作者介绍,Epoch 通过 Playdate API 兼容层已能在 Mac 等平台原生运行,但开发重心仍在 Playdate。他观看了烧脑纪录片《You Can See Everything》,并购买 M5 Max Mac Studio 以推进 Epoch 开发。此外,他详述了与肇事逃逸案对方律师的交涉:对方威胁反诉,他强硬回应后提出让步方案;目前可能由自己的保险先行赔付,但尚未确定。
作者下班后与华夏去SJ南边看《美国精神病人》重映,感慨老电影等旧物虽已四分之一个世纪却仍贴近生活。周末与Alan、Victor跑山看朋友新车,千华用白床单给Boxster和作者的718 Cayman做万圣节车装并拍照。Playdate版Epoch进展缓慢,云层和大气层耗CPU难优化,作者想控制在5ms内。优化中萌生想法:做Playdate API兼容层并统一随机数,可将Epoch移植到iOS和macOS并特效全开,实现十年前主流平台发行愿望。
作者为朋友庆生后讲述三件事:给旧车买香氛并为亏电的Expedition搭电充电;推进游戏Epoch开发,用隔行渲染等技术在Playdate上维持30帧;Cayman被肇事逃逸近一年,对方保险与律师因工资克扣流程着急,作者要求先付清判决款及费用,并让双方直接对线。
作者近期为游戏Epoch加入黑洞、飞船和星门等更新,周末与朋友在Sea Ranch写代码。肇事逃逸案缓冲期将结束,准备追讨工资,并报名手动挡驾驶课。买到两张DUNE 3 IMAX 70mm票。重提八年前博客:若财富自由就写Unity版Epoch,如今在海边写Playdate版,感觉快实现了。
作者近期在生活琐事之外,主要推进Epoch的Playdate版开发。原Quadtree实现需手动排序三角形,速度慢,近地绘制耗时超60ms;长周末改用AI重写为类似Ray Marching的Voxel Space方案,目前仍在优化。若发布,它将成为Playdate上首个可从太空飞到地面的3D程序生成太空游戏。
作者在劳动节长周末优化了Playdate版《epoch》游戏。该游戏为全3D程序生成,因硬件无GPU,采用软件渲染、四叉树和Z排序,仅绘制面向相机的三角形,用8种抖动图案模拟光照,但贴地飞行仅10帧/秒。同时,作者构思了游戏剧情:帝国衰落,男主作为老兵卷入黑洞事件,发现巨构石碑实为上古文明扫地机器人,最终以威慑结束战争,自我流放。
本文介绍Ceph RADOS中MON/MGR与Map机制:MON用Paxos变体维护OSDMap等强一致状态,epoch递增触发增量传播;MGR聚合PGMap提供弱一致统计;客户端通过Objecter缓存map并透明追赶,epoch变化影响peering与可见性窗口,中心化架构在超大规模下存在瓶颈。
本文讨论了FoundationDB的故障恢复机制,强调将故障视为常态并快速恢复。通过角色招募、epoch管理和版本控制,确保事务系统的高可用性。恢复过程包括锁定状态、停止旧角色、招募新角色,并计算恢复版本(RV)和上一epoch版本(PEV)。恢复期间写路径不可用,但读路径可访问已有数据。整体目标是缩短恢复时间,提高系统稳定性。
TiKV 将集群数据视为全局有序的 Key-Value 大表,按 Key 切分为多个 Region。每个 Region 代表一个连续的 Key 区间,RegionEpoch 通过两个字段管理版本,确保请求有效性。每个 Region 由多个 Peer 组成 Raft 组,只有 Leader 处理读写请求。PD 负责均衡 Region 和 Leader 的分布,以提升容错能力和性能。
作者在开发游戏《Epoch》时,分享了过程生成的地形与梦境的联系。游戏使用简易的飞船查看器,随机生成地形,偶尔出现意外景象,唤起对过去梦境的回忆。
周末因公司事务未能完成计划。与Chloe前往农贸市场,尝试在Playdate上开发太空游戏,AI辅助编程效率高。游戏名可能延续十年前的“Epoch”,尽管工作繁忙,仍希望周末继续开发。
Epoch AI与60多位数学家合作推出FrontierMath基准,评估AI在高级数学推理中的能力。该基准显示当前AI模型的成功率不足2%,揭示了与专家水平的显著差距。FrontierMath包含数百个原创数学问题,旨在解决现有基准的饱和和数据污染问题。尽管该基准有助于评估AI系统,但其对自动可验证答案的关注限制了对现代数学研究的全面评估。
本研究探讨了在低资源语言环境下优化大型语言模型训练的方法。通过多轮次、多语言和两阶段训练,提出了降低超参数搜索成本的策略。研究发现,随着语料量减少,最佳训练方法由单语单阶段转向多语两阶段,且最佳模型规模在不同语料量下保持稳定。
单目人体姿态估计(HPE)是从相机捕捉的单个 2D 图像中确定人体关节的 3D 位置。本研究提出了一种 EPOCH 框架,利用完整的透视相机模型进行姿态估计,并通过无监督学习得到比现有方法更好的泛化性能和最先进的结果。
完成下面两步后,将自动完成登录并继续当前操作。