TGTGInsighttelegram intelligenceLIVE / telegram public index
← Китайский клуб НСО МГИМО

TGINSIGHT SIMILAR POSTS

Find similar content

Source channel @ccmgimo · Post #310 · Nov 17

🎙 Ответы Посла по особым поручениям, Старшего должностного лица России в АТЭС К.М.Барского на вопросы МИА «Россия сегодня» 📅 18-19 ноября в Бангкоке состоится очередная встреча лидеров экономик-участниц форума «Азиатско-тихоокеанское экономическое сотрудничество» (#АТЭС). К сожалению, традиционно конструктивная работа в рамках АТЭС в этом году омрачена попытками США, Австралии, Канады, Новой Зеландии и Японии привнести в повестку дня Форума «украинский сюжет», а также возложить на Россию ответственность за неблагоприятное положение дел в мировой экономике. Терпеливо разъясняем партнерам, что рост цен на продовольствие и энергетические товары, как и в целом развитие инфляционных тенденций, наблюдаются уже несколько лет и объясняются: 👉 вызванными пандемией сбоями в глобальных и региональных стоимостных цепочках, 👉 безоглядной «накачкой» мировой экономики ликвидностью в рамках ультралиберальной кредитно-денежной политики эмитентов основных резервных валют. Россия является инициатором или активным участником реализации более чем 20 проектов АТЭС в таких сферах, как торговля и инвестиции, цифровая трансформация, устойчивое и инклюзивное развитие. Отмечаем взвешенную и конструктивную позицию таиландского председательства, которое Россия всецело поддерживает. Рассчитываем на успешное проведение саммита АТЭС и консенсусное одобрение лидерами его итоговых документов. Подробнее

Hashtags

Results

1 similar post found

Search: #llvm

当前筛选 #llvm清除筛选
Android Broadcast

@android_broadcast · Post #9894 · 03/17/2026, 05:32 AM

🤖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