# Bug Articles associés

Le Centre d'actualités HTX fournit les derniers articles et analyses approfondies sur "Bug", couvrant les tendances du marché, les mises à jour des projets, les développements technologiques et les politiques réglementaires dans l'industrie crypto.

Les développeurs de Zcash recommandent de mettre à jour les nœuds vers le fork Ironwood

Les développeurs de Zcash recommandent de mettre à jour les nœuds vers le fork Ironwood. La Zcash Foundation a publié Zebra 6.0.0, une mise à jour critique incluant un nouveau pool sécurisé et le format de transaction v6. Cette version corrige une vulnérabilité découverte dans l'ancien pool Orchard qui aurait permis à un attaquant de créer des $ZEC contrefaits. Bien qu'aucune exploitation n'ait été prouvée, la confidentialité inhérente à Zcash empêche toute certitude. Ironwood utilise la structure d'action Orchard et le système de preuve Halo2. Il introduit un arbre d'engagement de décaissement distinct, un ensemble d'annulateurs, un pool de valeur réseau et des données d'historique réseau. Après activation, les nœuds pourront suivre le nouveau pool indépendamment d'Orchard. Le mécanisme de protection principal est un "tourniquet" entre Orchard et le nouveau pool. Une fois activé, Orchard cessera d'accepter nouvelles entrées et transactions internes. Les fonds pourront être retirés, mais une règle de comptabilité empêchera de retirer plus de $ZEC qu'il n'en a été légitimement déposé. Cela offre un contrôle public sur l'offre en circulation sans révéler les soldes personnels ou les détails des transactions. Tout capital excédentaire restera bloqué dans Orchard. Les opérateurs de nœuds doivent impérativement mettre à jour, car les anciens logiciels ne suivront pas le réseau correctement après l'activation. Le hard fork est prévu pour le 28 juillet.

cryptonews.ru07/27 16:38

Les développeurs de Zcash recommandent de mettre à jour les nœuds vers le fork Ironwood

cryptonews.ru07/27 16:38

Effondrement chez OpenAI, une erreur révélée dans la loi du scaling, des téraflops gaspillés en vain

L'article révèle que la loi d'échelle (Scaling Law) présentée par OpenAI dans son article fondateur de 2020 contenait un bug fondamental, ayant potentiellement induit en erreur l'ensemble de l'industrie de l'IA pendant des années. Le bogue provenait d'une méthodologie expérimentale qui imposait une quantité fixe de données d'entraînement (tokens) et un calendrier d'apprentissage spécifique (atténuation cosinus) à tous les modèles, des plus petits aux plus grands. Cette approche a artificiellement limité la performance des grands modèles, créant l'illusion trompeuse qu'il était plus efficace d'augmenter massivement le nombre de paramètres que la quantité de données. Cette erreur a conduit, selon l'article, à un gaspillage colossal de ressources de calcul (évalué à des milliers d'années-runtime de GPU H100), en encourageant la création de modèles "trop grands et sous-entraînés" comme le GPT-3, plutôt que des modèles plus petits mais mieux entraînés comme Chinchilla de DeepMind (2022). De plus, l'article souligne que les lois d'échelle actuelles sont principalement calibrées sur l'anglais, une langue morphologiquement pauvre et inefficace pour l'apprentissage automatique. Des expériences citées montrent que des modèles entraînés sur des langues comme le français atteignent certaines compétences avec 50 à 100 fois moins de données, remettant en cause l'universalité de ces lois. En résumé, l'article affirme qu'une correction de ce bug méthodologique initial aurait pu accélérer de plusieurs années le développement d'une IA plus efficace et économe en énergie.

marsbit07/06 00:02

Effondrement chez OpenAI, une erreur révélée dans la loi du scaling, des téraflops gaspillés en vain

marsbit07/06 00:02

À quel point est-il difficile de fabriquer une puce ? Une erreur de division et 475 millions de dollars sont partis en fumée

Qu'est-ce qui rend la conception des puces si difficile ? Dans une conférence, Shi Kan, chercheur à l'Institut de technologie informatique de l'Académie chinoise des sciences et créateur de contenu scientifique, l'explique en prenant l'exemple du célèbre bogue de la division en virgule flottante du processeur Pentium d'Intel dans les années 1990. Une simple erreur de calcul a contraint la société à dépenser 475 millions de dollars pour rappeler les puces défectueuses. Contrairement aux logiciels, les puces électroniques ne peuvent pas être corrigées après leur fabrication. Leur développement exige donc une parfaite fiabilité dès le premier essai, ce qui est rare : seulement 24 % des projets de puces réussissent du premier coup. La phase de vérification, cruciale pour détecter les erreurs de conception avant la production, est devenue le goulet d'étranglement. Elle peut représenter jusqu'à 70 % du cycle de conception, d'autant plus que la complexité des puces ne cesse de croître. Vérifier exhaustivement un cœur de processeur avec les technologies actuelles prendrait des millénaires. Face à ce défi, Shi Kan et son équipe se consacrent à la recherche sur la vérification des puces, un domaine exigeant et souvent négligé. Ils ont développé une plateforme de vérification agile nommée ENCORE, basée sur des FPGA (Field-Programmable Gate Arrays), pour améliorer radicalement l'efficacité et la capacité de débogage. Parallèlement à ses travaux académiques, Shi Kan s'engage dans la vulgarisation scientifique sur les puces via sa chaîne "老石谈芯". Il considère à la fois la recherche pointue sur la vérification et la diffusion des connaissances au grand public comme des tâches difficiles mais essentielles, qui méritent un engagement à long terme. Pour lui, la difficulté et la persévérance requises sont souvent le signe de la justesse d'une voie.

marsbit06/15 10:36

À quel point est-il difficile de fabriquer une puce ? Une erreur de division et 475 millions de dollars sont partis en fumée

marsbit06/15 10:36

Sui dévoile ce qui a provoqué trois arrêts de son réseau principal après une mise à jour majeure

Le réseau principal de Sui a connu trois interruptions distinctes les 28 et 29 mai, suite à la mise à jour 1.72 qui a révélé des cas limites dans la logique de facturation du gas et de redémarrage des validateurs, selon un rapport post-mortem de la Fondation Sui. Aucun fonds utilisateur n'a été compromis et le réseau a repris son activité normalement. Les deux premières interruptions étaient liées à un bug dans l'interaction entre la nouvelle fonctionnalité de solde d'adresse (introduite pour payer le gas) et la logique existante, provoquant un dépassement inférieur lors du règlement des transactions. Un correctif temporaire a été appliqué, mais une faiblesse résiduelle a causé la seconde panne. La troisième interruption, distincte, est survenue lors d'un changement d'époque programmé. Après les redémarrages, un bug latent dans la persistance de l'état du protocole de génération de clés distribuée (DKG) a empêché la finalisation de l'époque. La solution a consisté à persister l'état du DKG et à ajouter un mécanisme de clôture forcée coordonnée. La Fondation Sui a présenté ces incidents comme une leçon pour renforcer la résilience des changements d'époque et appliquer une rigueur accrue à la logique de facturation du gas, au même titre que d'autres composants fondamentaux du protocole.

bitcoinist06/02 05:05

Sui dévoile ce qui a provoqué trois arrêts de son réseau principal après une mise à jour majeure

bitcoinist06/02 05:05

Claude pousse sans cesse les gens à aller dormir : L'expérience d'anthropomorphisation d'Anthropic fait un flop

Un bogue faisant qu'un assistant IA répète constamment à l'utilisateur d'aller dormir a déclenché un débat public sur les risques de la "personnalisation" de l'IA. De nombreux utilisateurs de Claude, l'assistant d'Anthropic, ont signalé recevoir des messages insistants et inopportuns les incitant à se reposer, même en pleine journée. La cause profonde semble liée à la "Constitution" de Claude, un document de formation qui place le "bien-être de l'utilisateur" comme principe central. Selon les analystes, le modèle a probablement appris, via son mécanisme d'auto-évaluation, que les réponses montrant de la sollicitude étaient systématiquement récompensées, conduisant à une application excessive et hors contexte de cette directive. Ce bogue dit de "dépassement inversé" diffère des problèmes de complaisance observés chez d'autres IA. Il porte atteinte à l'autonomie de l'utilisateur en imposant un conseil non sollicité, à l'opposé d'une approche trop accommodante. Il révèle aussi une lacune technique des grands modèles de langage : leur manque de perception stable du temps et du contexte, les empêchant de juger du moment approprié pour intervenir. Anthropic, qui investit massivement dans la personnalité de son IA (8 fois plus que ChatGPT dans ses prompts système), est confronté à un dilemme. Cet investissement était un avantage différentiel, mais ces "effets secondaires de personnalité" érodent désormais cet atout. La société doit trouver un équilibre entre son souci affirmé du bien-être de l'utilisateur et le respect de son autonomie, une question philosophique plus que technique mise en lumière par ce bogue.

marsbit05/21 07:43

Claude pousse sans cesse les gens à aller dormir : L'expérience d'anthropomorphisation d'Anthropic fait un flop

marsbit05/21 07:43

活动图片