TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #760 · 10.02

Почему в видеоиграх такие тупые мини-игры? Во многих видеоиграх есть мини-задачки, которые моделируют какое-то якобы сложное действие. Например, вскрытие замков, взлом компьютера, какие-нибудь типа научные исследования в сюжете. И я не помню, видел ли хоть раз в жизни не тупую мини-игру. В лучшем случае у вас будет что-то типа головоломки "Трубопровод". В худшем — задачка уровня цветной пирамидки для младенцев. Почему так? Нельзя сказать, что все видеоигры спроектированы для глупых или для детей. Иногда в основном сюжете или механике игры есть элементы, которые требуют уметь хотя бы чуть-чуть шевелить мозгами. Но почему нигде не делают интересные мини-игры, которые было бы сложно решать? Ведь образцов для этого дофига: начиная с какого-нибудь "Сапёра" и заканчивая Wordle. А там блин везде соедини точки, да подвинь квадратики. Кажется, попытка сделать интересную мини-игру была в Cyberpunk в системе взлома, но не удалась — хорошая идея реализовывалась авторами, которые плохо понимают, как работают игры и вообще интерактивные системы, в итоге для хоть какой-нибудь решаемости сделали сами наборы данных супер примитивными. Знаете ли вы примеры игр с интересными мини-задачками, если только вся игра не построена на них (как например The Witness, хотя там больше половины задачек очень скучные)? #games

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #llvm

当前筛选 #llvm清除筛选
Android Broadcast

@android_broadcast · Post #9894 · 17.03.2026 г., 05:32

🤖Google ускорила ядро Android, скормив компилятору профили реального использования Команда LLVM toolchain в Google рассказала, как они применили AutoFDO (Automatic Feedback-Directed Optimization) к ядру Android — и результаты интересные. Идея простая: обычный компилятор принимает решения об оптимизациях на основе статических эвристик. Встроить функцию или нет, какая ветка условия чаще выполняется — всё это угадывается без реальных данных из приложений и пользовательских сценариев. AutoFDO меняет подход: компилятор получает профили реального выполнения кода и на их основе принимает куда более точные решения. Эта техника Google уже давно применяется к своей серверной инфраструктуре и ChromeOS, так что подход обкатанный и зарекомендовавший себя. Кто знаком с ART Profiles — идея покажется знакомой. Там тот же принцип: собираем данные о реальном выполнении, отдаём компилятору, получаем более точный нативный код. Только ART Profiles работают на уровне ART для Java/Kotlin-кода конкретного приложения, а AutoFDO — на уровне ядра, C/C++ и LLVM. Разные слои, одна философия. Для ядра профили собирают не с реальных устройств, а в лабораторных условиях: запускают топ-100 самых популярных приложений, используют simpleperf и аппаратные возможности ARM для записи истории ветвлений. Собранные данные показывают 85% совпадение с профилями реального парка устройств — этого достаточно, чтобы считать подход рабочим. Результаты на ядрах 6.1, 6.6 и 6.12: 👉 холодный старт приложений стал быстрее на ~4% 👉 время загрузки сократилось на ~1% 👉 ядро занимает ~40% CPU-времени на Android, так что любая оптимизация здесь ощутима Важный момент: AutoFDO не меняет логику кода, только влияет на решения компилятора — инлайнинг, раскладку кода. Функции, которые не попали в профили («холодные»), компилируются стандартным образом, без изменений. Сейчас это уже в проде — профили включены в ветки android15-6.6 и android16-6.12, так что устройства на этих ядрах уже собираются с AutoFDO. Pixel-устройства точно попадают в эту категорию. С другими производителями сложнее: многие используют сильно модифицированное ядро и не переходят на GKI из AOSP, так что там это может быть не применено вовсе. В планах — GKI-модули, вендорные модули через DDK и поддержка новых версий ядра. 🔗 Источник - блог Android Developers #Android#AndroidDev#Производительность#LLVM#Native