Develata's Space

Appearance

科技新闻 2026-2-26 ​

本期聚焦编程语言与系统革新：Tree-sitter移植至Go提升语法解析效率，Mercury 2展现推理新高度，systemd 260弃用旧服务脚本，Mesa修复关键安全漏洞。同时，量子算法在特定任务中超越经典方案，AI实现实时策略游戏对战，技术前沿持续突破。

Show HN: I ported Tree-sitter to Go 95 ​

  • Tags: Go tree-sitter 编译器技术 WASM 语言服务器

  • Source: HackerNews | 阅读原文

[摘要]
纯Go实现的tree-sitter运行时，无CGo依赖，支持WASM，增量解析性能提升90倍，兼容现有语法库。

Large-Scale Online Deanonymization with LLMs 94 ​

  • Tags: 大模型 隐私安全 人工智能伦理 数据去匿名化

  • Source: HackerNews | 阅读原文

[摘要]
LLMs can accurately deanonymize users from minimal online posts by inferring location, occupation与兴趣，实现大规模网络身份追踪。

Mercury 2: The fastest reasoning LLM, powered by diffusion 94 ​

  • Tags: LLM 扩散模型 推理加速 模型架构 AI基础设施

  • Source: HackerNews | 阅读原文

[摘要]
Mercury 2首次采用扩散模型架构实现并行推理，突破传统自回归解码瓶颈，实现超5倍速度提升，支持实时推理与高质量思维链生成。

Devirtualization and Static Polymorphism 92 ​

  • Tags: C++ 静态多态 编译优化 性能调优

  • Source: HackerNews | 阅读原文

[摘要]
通过静态多态替代虚函数调用，消除运行时分派开销，实现零成本抽象，显著提升性能敏感路径的执行效率。

PA Bench: Evaluating Frontier Models on Multi-Tab Pa Tasks 92 ​

  • Tags: AI 评测基准 多模态代理 人机协作

  • Source: HackerNews | 阅读原文

[摘要]
PA Bench引入真实世界多应用、长周期个人助理工作流，评估AI代理在跨平台任务中的协同推理与执行能力。

systemd 260-rc1 Released: New "mstack" Feature, System V Service Scripts No Longer Supported 92 ​

  • Tags: systemd Linux内核 容器化 安全漏洞 系统架构

  • Source: Phoronix | 阅读原文

[摘要]
systemd 260-rc1移除System V服务脚本支持，引入mstack容器化功能、FANCY_NAME emoji支持及多项安全与兼容性增强。

Mesa 26.0.1 Released With Important Security Fix For OOB Memory Access From WebGPU 92 ​

  • Tags: Linux内核 Mesa WebGPU 安全漏洞

  • Source: Phoronix | 阅读原文

[摘要]
Mesa 26.0.1发布，重点修复WebGPU中可能导致越界内存访问的严重安全漏洞，影响现代浏览器安全。

Dissecting the CPU-memory relationship in garbage collection (OpenJDK 26) 92 ​

  • Tags: Java Garbage Collection Performance Monitoring OpenJDK

  • Source: HackerNews | 阅读原文

[摘要]
OpenJDK 26引入GC CPU新API，量化垃圾回收器的CPU开销，解决堆内存与计算资源间的隐性权衡问题。

量子算法在补集抽样任务中胜过经典算法 92 ​

  • Tags: 量子计算 量子算法 量子优势 补集抽样

  • Source: Solidot | 阅读原文

[摘要]
量子算法在补集抽样任务中实现可证明的量子优势，通过叠加态波球与量子翻转操作，显著降低样本复杂度。

Show HN: A real-time strategy game that AI agents can play 92 ​

  • Tags: 大模型评估 对抗性学习 上下文学习 实时策略游戏 代码生成

  • Source: HackerNews | 阅读原文

[摘要]
LLM Skirmish 是一个基于代码博弈的对抗性上下文学习基准，让大模型在实时战略游戏中通过编写代码制定策略并相互对战，测试其动态适应与推理能力。