシーを保ちながら処理が可能になります。このチップは、従来の方法に比べて操作を5,000倍速くすることができ、効率性が大幅に向上しています。

著者は、4週間かけて新しいプログラミング言語「カツレツ」を開発しました。この名前は、著者の猫にちなんで名付けられました。ソースコードはGitHubで公開されており、ビルド手順も記載されています。このプロジェクトは、特定のタスクにClaudeを使うのではなく、すべてのコードを自律的に生成できるようにすることを目指しました。

カツレツの主な特徴として、macOSとLinuxで実行できることが挙げられます。動的言語と同様に、配列や文字列をサポートしています。ユニークな機能として、ベクトル化された操作やフィルタリングのためのメタ演算子「@」があります。関数は「fn」で宣言され、すべてが式として扱われます。また、インタラクティブなコーディングのためのREPL（読み取り・評価・出力ループ）も備えています。

著者は、大規模言語モデル（LLM）のプログラミングにおける可能性を探求し、LLMは効果的であるものの、慎重な計画と明確な仕様が必要であることを発見しました。機能を定義し、計画を立て、Claudeに最小限の人間の監視で実装させる構造化されたワークフローを開発しました。

LLMを使うためのスキルとしては、まずLLMに適した問題を特定すること、意図を明確に伝えること、LLMの生産性を高める環境を整えること、効率のためにエージェントループを最適化することが挙げられます。

著者は、ソフトウェアエンジニアリングは死んでいないと結論づけ、むしろ進化していると述べました。カツレツを作成する際にプログラミングの知識が重要であったことを認め、LLMを過度に使用することによるメンタルヘルスへの影響について懸念を表明しました。

LLMによってプログラミングの未来は大きく変わるかもしれませんが、著者はソフトウェアエンジニアリングのスキルは依然として価値があると感じています。今後は新しいプロジェクトやアイデアを探求しつつ、カツレツの更新も時折行う予定です。

この記事では、Emacs内のGitインターフェースであるMagitのリベース機能について説明します。著者は、特にインタラクティブなGitログを通じて、Magitの使いやすさを強調しています。

Gitログのナビゲーションは、キーボードショートカットを使って簡単に行えます。Magitはコマンドのヒントを提供し、ユーザーがドキュメントを参照しなくてもオプションを思い出せるようにサポートします。

リベースのプロセスでは、ユーザーは目的のブランチに切り替え、明確なショートカットを使ってリベースを開始できます。リベース後には、ログが更新されて新しいブランチの位置が表示されます。より複雑なリベースの場合、Magitはコミットのインタラクティブな編集を可能にし、便利なホットキーを提供します。

Magitは実際に実行されるGitコマンドを表示するため、ユーザーはGitの機能、例えば--autostashオプションについて学ぶことができます。

コマンドラインでもリベースは可能ですが、Magitを使用することで、直感的なインターフェースによりGitコマンドの実行に対する理解と自信が高まります。

Magitは初心者と経験者の両方にとって貴重なツールであり、インタラクティブ性と効率性を兼ね備えたGitの体験を向上させます。

要約がありません。

アルベルトと彼の双子の兄アレハンドロは、包括的な本人確認システムを開発しています。彼らのプラットフォームは、KYC（顧客確認）、AML（マネーロンダリング防止）、詐欺防止などのさまざまな本人確認サービスを一つの使いやすい統合システムにまとめています。

バルセロナで同一の双子として育った彼らは、自身もアイデンティティの混乱を経験しました。この経験から、テクノロジーにおける本人確認の複雑さに取り組むことになりました。既存のソリューションはしばしば断片的で複雑、さらに高額であるため、企業が異なる地域や規制において本人確認を管理するのが難しいことが分かりました。

Diditは、Stripeが決済処理を革新したように、ユーザーフレンドリーなツールを提供することでこの問題を簡素化しようとしています。彼らは独自の確認および生体認証モデルを開発し、第三者サービスに依存せずにユーザーデータを安全かつプライベートに管理できるようにしています。このアプローチにより、企業は過剰な個人データを収集することなく、特定の属性を確認することが可能になります。

彼らのプラットフォームは、ユーザーのオンボーディングを促進し、本人確認コストを削減しつつ、効率的に詐欺を検出します。また、古いシステムに多い低帯域幅の接続でも問題なく機能します。

Diditは完全に稼働しており、透明性のある成功報酬型の価格設定を採用しています。サービスや統合に関するフィードバックを歓迎しています。

メタは、MoltbookというAIエージェントのソーシャルネットワークを買収しました。この購入は、メタの人工知能とソーシャルネットワーキングの能力を強化することを目的としています。この動きは、メタがユーザー体験を向上させるためにAI技術を自社のプラットフォームに統合することに引き続き注力していることを示しています。

このコードは、Instagramのユーザーが投稿したストーリーを表示するウェブアプリケーションのものです。主なポイントは以下の通りです。

まず、アプリはホストURLとユーザーIDを設定し、ストーリーを取得します。次に、XMLHttpRequestを使用してストーリーをJSON形式で取得します。ストーリーが利用可能な場合、最初の画像を事前に読み込みます。

アプリはストーリーを一つずつ表示し、画像または動画として表示します。また、各ストーリーがどれくらいの時間表示されるかを示すプログレスバーも含まれています。

ユーザーはキーボードの矢印キーやボタンを使ってストーリー間を移動できます。左矢印で前のストーリー、右矢印で次のストーリーを表示します。

進行状況の追跡については、表示されているストーリーの時間に基づいてプログレスバーがアニメーションします。動画の場合は動画の長さを追跡し、画像の場合は固定の表示時間を使用します。

ユーザーはESCキーを押すか、クリックしてストーリー表示を終了できます。

最後に、アプリにはストーリー表示の背景やプロフィール画像、プログレスバーなどのスタイリングにCSSが使用されています。

全体として、このコードはInstagramのストーリー機能に似たインタラクティブなストーリー表示を作成し、ユーザーがメディアコンテンツのシリーズを表示し、ナビゲートできるようにしています。

2024年、HuggingFaceのオープンLLMリーダーボードには、6つのベンチマークで最高のパフォーマンスを競う多くのAIモデルが登場しました。デビッド・ノエル・ンは、RYS-XLargeというモデルで1位を獲得しましたが、新しいモデルを訓練するのではなく、既存の720億パラメータのモデルから特定の層を複製することで達成しました。このプロセスは「LLM神経解剖学」と呼ばれ、重みの調整は行わず、特定の層のコピーを追加することで推論能力を向上させました。

この突破口に至る重要な観察として、モデルが異なる形式（例えばBase64）で入力を効果的に処理できることや、特定の複雑なモデル（例えばゴリアテ）が従来とは異なる層の配置でも機能することが挙げられます。これにより、トランスフォーマーの層は以前考えられていたよりも相互に交換可能であることが示唆され、ンは中間層が推論の役割を果たすという仮説を立てました。

この仮説を検証するために、彼は新しい重みを訓練することなく層を複数回実行する方法を考案しました。一般的なGPUを使用してさまざまな構成を評価し、特定の中間層を複製することで認知タスクのパフォーマンスが向上することを発見しました。最終的なモデルであるRYS-XLargeは、複数のベンチマーク領域で大幅な改善を示し、この方法が効果的であることを証明しました。

ンの発見は、トランスフォーマーが機能的な解剖学を持ち、初期の層が入力を符号化し、中間の層が推論を行い、後期の層が出力をデコードすることを示唆しています。このアプローチは、重みの微調整に焦点を当てる従来の方法とは異なり、構造的な変更を通じて推論の深さを向上させることを目指しています。

全体として、ンの研究はAIモデルが情報を処理する方法についてのより深い理解を示唆しており、広範な再訓練なしでAIのパフォーマンスを向上させる新たな道を提案しています。

「敗北を方法として」では、シャフラム・コスラヴィがイランのバフティアリ民族の歴史的かつ現在の苦闘について考察しています。彼らの土地は植民地勢力によって石油のために搾取され、その結果、彼らは追放され貧困に陥りました。コスラヴィは、個人的な敗北の経験を、周縁化されたコミュニティが直面する歴史的な喪失という広いテーマと結びつけ、敗北に対してレジリエンス（回復力）とオープンさを持って向き合う重要性を強調しています。

コスラヴィは、敗北は植民地化された人々や抑圧された人々にとって不可避なものであり、それが批判的思考や抵抗の基盤となり得ると主張します。彼はバフティアリの経験と歴史における敗北の広範な物語、特にイラン革命やシーア派イスラムにおけるカルバラーの戦いの文化的記憶との類似点を引き合いに出します。こうした敗北は、抑圧された人々の間に連帯や行動を促すインスピレーションとなる可能性があると示唆しています。

また、テキストでは「悲観的な希望」という概念についても触れています。これは、継続する苦闘や敗北を認識しながらも希望が持続することを意味します。コスラヴィは、敗北した人々が未来の新たな可能性を想像し、自らの経験を抵抗や変革の原動力として活用できることを強調しています。最終的に、彼は敗北を批判的に考察することを呼びかけており、特に歴史的に周縁化された人々にとって、新たな思考や世界の理解につながる可能性があると提案しています。

プロのタイムグラファーは、時計の正確さを測定するための機器で、価格は500ドルから3000ドルの間です。この機器は、時計のティック音を検出するセンサーを使用します。著者は、iPhoneのマイクを使って同様の装置を作成しようとしましたが、iPhoneのマイクは信号対雑音比（SNR）が約1.5 dBと低いため、時計のティック音を背景の雑音から区別するのが難しいという課題がありました。

タイムグラファーの機能は、時計が1日にどれだけ秒を得たり失ったりするか、ビートエラー（タイミングの不一致）、および振り子の振幅（バランスホイールの揺れの大きさ）を測定することです。iPhoneのマイクではSNRが低いため、クリアなティック音をキャッチするのが難しく、著者はさまざまなオーディオ設定を試しました。その結果、オートマチックゲインコントロール（AGC）が最も効果的であることがわかりました。

オーディオ信号を処理するために、デジタル信号処理（DSP）パイプラインが開発され、フィルタリングやエンベロープ検出、エポックフォールディングという手法を用いてSNRを大幅に改善しました。エポックフォールディングは、同じ信号の複数の測定値を平均化することで、ノイズを減らし、ティック音を明確に識別するのに役立ちます。

測定を精密に行うために自己相関が使用されますが、基本周波数ではなくハーモニクスを誤って特定することがあります。エポックフォールディングはこの問題を防ぐのに役立ちます。時計の性能を計算するためには、検出された周波数を標準周波数と比較して、得失の率を算出します。

カラマンフィルターを用いて、検出された信号の質に基づいて率の推定を安定させる適応フィルタリングも行われます。ただし、この電話ベースのタイムグラファーはプロのモデルほど正確ではなく、±2-5秒/日の精度を達成できる一方で、プロの機器では±0.1-0.5秒の精度が得られます。また、効果的に機能するためには静かな環境が必要です。

このアプリは、時計コレクターにとって迅速な測定を提供し、時計の正確さを簡単に確認できるようにしています。現在はiOSで利用可能で、Android版もテスト中です。著者は、従来の装置のコストの一部で、時計愛好者にとって有用な洞察を提供する機能的なタイムグラファーアプリを成功裏に作成しました。

この記事では、1兆のパラメータを持つ大規模オープンソース機械学習モデル「Kimi-K2-Thinking」のトレーニング後の課題について述べています。著者は、オープンソースの機械学習インフラを使用する際に直面したさまざまなバグや非効率性についての個人的な経験を共有しています。

著者は、モデルの性能を向上させるために、ヨーダのように反応するデータセットを作成することを目指しました。しかし、既存のトレーニングコードが不足しており、利用可能なライブラリには多くのバグがあったため、初期設定でつまずきました。

このモデルは非常に複雑で、処理にはかなりのGPUメモリが必要です。著者はモデルのサイズに対応するために特定のGPU設定を選びました。

トレーニングプロセス中には、モデルの圧縮が遅いことやメモリ管理が非効率であること、LoRA（低ランク適応）などの特定のトレーニング手法との互換性の問題など、さまざまな課題が発生しました。

著者は、メモリ割り当ての問題を克服するために、コードや設定をいくつか調整する必要がありました。具体的には、モデルの重みの管理方法を変更したり、特定の量子化ステップを回避したりしました。

さまざまな問題を解決した後、トレーニングループは機能し始め、モデルは期待通りにヨーダのような反応を示しました。しかし、依然としてコストが高く、遅いため、現在のオープンソーストレーニングインフラの限界が明らかになりました。

この経験は、オープンソースの機械学習モデルにおける複雑さや隠れた課題を浮き彫りにしました。著者は、オープンソースAIには可能性があるものの、依然として大きな障害が残っており、時には基盤となるライブラリ自体が問題の原因となることがあると結論づけました。

全体として、この記事はオープンソースの機械学習ツールを扱う際の困難さと、単なる短期的な解決策ではなく、より堅牢な解決策の必要性を強調しています。

アンディ・チェンは「エンタープライズコンテキストレイヤー」（ECL）という概念について説明しています。これは企業が知識を効果的に管理し、アクセスするための中心的な知能として機能します。このECLは多様な質問に答え、自ら更新することができ、企業のAIを革新する可能性があります。

ECLの実装は非常にシンプルで、約1000行のPythonコードとGitHubのリポジトリがあれば構築可能です。これは、SaaS企業が提唱する複雑なシステムに依存する必要がないことを意味します。

AIが正確に質問に答えるためには、製品の詳細やリリースの意味、ロードマップのプロセス、矛盾する情報の処理など、複数の課題に対処する必要があります。現在のツール、例えばGleanは文書の検索には優れていますが、組織のコンテキストを統合するのが難しく、正確な回答には組織内の敏感な質問を特定のチームに振り分けることが重要です。

チェンは、エージェントが製品、プロセス、関係をマッピングすることで、組織の包括的な理解を構築するプロセスを説明しています。これには、社内の政治を含む企業のあらゆる側面を文書化するシステムを作成することが含まれます。

ECLを構築するためにエージェントを展開した結果、顧客の旅路、製品の特徴、競合分析の詳細な文書が得られました。この包括的なマッピングは、複雑な質問に正確に答えるのに役立ちます。

ECLは、情報が追加されるにつれて進化し、エージェントは情報源を引用し、情報を効果的に優先順位付けすることを学びます。この継続的な改善プロセスは、正確性と関連性を維持するのに役立ちます。

チェンは、AI技術が進化するにつれて、より多くの企業がECLモデルを採用し、組織内の知識管理が民主化されると予測しています。カスタムAIエージェントの構築から、さまざまな機能を支える堅牢なコンテキストレイヤーの維持へと焦点が移るでしょう。

ECLは、企業が内部情報を効果的かつ正確に活用するための新しい知識管理のアプローチを示しています。

新しい句読点の提案として「ヒューマンエムダッシュ（HED）」が紹介されています。これは従来のエムダッシュに似ていますが、ユニコードで別にエンコードされており、人間によって作成されたことを示します。この提案は、自動テキスト生成システムの普及に対するもので、これらのシステムがエムダッシュを使用することで、読者がそのテキストが人間によって書かれたのかどうか混乱することがあるためです。

HEDの主な目的は、人間の文章と機械生成のテキストを区別することです。これにより、「ダッシュオーセンティシティコラプス（DAC）」という問題に対処します。HEDを使用する際には、作成者が人間であることを確認するために「ヒューマンアテステーションマーク（HAM）」を前に付ける必要があります。HEDとHAMは、見た目は標準のエムダッシュと同じですが、エンコードが異なります。

この文書では、HEDが人間によってのみ使用されることを保証するために、行動の検証が必要であることが述べられています。また、自動システムが人間のためらいを模倣するのを防ぐためのセキュリティ対策も提案されています。

全体として、この提案は、テキスト生成の自動化が進む中で、人間の文章の信頼性を守ることを目指しています。

「エージェント工学」の進展について、AI支援のコーディングにおける8つの開発レベルが説明されています。これらのレベルは、ソフトウェアエンジニアの生産性と協力を高めることに寄与します。

まず、エージェント工学には8つのレベルがあり、これらを進むことで生産性が大幅に向上する可能性があります。最初の2つのレベルでは、基本的な機能が導入されます。例えば、タブ補完機能や、AIに特化した統合開発環境（IDE）を使用してコーディングを支援します。

レベル3では、「コンテキストエンジニアリング」が重要です。この段階では、AIモデルに提供される情報の質を向上させ、効果的なコード生成に必要な正しい情報を確保します。レベル4では、「コンパウンディングエンジニアリング」が導入され、計画、委任、評価、学んだ教訓の文書化を繰り返すことで、今後のセッションを改善します。

レベル5では、エンジニアがマルチコンポーネントプラットフォーム（MCP）やカスタムスキルを活用し、AIがデータベースやAPIと効果的にやり取りできるようにします。レベル6では、「ハーネスエンジニアリング」に焦点を当て、AIエージェントが自律的に作業できる環境を整え、自動フィードバックループを活用して人間の介入を最小限に抑えます。

レベル7では、手動での計画から、エージェントが非同期でタスクを実行できるようにシフトし、エンジニアが常に監視する必要がなくなります。最も進んだレベル8では、複数のエージェントが独立して協力し、中央のコーディネーターなしでタスクや情報を共有します。このレベルはまだ実験段階であり、調整や効率性に関する課題があります。

全体として、この進展は、AIをコーディングに効果的に活用するために、コンテキスト、フィードバックメカニズム、協力の重要性を強調しています。読者には、自分の現在のレベルを評価し、次のレベルを目指して生産性を向上させることが奨励されています。

要約がありません。

この記事では、ホラシオ・ロザンスキーとベン・ホロウィッツのインタビューや、中国の視点から見たアメリカのイランに対する軍事行動についての意見が取り上げられています。また、ウェブサイトの機能において重要な役割を果たす特定のクッキーやSDK（ソフトウェア開発キット）についても言及されています。これらはセキュリティや購入機能に関わるものです。ユーザーはこれらのクッキーをブロックすることができますが、ブロックするとウェブサイトの一部機能が正常に動作しない可能性があります。

要約がありません。

ヴェンカテッシュ・ラオのこの記事では、テレビ番組「ザ・オフィス」、特にアメリカ版の深い意味について探求しています。番組は単なるユーモラスな瞬間の集まりではなく、職場のダイナミクスやマネジメント理論を真剣に考察していると主張しています。

重要なポイントの一つは「ジャーヴェイスの原則」です。この原則によれば、組織内では最も有能な人々（サイコパス）が、経済的に不利な状況にある過剰な成果を上げる労働者（ルーザー）を管理職に昇進させ、パフォーマンスが低いルーザーをサイコパスに育て上げるというものです。これは、ピーターの原則のような従来のマネジメントの見方とは対照的です。ピーターの原則は、人々が無能になるまで昇進することを示しています。

記事では、組織内の三つの層を特定しています。まず、サイコパスは組織を前進させる野心的なリーダーです。次に、クルーレスは、組織の欠陥に気づかず盲目的に従う中間管理職です。そして、ルーザーは、安定を求めるあまり経済的に不利な選択をした労働者です。

キャリアの軌跡についても触れています。サイコパスは機会を利用してトップに上り詰めます。クルーレスな人々は、無能であっても簡単にコントロールできるため、管理職に昇進します。ルーザーは、地位を維持するために必要最低限の努力しかしない傾向があります。

マクレオドの階層という枠組みでは、組織がどのように進化し、しばしば自らの非効率性によって崩壊するかを説明しています。サイコパスはクルーレスやルーザーを利用して自らの目的を果たし、企業内での興隆と衰退のサイクルを生み出します。

この記事は最終的に「ザ・オフィス」を現実の組織政治の反映として提示し、従来のマネジメントの知恵に挑戦し、職場のヒエラルキーのしばしばシニカルな現実を浮き彫りにしています。

2026年2月23日、MariaDB 12.3がMariaDB 11.8に比べてベクトル検索の性能を大幅に向上させたことが発表されました。この革新はMariaDB財団の支援によるもので、より大きなデータセットにおいてベクトル検索のリコール（再現率）と精度が向上し、各クエリに対するCPUの使用量が減少しています。

主なポイントとして、MariaDB 12.3はベクトル検索機能においてMariaDB 11.8を上回っており、さらにPostgres 18.2とpgvector 0.8.1に対してもリコールと精度の面で優れています。特に、データセットのサイズが大きくなる（10万、50万、100万件）ほど改善が顕著に現れます。テストは48コアと128GBのRAMを備えた高性能サーバーで行われ、最適な性能条件が確保されました。

全体として、MariaDB 12.3は特に大規模なデータセットにおけるベクトル検索タスクに最適な選択肢として注目されています。

pgAdmin 4のクエリツールは、SQLコマンドを実行し、結果を確認するための包括的な環境です。主な機能には、ツールメニューやオブジェクトエクスプローラーのコンテキストメニューからクエリツールを開くことが含まれます。

このツールでは、アドホックなSQLクエリやコマンドを実行でき、更新可能なSELECTクエリの結果を編集することも可能です。また、出力をCSVファイルとして保存したり、テキスト、グラフィカル、または表形式で実行計画を確認したり、SQL文に関する分析情報を表示することができます。

クエリツールは、専用の作業スペースで使用でき、気を散らされることなくサーバーにシームレスに接続できます。ツールにはいくつかのパネルがあります。SQLエディターパネルでは、クエリを記述・編集でき、構文のハイライトや自動補完機能があります。データ出力パネルでは、クエリの結果や実行メッセージが表示されます。クエリ履歴パネルでは、最近のクエリとその実行時間や行数などの詳細が確認できます。AIアシスタントパネルでは、自然言語からSQLクエリを生成することができ、AIの設定が必要です。エクスプレインパネルでは、クエリの実行計画を提供し、メッセージパネルではサーバーメッセージやエラーの詳細が表示されます。通知パネルではPostgreSQLからの通知が表示され、グラフビジュアライザーパネルではクエリ結果からさまざまなタイプのグラフを作成できます。

接続管理機能により、ユーザーは接続状況を確認したり、異なるサーバーへの接続を管理したりできます。また、マクロ機能を使えば、あらかじめ定義されたSQLクエリを一つのキー操作で実行でき、効率が向上します。サーバーサイドカーソルは、大規模なデータセットを取得するのに便利ですが、トランザクションモードに制限されています。

全体として、クエリツールはpgAdmin 4内でデータベース管理やクエリ実行を行うための強力なインターフェースであり、ユーザーがデータを効率的に操作・分析できるように設計されています。

著者のモンドは、「Paged Out!」という技術雑誌での体験を振り返っています。彼は、Rustプログラミングに関するトリビアとユーモアを組み合わせた一ページの記事を書きました。寄稿の招待を受けて、雑誌の内容を把握するのが難しいと感じながらも、すぐに記事を執筆しました。

この記事では、Rustにおけるニッチな最適化について、特にResult<bool, bool>のサイズに焦点を当てています。モンドは執筆中に直面した技術的な課題についても共有しており、シンタックスハイライトやPDFの埋め込みに苦労したことを述べています。

また、彼は最近の生活についても更新を行い、中央ヨーロッパからシアトルに引っ越してAIの仕事を始めたことを伝えています。地元の文化やコミュニティに対する期待感も表現しています。モンドは多くの執筆アイデアを持っていますが、プロセスをストレスのない楽しいものに保ち、プレッシャーのかからない個人的なプロジェクトとして取り組むことを目指しています。

全体として、この記事はユーモア、技術的な洞察、そして個人的な近況を組み合わせた内容になっています。

彗星3I/ATLASのような星間物体は、他の星の周りでの惑星形成時の条件を知る手がかりを提供します。最近の研究によると、3I/ATLASの水は重水素の含有量が非常に高く、私たちの太陽系に存在する既知の彗星よりも多いことがわかりました。また、炭素の同位体比も太陽系や近隣の地域で見られる典型的な値よりも高いです。これらの独特な特徴は、3I/ATLASが約100億から120億年前に、銀河の初期の星形成期に冷たく金属が少ない環境で形成されたことを示唆しています。このため、3I/ATLASは初期の天の川銀河における氷の小天体の化学や形成を理解するための貴重な証拠となっています。

AIエージェントに関する課題やリスクについて、著者はそれらを『キャッスルヴァニア』シリーズのドラキュラに例え、セキュリティ専門家をベルモント家に見立てています。いくつかの重要なポイントが挙げられています。

まず、AIエージェントは道徳的な制約なしに動作するため、ドラキュラのように適切に管理されないと大きな危害をもたらす可能性があります。次に、AIエージェントの仕組みは言語モデルにリクエストを送る単純なループで構成されていますが、その予測不可能な性質（非決定性）が信頼性を複雑にしています。

また、AIエージェントを構築し、相互作用するための標準化されたプロトコルが不足しているため、異なるシステムやツール間での互換性の問題が生じています。さらに、セキュリティの状況はAI技術の急速な発展に追いついておらず、エージェントに広範なアクセス権を与えることが重大なデータ漏洩につながる可能性があります。

著者は、セキュリティを最初から優先事項とする必要性を強調し、安全なデフォルト設定や業界横断的な標準、AIを利用した攻撃から守るための強固な防御メカニズムの必要性を訴えています。現在、新しい標準や技術が登場していますが、業界が潜在的な攻撃を防ぐために十分な準備が整うかは不透明です。異常検知のような既存のツールは、リスクに対抗するために重要と見なされています。

AIエージェントは魅力的な可能性を秘めていますが、同時に重大なセキュリティの脅威も伴うため、効果的に管理するための即時の注意と確立されたプロトコルが必要であると警告しています。

ffmpeg-over-ipは、GPUを活用したffmpegを、Dockerコンテナや仮想マシン、リモートサーバーなど、さまざまな環境で簡単に利用できるようにするツールです。これにより、GPUパススルーや共有ファイルシステムのような複雑な設定を必要とせずに、GPUを利用したトランスコーディングが可能になります。

GPUへのアクセスは、トランスコーディングを行う際に複雑な問題を引き起こすことがあります。Dockerコンテナでは特定の設定が必要であり、仮想マシンではGPUの使用が制限される複雑な構成が求められます。また、リモートマシンでは共有ファイルシステムが必要となり、メンテナンスの問題が生じることがあります。

ffmpeg-over-ipを使用すると、GPUを搭載した任意のマシンでサーバーを実行できます。アプリケーションは直接ffmpegを使用するのではなく、クライアントに接続します。クライアントはffmpegのように機能し、コマンドをサーバーに転送します。サーバーはそれを処理し、直接GPUにアクセスする必要がありません。この構成により、パススルーや共有ファイルシステムの複雑さを回避できます。

動作の流れは次の通りです。まず、メディアサーバーがクライアントにffmpegコマンドを送信します。次に、クライアントはサーバーに接続し、コマンドを安全に送信します。サーバーは、接続を通じてファイル操作を処理するように修正されたffmpegを実行します。さらに、複数のクライアントが同時に同じサーバーに接続することが可能です。

ffmpeg-over-ipは、Linux（x86_64およびarm64）、macOS（arm64およびx86_64）、Windows（x86_64）で動作します。セキュリティ面では、コマンドはHMAC-SHA256を使用して認証されます。サーバーはポートで待機し、クライアントは外部に接続します。

ドキュメントには、クイックスタートやアップグレードガイドが用意されており、トラブルシューティングのヒントやDocker統合の手順も提供されています。このプロジェクトは、特定の部分がGPL v3で、他の部分がMITライセンスの分割ライセンスを採用しています。

MidnightBSDは、最近ユーザー向けの年齢確認に関する規約を更新したソフトウェアプロジェクトです。主な変更点は以下の通りです。

まず、年齢確認の制限があります。年齢確認が必要な国や州、地域に住む人はMidnightBSDを使用できません。現在、この制限が適用されるのはブラジル（2026年3月17日施行）とカリフォルニア（2027年1月1日施行）です。

次に、今後の法律についても触れています。コロラド州、イリノイ州、ニューヨーク州で提案されている法律が通過すれば、これらの州のユーザーにも制限がかかることになります。

最後に、ユーザーには自分の代表者に連絡し、これらの法律の変更や廃止を求めるよう呼びかけています。このプロジェクトは、法的要件を遵守しつつ、ユーザーに対してこれらの規制に対する行動を促すことを目指しています。

要約がありません。

この文書では、組み込み開発やベアメタル開発におけるC++の使用について、Cと比較した適性を論じています。C++の利点、特にテンプレートを通じたコードの再利用が強調されていますが、C++は複雑であり、すべての組み込みプロジェクトに最適とは限らないことも認識されています。

この書籍は、C++の言語に対する十分な理解を持つプロフェッショナルなC++開発者を対象としています。初心者向けのチュートリアルではなく、高度なC++の概念に精通していることが前提とされています。

C++は、コードの再利用のためのテンプレートなど、より多くの機能や利点を提供しますが、その複雑さからベアメタル開発ではあまり一般的に使用されていません。ハードウェア開発者がCに慣れているためです。

開発者は、ベアメタル環境における制約を考慮する必要があります。例外の不在、ランタイム型情報（RTTI）、動的メモリ割り当ての欠如などがその制約です。C++の慣用句や標準テンプレートライブラリ（STL）に関する深い知識が重要です。

文書では、C++11の機能を使用した実用的な例が紹介されており、「Embedded C++ Library」プロジェクトへのリンクも提供されています。また、Raspberry Pi向けのアプリケーションのコンパイル手順が説明されており、コンパイラの出力を理解する重要性が強調されています。

C++の動的メモリ割り当てや例外の使用は、バイナリサイズの増加を引き起こす可能性があり、制約のある環境では問題になることがあります。開発者は、オーバーヘッドを最小限に抑えるためにメモリ管理関数をオーバーライドすることが推奨されています。

RTTIはアプリケーションに大きなコードサイズを追加しますが、コンパイラオプションで無効にすることでバイナリサイズを削減できます。例外についても同様の戦略が適用され、追加のコードオーバーヘッドを避けることができます。

C++は組み込み開発を向上させる可能性がありますが、リソース制約を慎重に考慮し、言語の高度な機能をしっかりと理解する必要があります。

著者は、既存の写真共有サイトに不満を抱いていました。読み込みが遅く、広告や気を散らす要素が多かったからです。そこで、彼はDD Photosという、写真を迅速かつ簡単に共有できるツールを作成しました。ユーザーはLightroomやApple Photosなどのアプリから写真をエクスポートし、photogenというコマンドラインツールを使って画像をリサイズし、インデックスを作成します。最終的な成果物は、データベースのような複雑な設定を必要とせず、任意のファイルサーバーにホストできます。

このプロジェクトには数週間かかり、GoやSvelteKitなどのさまざまな技術が利用されました。著者はこれらのツールに関する経験を共有することに前向きです。DD Photosの実際の例は、こちらのリンクで見ることができます。また、ソースコードはGitHubで公開されています。

要約がありません。

要約がありません。

この文章では、ウェブサイトが正常に機能するために必要なクッキーとSDKについて説明しています。これらのツールは、セキュリティの向上や不正行為の防止、購入の手続きをサポートします。ブラウザでこれらの技術をブロックすることもできますが、その場合、サイトの一部が正しく動作しなくなる可能性があります。

要約がありません。

このチュートリアルでは、XMPPアカウントにメッセージを送信するためのシンプルなREST APIの設定方法を説明します。これは、監視ソリューションやスクリプトに役立ちます。

目的は、コマンドラインツールを使わずにXMPPメッセージを送信するためのHTTPインターフェースを作成することです。必要な条件として、Debian 13または他のLinuxディストリビューションのクリーンインストールと、Aレコードを管理できるドメインが必要です。

インストール手順としては、まず以下のコマンドを使ってProsody IM、必要なモジュール、certbotをインストールします。

apt install prosody prosody-modules lua-unbound liblua5.4-dev certbot

次に、プラグインインストーラーを使用してmod_post_msgモジュールを追加します。

設定では、Prosody用の最小限の設定ファイルを作成し、必要なモジュールと設定を有効にします。また、certbotを使用してSSL証明書を設定します。

メッセージを送信する手順は次の通りです。まず、以下のコマンドでユーザーを作成します。

prosodyctl adduser [email protected]

次に、REST APIを使用してメッセージを送信します。以下のコマンドを実行します。

curl "https://ntfy.stdmsg.tech:5281/msg/[email protected]"
-u [email protected]:secret
-H "Content-Type: text/plain"
-d "Your flat white is done"

ここで、[email protected]は受信者、[email protected]は送信者です。

追加の注意点として、mod_post_msgモジュールはJSONペイロードも受け付けます。また、証明書の自動更新のためにcertbotフックを設定することを検討してください。

この設定により、REST APIを通じてXMPPを使って簡単にメッセージを送信できるようになります。

私は、視覚と言語のモデル（VLM）を使って衛星画像内の物体を検出するウェブツールを作成しました。ユーザーは地図上でエリアを選択し、「プール」や「バス」といったプロンプトを入力できます。このツールは、選択したエリアを小さなセクションに分けて分析し、検出された物体を地図上に表示します。

使い方は簡単です。まずエリアとズームレベルを選び、地域を小さなタイルに分割します。その後、各タイルをVLMにプロンプトと共に通し、結果を地理座標に変換して地図上に表示します。

このツールは、はっきりとした構造物の検出には優れていますが、視界が遮られた物体の検出には効果が薄く、その場合はYOLOのような専門の検出器の方が適しています。ログインなしで利用できる公開デモもあります。私は、検出精度やVLMと専門の検出器の利点と欠点、実際の応用アイデアについてのフィードバックを求めています。

LoGeRは、非常に長い動画に適した3D再構築の手法です。この方法では、動画を小さなセグメントに分割して処理し、特別なメモリシステムを使用してデータを効率的に扱います。これにより、通常パフォーマンスを低下させる問題を回避できます。LoGeRは、正確なローカルディテールを得るためにスライディングウィンドウアテンション（SWA）という技術を採用し、長い動画シーケンスの一貫性を保つためにテスト時トレーニング（TTT）を利用しています。このアプローチにより、処理後に追加の調整を行うことなく、最大19,000フレームのシーケンスを管理することが可能です。

要約がありません。

要約がありません。

要約がありません。

最近のフォーブスの記事では、Anthropicの月額200ドルのClaude Code Maxプランが最大5,000ドルの計算費用がかかる可能性があると報じられ、同社がこのサービスで損失を出していると示唆しています。しかし、この主張は誤解を招くもので、APIの小売価格と実際の計算コストを混同しています。

AnthropicのAPI価格は、モデルを運用するための実際のコストよりもかなり高いです。例えば、彼らのOpus 4.6モデルのAPI価格は、入力トークンが100万トークンあたり5ドル、出力トークンが100万トークンあたり25ドルですが、OpenRouterの類似モデルは約10倍安価です。つまり、ヘビーユーザーにとって、Anthropicの実際の計算コストは5,000ドルではなく、約500ドルである可能性が高いのです。

ほとんどのユーザーはサービスの限界に達することはないため、Anthropicは平均的なユーザーからは損益分岐点を達成するか、むしろ利益を上げていると考えられます。5,000ドルという数字は、Anthropicの小売価格を支払わなければならないCursorに関連しており、Anthropicの実際のコストには当てはまりません。

要するに、Anthropicはモデルのトレーニングや研究に大きなコストを抱えていますが、ユーザーごとの推論コストは管理可能であり、AIの推論が過度に高価であるという見方には反するものです。真のAI推論コストを理解するには、API価格に頼るのではなく、競合他社が請求する料金を考慮する必要があります。

Proton Mailの暗号化は最近の状況でうまく機能しましたが、他にもいくつかの問題が発生しました。この文章では、それらの問題について説明し、プライバシーを向上させるための解決策を提案します。

react-tourlightは、ツアーを作成するための軽量なReactライブラリです。このライブラリは依存関係がなく、アクセシビリティ基準であるWCAG 2.1 AAに準拠しています。圧縮時のサイズは5 kB未満で、Reactのバージョン19と互換性があります。

要約がありません。

交通量とその変化についての内容です。特定の期間と比較して、交通量がどのように変動するかが強調されています。交通の状況は時間とともに変わることがあり、これにより交通量が増えたり減ったりすることがあります。

著者は、アンドリュー・ンのAIスキル向上プラットフォームやMITメディアラボのプロジェクトなど、教育関連の製品に取り組んできました。彼は共通の問題に気づきました。それは、人々がコンテンツに一度は関わるものの、再び戻ってこないことです。この理由はコンテンツの質が悪いからではなく、学習を習慣化するための動機が不足しているからです。

業界の多くの人々は、ポイントやバッジのようなゲーミフィケーションを使って関与を促すことを提案していますが、著者はそれがすべての科目、特に天体物理学のような複雑な分野に効果的であるとは疑問を持っています。彼は「Daily」と呼ばれるプラットフォームを開発中で、これは個別化された5分間の構造化されたソーシャルラーニングセッションを提供します。現在、20人の小規模なグループでテストが行われています。

著者は、人々が興味を持っているが必ずしも学ぶ必要のないトピックに戻ってくる動機を探っています。彼は、他の人が同じ教材を学んでいることを知ったり、学習をやめた場合に誰かが気づくことが、ゲーミフィケーションよりも強い動機になると考えています。彼は、内発的な学習における保持戦略の経験を持つ他者からの洞察を求めています。

要約がありません。

要約がありません。

データベースにおける「Top K」とは、特定の値に基づいて最も優れたK行を取得することを指します。例えば、最新のエントリーや最高得点の行を取得することです。一見シンプルに思えますが、PostgresでTop Kクエリを最適化するのは難しい場合があります。特に追加のフィルターを加えると、さらに複雑になります。

Postgresでは、効率的なTop K取得のためにB-Treeインデックスを使用しています。例えば、最新の10行を取得するクエリはインデックスを使うことで迅速に実行でき、実行時間を15秒から5ミリ秒に短縮できます。しかし、フィルター（例えば、重大度が3未満）を追加すると、Postgresは全インデックスをスキャンするか、フィルタリング後にソートを行う必要があり、パフォーマンスが低下します。

複数のカラムに対して複合B-Treeインデックスを作成することで、一部のクエリには効果がありますが、フィルターの組み合わせが多様になるとスケーラビリティが悪化し、ストレージの問題や複雑なクエリプランが生じます。

全文検索はさらに複雑さを増します。Postgresはテキスト検索のためにGINインデックスを使用できますが、他のフィルターやソートと組み合わせるのが難しく、最適化を行っても実行時間が最大37秒に達することがあります。

ParadeDBのような検索データベースは、Top Kの処理方法が異なります。彼らは、さまざまなフィルターやソートに対応できる単一の複合インデックスを使用し、複数の特注インデックスを必要としません。ParadeDBは逆インデックスとカラム配列を利用してデータ取得を効率化し、フィルタリングやスコアリングを迅速かつ効率的に行います。Block WANDのような技術を使用することで、不必要な評価をスキップし、クエリの速度を大幅に向上させています。

パフォーマンスの比較では、ParadeDBはPostgresに比べてTop K検索のクエリ時間が大幅に短縮されており、複雑なクエリを処理する効率の良さを示しています。

今後の改善点として、ParadeDBのTop Kパフォーマンスは、より良いインデックス戦略や結合処理を通じてさらに最適化される可能性があります。全体として、PostgresはシンプルなTop Kクエリを効率的に処理できますが、複雑なフィルタリングやテキスト検索には限界があり、より良いパフォーマンスを求めてParadeDBのような代替ソリューションが開発されています。

YouTubeは、テレビで視聴するユーザー向けに、スキップできない長めの広告を導入します。新しい30秒の広告は、以前はスキップ可能だった短い広告の一部を置き換えることになります。この変更は、YouTubeでのテレビ視聴体験を向上させることを目的としています。YouTube Premiumに加入することで、ユーザーはこれらの広告を回避できるようになります。

Googleは、この取り組みが広告主にとって、リラックスした家庭の環境で視聴者にリーチする手助けになると主張しています。YouTubeはテレビ広告に力を入れており、メディア消費の主要なプラットフォームとなっていることが報告されています。収益ではディズニーを超えることもあるようです。

この変更は広告主にとってはメリットがあるかもしれませんが、長い中断を嫌う視聴者にとっては不満を引き起こす可能性があります。一部の国では、長い広告に対してすでに対策が講じられており、広告の長さを5秒に制限しています。

Grammarlyは、新しい「エキスパートレビュー」機能で、ジャーナリストを含む著者の名前を無断で使用し、AIの提案に信頼性を持たせています。この行為に対する反発があるにもかかわらず、Grammarlyは謝罪もせず、アプローチを変更していません。ただし、著者が特定のメールアドレスに連絡することで、自分の名前の使用を拒否できるようになりました。しかし、同社の対応は許可の問題には触れず、著者に「より大きなコントロール」を与えることに焦点を当てています。批評家たちは、これは不十分だと指摘しています。多くの著者は、自分の名前が使用されていることすら知らない可能性があるからです。全体として、著者が自分のアイデンティティを守るためには、Grammarlyからの積極的な措置が必要だという懸念があります。

Hugging Faceは、機械学習（ML）プロセスで生成される中間ファイルを効率的に管理するために、ストレージバケットを導入しました。従来のバージョン管理システムであるGitは、頻繁に変更されるファイルの管理が煩雑ですが、バケットはチェックポイントやログ、処理済みデータなどのアイテムに対して迅速で柔軟なストレージソリューションを提供します。

バケットの主な特徴には、S3に似たオブジェクトストレージがあり、ユーザーは可変ファイルを簡単に保存・管理できます。バケットは公開または非公開に設定でき、ユニークなURLやプログラムを通じてアクセス可能です。また、Xetバックエンドに基づいた効率的なチャンクベースのストレージにより、ファイルを小さなチャンクに分割して保存し、アップロードを速くし、類似コンテンツの重複を排除することで帯域幅の使用を削減します。

さらに、プリウォーミング機能により、データが計算リソースの近くに配置され、トレーニング中のアクセスが迅速になります。これは特に大規模な操作に役立ちます。ユーザーはHugging FaceのCLIやPython APIを使用してバケットを迅速に作成・管理できるため、既存のワークフローに簡単に統合できます。また、バケットは標準的なファイルシステム操作と互換性があり、さまざまなデータ処理ライブラリとのシームレスな連携が可能です。

今後の展開として、バケットとバージョン管理されたリポジトリ間の直接転送をサポートし、最終的なアーティファクトの公開を容易にする計画があります。

ストレージバケットは、Hugging Face Hubの機能を向上させ、MLワークフローの動的な側面を管理するための専用スペースを提供します。これにより、効率性と使いやすさが向上します。ストレージプランに含まれているため、無料ユーザーと有料ユーザーの両方が利用可能です。

要約がありません。

何かが今も生きているのか、存在しているのかを尋ねており、アーカイブの中に見つけることができるかどうかを確認しています。

この記事では、C++26の新しいリフレクション機能に関連するコンパイル時のコストについて述べています。著者はこの機能に期待を寄せていますが、コンパイル速度への影響が生産性にとって重要であるため、懸念を抱いています。

C++26のリフレクションについて、著者は軽量であるべきだと考えていますが、実際にはそうでない可能性もあると認めています。彼らはこの機能のコンパイル時の影響についての洞察を提供しようとしています。

著者は最初に誤ったコンパイラ設定で不正確なベンチマークを公開してしまいましたが、正しい設定で再テストを行った結果、コンパイル時間が短縮され、誤りを謝罪しました。

ベンチマークは、強力なマシン上でGCC 16を使用して特定の設定で実施されました。テストには基本的なリフレクションやプリコンパイル済みヘッダー（PCH）の使用など、さまざまなシナリオが含まれました。

結果として、リフレクションを有効にしてもコンパイル時間への影響は最小限でしたが、標準ライブラリのヘッダー（例：<meta>）を含めることで大幅にコンパイル時間が増加しました。また、プリコンパイル済みヘッダーを使用することで、コンパイル速度が劇的に向上しました。

著者は、依存関係の管理においてモジュールとPCHの両方をテストし、一般的に小さなヘッダーに対してPCHがより良いパフォーマンスを示すことを発見しました。

リフレクションはC++26の機能を強化しますが、コンパイルのオーバーヘッドが増加する可能性もあります。この問題を管理するためには、特に大規模なプロジェクトではPCHやモジュールの使用が重要になるでしょう。

著者は、リフレクションが標準ライブラリにあまり依存せず、迅速なコンパイル速度を維持できることを望んでいます。これは、効果的なコーディングにとって不可欠だと考えています。

2026年3月、技術者がThunderScopeというプロトタイプのオシロスコープで故障したTCXO（温度補償型水晶発振器）の分析を行いました。技術者は、より強力なデスクトップマシンでテストするためにThunderScopeのPCIeバージョンを受け取りました。テスト中、オシロスコープのタイムベースが予想よりも遅く動作していることに気付き、原因は故障したTCXOが平坦な信号を出力していることでした。

信号発生器に問題がないことを確認し、ハードウェアをチェックした結果、TCXOが正常に機能していないことが判明しました。発振器の制御回路がロックされておらず、周波数の読み取りが不安定であることが指摘されました。技術者は故障したTCXOを交換し、問題は解決しましたが、故障の原因については興味を持ちました。

TCXOは温度変化にもかかわらず安定した周波数を維持するように設計されています。技術者は分析を開始し、デバイスを清掃し、部品を検査しました。水晶やその接続部分に目に見える損傷は見つかりませんでしたが、水晶と回路を接続するボンドワイヤーに問題があるのではないかと疑いました。

詳細な検査の結果、ボンドワイヤーの一つがパッケージとの接続部分で切れていることがわかりました。技術者は、TCXOの故障は、分析前に行われた超音波洗浄プロセスとワイヤーボンディングプロセスに起因する可能性が高いと結論づけました。

全体として、この調査は精密電子機器における慎重な取り扱いや組み立てプロセスの重要性を浮き彫りにしました。

要約がありません。

要約がありません。

ハーバード大学は、最近ブラックロックのiShares Ethereum Trustを通じて約8700万ドル分のイーサリアムを購入し、暗号通貨への投資を続けています。この購入は、大学が約7200万ドル相当のビットコイン保有の21%を売却した後に行われました。暗号市場が依然として低迷している中で、この動きは業界にとって良いニュースと見なされています。

ハーバードのビットコインETFへの投資は重要で、総額は3億5000万ドルを超え、アルファベットやマイクロソフトなどの大手テクノロジー企業への投資よりも多くなっています。しかし、これはハーバードの総額570億ドルの基金の1%未満に過ぎません。

現在、ビットコインの価格は昨年10月のピークから約47%下落しており、イーサリアムは約58%の下落を記録しています。ハーバードのビットコインへの投資はかつては5億ドル近くありましたが、市場の変動やビットコインETFへの持ち分の減少により、その価値は大きく減少しています。

ダートマス大学、ブラウン大学、エモリー大学などの他の名門大学も暗号通貨ETFに投資しています。

要約がありません。

街の画像に絵を描けるウェブサイトを作りました。あなたの描いた絵はそのまま残り、他の人もリアルタイムで見ることができます。描画は平面だけでなく、建物の3D形状に合わせて表示されます。このサイトは、グラフィックスにWebGL2を使用し、ストリートビューにはMapillaryを利用しています。目指しているのは、誰でも自分の印を残せるグローバルなキャンバスを作ることです。

セキュリティスタートアップのCodeWallの研究者たちは、マッキンゼーのAIチャットボット「リリ」を成功裏にハッキングし、わずか2時間で完全なアクセスを得ました。この事件は、AIがサイバー攻撃においてますます効果的になっていることを示しており、他のAIシステムに対しても脅威となる可能性があります。今回のハッキングは悪意のあるものではありませんでしたが、AIエージェントが現実のサイバー脅威に利用される傾向が高まっていることを示しています。

マッキンゼーのチャットボットは、4万人以上の従業員によって使用されており、SQLインジェクションの脆弱性が原因でハッキングされました。この脆弱性により、CodeWallのAIは4650万件のチャットメッセージや機密のクライアントファイルなどの敏感なデータにアクセスできました。CodeWallのエージェントは、自律的にマッキンゼーのシステムの弱点を特定し、公開されていたAPIのドキュメントを利用して攻撃を行いました。

この脆弱性を発見した後、CodeWallはマッキンゼーに通知し、同社は迅速に修正を行いました。マッキンゼーの広報担当者は、クライアントデータが侵害されていないことを確認し、サイバーセキュリティ対策の強固さを強調しました。しかし、CodeWallのCEOは、同様のAIを利用した攻撃が一般的になる可能性があると警告しており、攻撃者が同じ戦略を用いて金銭的利益を得ることが考えられます。

Rahul M. Juliatoは、Emacs Soloという個人用のEmacs設定を使った2年間の経験を振り返っています。この設定は外部パッケージを一切使わず、すべてEmacsに組み込まれている機能か、彼自身がゼロから作成したものです。目的はEmacsをより深く理解し、アップデートによる安定性を確保し、依存関係の問題を減らすことです。その過程を楽しむことも重要な要素です。

主な変更点として、設定は二つの層に再構成されました。第一層（init.el）には、Emacsの組み込み機能に関する設定が含まれており、他のユーザーが依存関係なしに設定をコピーしやすくなっています。第二層（lisp/）には、外部パッケージが提供する機能を再現する35の自己完結型モジュールが含まれており、明確さと保守性が確保されています。

init.elファイルは、カスタムキーバインディングやウィンドウ管理の強化、バージョン管理の設定、検索と補完機能の改善など、さまざまな組み込み機能に関するセクションに整理されています。

35のモジュールは、特定の機能を提供します。例えば、カスタムテーマやモードライン、ナビゲーションやフォーマット、ファイル処理の強化、Gitやオンライン天気、AIアシスタントとの統合などがあります。

得られた洞察として、Emacsには見落とされがちな多くの組み込み機能があること、個人用パッケージを書くことでElispの理解が深まること、モジュールを小さく集中させることが効果的であること、Emacsへの貢献がコアソフトウェアの改善につながることが挙げられます。

Emacs Soloは、外部パッケージなしで生産的なEmacs環境を構築できることを証明しています。自己完結型で理解しやすい設定に興味があるユーザーに、その魅力を探求することを促しています。このプロジェクトは、知識を共有し、Emacsエコシステム内のコミュニティを育むことへのコミットメントを反映しています。

新しいヨーロッパのコンソーシアムが、Volla Systeme GmbHの主導のもと、カスタムROMを使用するAndroidスマートフォンでの安全な決済を可能にすることを目指しています。この取り組みは、カスタムROMのユーザーが銀行や決済アプリを使用する際に直面する課題から生まれました。

このコンソーシアムには、MurenaやIodéなどの企業が参加しており、「UnifiedAttestation」と呼ばれるシステムを開発しています。このオープンソースの代替手段は、GoogleのPlay Integrityに対抗するもので、アプリがオペレーティングシステムが特定のセキュリティ基準を満たしているかを確認できるようにします。これにより、Googleのプラットフォーム以外でも政府や銀行のアプリを利用しやすくなります。

現在のシステムはGoogleへの依存を生み出しており、Google自身のAndroidバージョンのみを認証するため、「セキュリティの逆説」が生じています。UnifiedAttestationの目標は、デジタルの独立性とアプリのセキュリティチェックの透明性を促進することです。このシステムは、オペレーティングシステムサービス、分散型検証サービス、認証用のオープンテストスイートで構成されます。

このコンソーシアムは、ユーザーがGoogleに依存することなく、重要なアプリケーションに安全にアクセスできるようにすることで、代替モバイルオペレーティングシステムの利用者を支援することを目指しています。

要約がありません。

最近のUSBフラッシュドライブに関するテストでは、データが少なくとも6年間は破損せずに保持できる可能性があることが示されました。これは、USBドライブは一時的なストレージとして扱うべきだという一般的な考え方に反する結果です。このテストは、あるテクノロジーブロガーがデータを保存した10本のキングストン製USBドライブを数年間にわたってチェックしたもので、これまでのところ、すべてのドライブでデータの損失は確認されていません。

重要なポイントは、安価な模造品を避け、品質の良いドライブを適切な環境で保管することです。ブランドや保管環境は、USBドライブの寿命に大きく影響します。一部のドライブはデータをしっかり保持できますが、極端な温度にさらされたり、電源が切れたまま放置されたりすると、故障する可能性があります。

全体として、信頼できるブランドを選び、大切なデータのバックアップを取ることが推奨されます。消費者向けのUSBドライブにはデータ保持に関する明確な基準がないため、注意が必要です。

Baochip-1xは、主にオープンな設計のシリコンチップで、高い信頼性が求められる用途向けに開発されました。このチップは、TSMCの22nm技術を使用して製造されており、セキュリティチップと汎用マイクロコントローラの両方の機能を持っています。これにより、低コストのデバイスであるRaspberry Piと、より高性能なNXP iMXRT1062の間のギャップを埋めることができます。

このプロジェクトは、監視に対抗するハードウェアの信頼性に関する過去の研究に触発されたBetrustedイニシアチブの一環です。チップには350MHzのVexriscv CPUが搭載されており、メモリ管理ユニット（MMU）を含んでいます。このMMUは、同様のマイクロコントローラでは一般的ではない機能で、より安全で管理しやすいソフトウェアアプリケーションを実現します。

また、チップには真の乱数生成器（TRNG）、暗号化アクセラレーター、保護されたメモリなどの最新のセキュリティ機能が組み込まれています。量産が可能な設計で、さまざまなオペレーティングシステムとの互換性もあり、RustベースのカスタムOSであるXousもサポートしています。

MMUはチップの機能を向上させ、複雑なオペレーティングシステムやアプリケーションを安全に実行できるようにします。これまで、小型のチップは設計上の制約からMMUを搭載することが避けられてきましたが、技術の進歩により実現可能になりました。

Baochip-1xは主にオープンソースで、開発にコミュニティが参加できるようになっていますが、一部のコンポーネントはプロプライエタリです。このプロジェクトは、セキュリティチップ業界の既存の基準に挑戦することを目指しており、通常は認証の偏りからクローズドソースの設計が好まれています。

チップの生産は始まっており、初期サンプルがテスト用にリリースされています。開発者向けにコミュニティ主導の評価ボードが予約注文可能で、この革新的な技術に早期にアクセスできるようになっています。このプロジェクトはオープンソースハードウェアの重要性を強調し、シリコン設計の将来の進展に道を開くことを目指しています。

要約がありません。

要約がありません。

DARPAは、新しい実験機であるSPRINT X-76の開発を始めました。この機体は、飛行機の高速性とヘリコプターの柔軟性を兼ね備え、滑走路なしでどこでも離着陸できるように設計されています。このプロジェクトは、SPeedy and Runway INdependent Technologies（SPRINT）プログラムの一環で、従来の軍用航空の制約を克服することを目指しています。

Bell Textronが製造を担当するX-76は、400ノット以上の速度を達成しながら、ホバリングや未整備の地面からの運用が可能です。この航空機は、滑走路に依存せずに迅速な対応や奇襲能力を提供することで、軍事作戦を強化することを目的としています。

SPRINTプログラムは、DARPAとアメリカ特殊作戦軍の共同プロジェクトで、最近、設計レビューが成功裏に完了し、生産と試験の段階に移行しました。初回の飛行テストは2028年初頭に予定されています。

こんにちは、Hacker Newsの皆さん！私たちはTerminal Useのフィリップ、スタブロス、ビヴェクです。Terminal Useは、サンドボックス環境で動作し、ファイルシステムを必要とするエージェントの展開を支援するために作りました。これには、コーディングエージェント、リサーチエージェント、ファイルの読み書きを行うツールが含まれます。デモはここで見ることができます。

私たちの目標は、エージェントのホスティングプロセスを簡素化することでした。通常、これはパッケージ化、サンドボックス化、ファイル転送の管理など、複数のステップを含みます。私たちは、ReplicateのCogのように、エージェント展開のためのクリーンなAPI/SDKを作成することを目指しました。

Terminal Useでは、config.yamlとDockerfileを使用してエージェントをパッケージ化し、その後、コマンドラインインターフェース（CLI）を通じて展開します。タスクのライフサイクルを管理するために、3つのエンドポイントを定義します。Claude Agent SDKやCodex SDKのエージェントをサポートし、メッセージ変換のためのアダプターも提供しています。

独自の機能として、ファイルシステムの管理があります。ファイルシステムはタスクのライフサイクルとは別に扱われ、作業スペースを永続化したり、エージェント間でファイルを共有したりできます。また、簡単にファイルをアップロード・ダウンロードできるように、事前署名されたURLも提供し、バックエンドのファイル転送の必要をなくしました。

この分離により、ファイル処理に影響を与えることなくエージェントのロジックを簡単に更新できます。今後は、より良いストレージ管理のためにマルチファイルシステムのマウントをサポートする予定です。

私たちの展開プロセスは、シンプルなCLIコマンド、環境ターゲティング、ロギングを含み、すべてconfig.yamlで定義されているため、CI/CDパイプラインとの統合が簡単です。

私たちは、CLIを使用してコーディングエージェントのテストと反復を促進するためにプラットフォームを設計しました。ただし、一般的なサンドボックスプロバイダーとの完全な互換性など、いくつかの機能をまだ実装する必要があります。

皆さんのフィードバックや質問をコメントでお待ちしています！

要約がありません。

要約がありません。

このプロジェクトでは、約4,100の六角形タイルと波動関数崩壊（WFC）アルゴリズムを使用して、ユニークな中世の島の地図を作成します。このアルゴリズムは、子供の頃のテーブルトークRPGの体験からインスパイアを受けています。地図には道路、川、村などのさまざまな特徴が含まれており、WebGPU技術を使って約20秒で生成されます。

WFCアルゴリズムは、タイルのエッジの互換性に基づいてタイルを配置します。これは、ボードゲーム「カルカソンヌ」に似ています。各タイルには特定のエッジタイプがあり、30種類の異なるタイルが複数の構成で存在します。

小さなグリッドではWFCはうまく機能しますが、大きなグリッドでは解決できない状況が発生することがあります。この問題に対処するために、プロジェクトでは地図を19の小さなグリッドに分割し、それぞれが隣接するグリッドと一致するようにしています。

アルゴリズムが行き詰まった場合、バックトラッキングシステムを使って異なる構成を試みます。また、レイヤー化された回復システムにより、隣接するタイルを調整したり、「山」タイルを使用して問題を解決したりします。

地図には5つの標高レベルがあり、道路や斜面がこれらのレベルを適切に接続する必要があるため、タイルの配置に複雑さが加わります。

タイルはBlenderを使用して作成され、シームレスに組み合わさるように設計されています。視覚的な魅力は、環境遮蔽や被写界深度などの後処理効果によって高められています。

地図はBatchedMeshなどの技術を利用して効率的にレンダリングされ、デスクトップとモバイルデバイスの両方で60フレーム毎秒でスムーズに動作します。

ユーザーはライブデモに参加し、地図を生成したり、さまざまな設定を調整して体験をカスタマイズしたりすることができます。

このプロジェクトは、アルゴリズムの創造性と技術的スキルを組み合わせて、楽しく魅力的な手続き型地図生成器を生み出しています。

最近、ソフトウェア開発で広く使われているchardetライブラリの再実装に関する論争が起きています。このライブラリのメンテナーであるダン・ブランチャードは、AIの助けを借りて新しいバージョンをリリースしましたが、その際にライセンスをLGPLからMITに変更しました。LGPLは変更を加えた場合にオープンソースを維持することを求めるライセンスですが、MITは商業利用を許可します。ブランチャードは、自身の作業が法的に独立しており、以前のバージョンとはほとんど類似していないと主張しています。一方、元の著者であるマーク・ピルグリムは、これはLGPLの精神に反すると反論しています。

オープンソースコミュニティの著名な人物であるアルミン・ロナッハーとサルバトーレ・サンフィリッポは、ブランチャードの決定を支持し、法的に許可されていると位置づけています。しかし、著者は、法的であることが正当性を意味するわけではないと主張しています。単に法律に従っているからといって、その行動が社会的に受け入れられるわけではないと強調し、ライセンスの変更によって改善を共有する義務がなくなることがオープンソースソフトウェアの協力精神を損なうと指摘しています。

この文章は、法的分析と社会的倫理の違いを強調しています。新しいchardetのバージョンが法律に準拠しているかもしれませんが、オープンソースコミュニティ内で築かれた信頼を破壊していると述べています。著者は、AIの進展を踏まえてコピーレフトライセンスの価値を再評価する必要があると呼びかけ、共有資源から利益を得る者はその資源に還元すべきだと提案しています。最終的に、法的に許可されることが、共有資源の整合性を維持する道徳的義務に取って代わるべきではないと主張しています。

要約がありません。

要約がありません。

Common Lispを始めるのは、複雑な設定プロセスのために難しいことがあります。新しいユーザーのために、開発者が「ls-dev-image」という、Lisp-StatとCommon Lispの開発に使えるコンテナを作成しました。このコンテナはすぐに使える状態になっています。

Dockerがインストールされていれば、簡単なコマンドで起動できます。このイメージには、Emacs、SLIME、Quicklisp、サンプルデータセットが含まれています。また、特定のポートにアクセスすることで、データの可視化のためのウェブインターフェースにもアクセスできます。

この設定はLisp-Statだけでなく、あらゆるCommon Lispプロジェクトにも利用可能です。貢献やバグ報告も歓迎されています。

要約がありません。

要約がありません。

要約がありません。

要約がありません。

2026年3月4日、アメリカとイスラエルによるイランへの空爆を受けて、この紛争が国連によって確立された国際秩序に与える影響についての議論が浮上しました。緊張緩和のための話し合いが続いているにもかかわらず、軍事攻撃は主要国が国連を通じてではなく、独自に行動する傾向を浮き彫りにしています。

歴史的に見て、国際的な紛争は国連を通じて共同で管理されるか、あるいは強国が自国の利益を追求する形で一方的に行われてきました。最近のアメリカとイスラエルの行動は、国際法や国連憲章の原則との整合性について疑問を投げかけています。国連憲章は平和を維持し、国家の主権を守ることを目的としています。

アメリカはイランに対する行動の主な目的として、主権の防衛や地域の安定維持を挙げています。しかし、これらの正当化は法的現実と矛盾しており、最初の攻撃はイランからの差し迫った脅威の証拠なしに行われました。

この記事では、アメリカが自衛のために行動しているという考え方を批判し、そのような一方的な軍事行動が国際的な安全保障の努力を損なうことを指摘しています。続く紛争は、世界中で特に貧しい国々に影響を与え、石油やガスの価格上昇を引き起こしています。

国際法が効果的であるためには、強国が確立された規範を一貫して守る必要があります。そうでなければ、国際システムに混乱をもたらすリスクがあります。

あなたのコンピューターネットワークに異常な活動が見られました。先に進むには、下のボックスをクリックしてロボットではないことを確認してください。

このメッセージが表示される理由は、ブラウザがJavaScriptとクッキーをサポートしているか、またそれらがブロックされていないかを確認するためです。

サポートが必要な場合は、サポートチームに連絡し、参照ID: e4de0a3a-1cb5-11f1-9d9d-09108e6e5b06をお伝えください。

また、Bloomberg.comに登録すると、重要な世界の市場ニュースを受け取ることができます。

この文章では、ウェブサイトが正常に機能するために必要なクッキーとSDKについて説明しています。クッキーは、セキュリティを強化し、不正行為を防ぎ、購入を可能にする役割を果たします。ユーザーはブラウザでこれらのクッキーをブロックすることができますが、その場合、ウェブサイトの一部が正しく動作しなくなる可能性があります。

FFmpegは、音声や映像を処理するための強力なツールです。Metaでは、動画体験の向上や信頼性の確保において重要な役割を果たしています。Metaは、FFmpegのコマンドを毎日数十億回実行しており、メディアファイルの取り扱いにおいてさまざまな課題に直面しています。

当初、Metaは公式版にはない機能を追加するために独自のFFmpegバージョンを開発しました。しかし、時間が経つにつれて、このバージョンは公式のFFmpegから大きく逸脱し、複雑な問題を引き起こしました。これを解決するために、MetaはFFmpegの開発者と協力し、必要な機能を標準版に統合することで、内部のフォークを使用しない方向に進みました。

主な改善点には、効率的なマルチレーンのトランスコーディングがあります。ユーザーが動画をアップロードすると、ストリーミング用に複数のエンコーディングが作成されます。トランスコーディングプロセスを最適化することで、Metaはリソースの使用を大幅に削減しました。また、リアルタイムの品質指標を導入し、ライブストリーミング中に動画の品質を評価できるようにしました。これにより、内部版に依存せずに全体的な体験を向上させることができました。

さらに、Metaはカスタムビデオプロセッサを通じてハードウェアアクセラレーションによるエンコーディングをサポートし、さまざまなプラットフォームとの互換性を確保しています。

Metaは、FFmpegへの貢献を続けており、自社のニーズだけでなく、広いコミュニティのためにもその機能を強化しています。また、さまざまな開発者やパートナーからの貢献も認めています。

要約がありません。

UniFiデバイスがコントローラーと通信するために使用するインフォームプロトコルのリバースエンジニアリングについて説明しています。重要なポイントは以下の通りです。

すべてのUniFiデバイスは、10秒ごとにHTTP POSTを使用してポート8080にコントローラーに更新を送信します。データは暗号化されていますが、ヘッダーには暗号化されていない情報が含まれています。

著者はUniFiホスティングサービスを運営していましたが、各顧客が別々の仮想プライベートサーバー（VPS）を必要とするため、経済的な課題に直面しました。

効率を向上させるために、著者は共有インフラストラクチャ上で複数のコントローラーを管理できるマルチテナントシステムを検討しました。主な課題は、インフォームトラフィックを正しくルーティングすることでした。

インフォームパケットの最初の40バイトは暗号化されておらず、デバイスのMACアドレスが含まれています。これにより、ペイロードを復号化することなくデバイスを特定できます。

パケットヘッダーからMACアドレスを読み取ることで、システムはペイロード全体を復号化せずに正しい顧客にパケットをルーティングできます。MACアドレスをテナントに対応させるために、シンプルなルックアップテーブルが使用されます。

デバイスは、MACアドレスや既知のIP範囲で登録でき、初回接続時のルーティングを容易にします。

UniFiコントローラーが使用する他のポートは、明確なルーティングソリューションを持っており、複数のテナントを管理しやすくしています。

このアプローチにより、共有リソース上で複数の顧客をホスティングできるようになり、ビジネスが赤字運営から持続可能なモデルに転換しました。

インフォームプロトコルの設計は第三者の使用を意図していませんが、デバイスの識別方法により、効率的なマルチテナンシーを可能にしています。著者はUniFiコントローラーのホスティングを最適化する方法を見つけ、以前は利益が出なかったサービスを持続可能なビジネスモデルに変えました。

要約がありません。

このプロジェクトは、成虫のショウジョウバエの脳の計算モデルを作成するもので、約138,000個のニューロンと500万のシナプスを含む詳細なコネクトームを使用しています。このモデルは、ニューロンがどのように相互に活性化したり抑制したりするかをシミュレートし、感覚情報や運動情報がどのように処理されるかを研究することを可能にします。

このモデルの主な特徴の一つは、特定のニューロンを活性化または抑制することで、他のニューロンの電気的活動（スパイク）を観察できる点です。活性化は、指定した周波数でニューロンのスパイクを引き起こすオプトジェネティック刺激を模倣します。一方、抑制は、ニューロンの活動を無効にするために、そのシナプス接続をゼロに設定します。

主なプログラムである「main.py」を使用すると、さまざまなフレームワーク（Brian2、Brian2CUDA、PyTorch、NEST GPU）でシミュレーションを実行でき、カスタマイズのオプションも提供されています。ユーザーは、異なる期間や試行回数でベンチマークを実行し、結果はCSVファイルに保存されます。

インストールには、「brain-fly」という名前のConda環境が用意されており、シミュレーションを実行するために必要なライブラリが含まれています。NEST GPUを使用するには、特定のソースファイルやNVIDIA CUDAなどの依存関係を追加でインストールする必要があります。

すべてのフレームワークはすぐに使用でき、同じデータとパラメータを共有しています。ユーザーは、シミュレーションのために異なるフレームワークやその組み合わせを選択できます。

モデルはFlyWireコネクトームのバージョン783を使用しており、参考用にレガシーデータも利用可能です。

このプロジェクトは、Linux（Ubuntuでテスト済み）向けに設計されており、CUDAサポートを持つNVIDIA GPUが必要です。このプロジェクトにより、ショウジョウバエの脳内の複雑な相互作用をシミュレートすることで、神経ネットワークに関する高度な研究が可能となり、神経処理に関する貴重な洞察を提供します。

FreeBSDの最新リリースについての概要です。

現在の生産リリースは15.0、14.4、14.3の3つです。レガシーリリースとしては13.5があります。次のリリースとして15.1が予定されています。

2026年3月10日にFreeBSD 14.4のリリースが発表されました。これはstable/14シリーズの5番目のバージョンです。

主な特徴として、OpenSSHがバージョン10.0p2にアップグレードされ、セキュリティが強化されました。また、OpenZFSはバージョン2.2.9に更新され、cloud-initとの互換性が向上しました。Bhyve仮想マシンはホストとファイルシステムを共有できるようになり、マニュアルページのツールと内容も改善されています。

FreeBSD 14.4は、amd64、i386、aarch64、armv7、powerpc、powerpc64、riscv64などの複数のアーキテクチャで利用可能です。ブータブルISOイメージ、ネットワーク経由、またはUSBメモリからインストールできます。

詳細なリリースノートやハードウェアの互換性情報はオンラインで確認できます。このリリースは、FreeBSDリリースエンジニアリングの元リーダーであるケン・スミスに捧げられています。

リリースには、FreeBSDをインストールするために必要なすべてが含まれたDVDと「ライブ」レスキューモードが含まれています。詳細についてはFreeBSDのウェブサイトを訪れてください。

Mogは、AIエージェントのために設計された新しいプログラミング言語で、Tedによって作られました。主なポイントは以下の通りです。

Mogは、Luaに似た静的型付けのコンパイル言語で、AIが簡単にコードを書くことを目的としています。言語の仕様は非常にコンパクトで、3,200トークンに収まります。

AIはMogプログラムを生成し、コンパイルしてプラグインとして読み込むことができます。このプロセスは低遅延の実行のおかげで、余分な遅れなく行えます。

Mogは能力ベースの権限システムを採用しています。これにより、ホスト（AIエージェントなど）がMogプログラムの実行権限を管理し、機密のシステムリソースに直接アクセスできないようにしています。

言語の構文はシンプルに設計されており、演算子の優先順位や暗黙の型変換といった複雑な機能を避けることで、エラーを減らしています。

MogはAIエージェントが新しいコードをコンパイルして実行する際に、再起動を必要としません。これにより、ユーザーのコマンドに対してより迅速に反応できます。

非同期プログラミングもサポートしており、イベントループ内で効率的に動作することができます。

Mogのさらなる開発が必要であり、一般的なタスクのための標準ライブラリの構築やAIシステムとの統合の改善が求められています。

Mogは貢献を受け入れており、AIエージェントがコードを通じて能力を拡張するための安全で効率的な方法を提供することを目指しています。

本物のギタリストは、実際のチューナーを使うことを好みます。チューナーは箱の中にあります。必要なときにいつでも使用できます。ギターの調律に対して非常に効果的に機能します。

要約がありません。

この記事では、AppleのMac OSのデザインの進化について、特にPagesアプリケーションのユーザーインターフェース（UI）の変遷に焦点を当てています。

Appleは視覚的な混乱を減らし、コンテンツを強調することを目指しています。ユーザーインターフェースの要素を目立たなくすることで、これを実現しようとしており、この目標はMac OS X Lion（2011年）からMac OS TahoeやLiquid Glass（2025年）に至るまでのさまざまな再デザインで示されています。

著者は、異なるバージョンのPagesのインターフェースを比較し、文書とツールバーの区別が薄れていることに注目しています。古いバージョンでは明確な区分がありましたが、新しいデザインでは要素が混ざり合い、コンテンツに集中しにくくなっています。

より統一されたモノクロのデザインへの移行は、逆に気を散らす要因と見なされています。著者は、ツールと文書の間に視覚的な境界がないことが混乱を招き、使いやすさを低下させる可能性があると主張しています。

新しいデザインは一部のアクセシビリティチェックを通過するかもしれませんが、全体的な使いやすさはコントラストの低下や不明瞭なアイコンによって悪化しています。

著者は、Appleの気を散らさないようにする意図は評価できるが、UI要素を文書に溶け込ませるアプローチは効果的ではないかもしれないと提案しています。ユーザーインターフェースの明瞭さと集中力を向上させるために、より多くのデザインの変数を探ることを勧めています。

Pythonのグローバルインタプリタロック（GIL）は、スレッドの実行を同時に一つのCPUコアに制限しています。Python 3.13の実験版では、ユーザーがGILを無効にすることができるようになりました。これまでの研究は主に速度向上に焦点を当てていましたが、今回の研究ではGILを無効にすることがエネルギー使用量やハードウェアの効率にどのように影響するかを、NumPyベース、逐次処理、スレッドによる数値処理、スレッドによるオブジェクト処理の4種類のワークロードで調査しました。

主な発見は以下の通りです。

まず、独立したデータで並行して実行できるワークロードにおいて、GILを無効にしたバージョンは実行速度が最大4倍速くなり、エネルギー使用量もそれに応じて減少します。また、複数のCPUコアを効果的に活用しますが、メモリ使用量は増加します。

次に、逐次処理のタスクでは、GILを無効にしたバージョンの恩恵を受けず、逆にエネルギーを13%から43%多く消費する可能性があります。

さらに、スレッドが同じオブジェクトにアクセスするワークロードでは、ロックの競合が原因で改善が見られないか、パフォーマンスが悪化することがあります。

最後に、エネルギー消費は実行時間と密接に関連しており、CPUの使用が増えても全体の電力消費はあまり変わらないことがわかりました。GILを無効にしたバージョンは、特に仮想メモリにおいて新しいロックや安全機構のために、一般的により多くのメモリを使用します。

全体として、PythonのGILを無効にしたバージョンはすべてのアプリケーションにとって必ずしも改善をもたらすわけではありません。開発者は、自分の特定のワークロードがこの機能から本当に利益を得られるかどうかを評価する必要があります。