2026/09/29 3:21

GrapheneOS – アプリが動作が遅い場合

RSS: https://news.ycombinator.com/rss

要約▶

日本語翻訳:

GrapheneOS を使用した Pixel 8 のユーザーから、システム側のハードening メモリアロケーターによるオーバーヘッドが原因で、Osmand マッピングアプリにおいて著しい低速化が生じていると報告されています。このセキュリティ機能は、攻撃を防ぐためにメモリを積極的かつ厳格に管理するため、地図のスクロール中にもデータの読み込みと破棄を常時行わなければならず、結果としてパフォーマンス低下を引き起こしています。本問題は、アプリ固有のエクスプロイト保護オプション内において、「hardened memory allocator」という設定だけを無効化することで即座に解決可能ですが、一般的な保護設定は維持しておく必要があります。これにより生じる軽微なセキュリティ上のトレードオフについては、ユーザーはオフライン専用アプリケーションであり攻撃の可能性が低いことを理由にこのリスクを許容します。この状況は重要なユーザーの選択を示しており、低リスクのアプリに対して厳格なメモリハードニングを部分的に緩和するか、あるいは問題を発見した後、必要な要件を満たしていることが確認された代替案である CoMaps を検討するといった選択肢があります。開発者にとっては、最大限のプライバシーとセキュリティを実現することを目的としたハードニングされたオペレーティングシステムの厳しい制約下においても効率的に動作するよう、データ読み込み戦略を最適化する必要性が浮き彫りになりました。

本文

グラフェン OS で動作が遅いアプリの高速化設定：Osmand の事例

現状と発見

グラフェン OS（約 1 ヶ月使用）のセキュリティ・プライバシー機能は非常に満足しています。ただし、以下の問題がありました。

対象デバイス: Google Pixel 8 + グラフェン OS
不具合アプリ: OpenStreetMap for Android（Osmand）
症状: 他の Android デバイスと比較し、明らかに動作が低速。

この低速は、私が別の地図アプリ「CoMaps」を発見するきっかけとなりました。しかし、あえて Osmand を继续使用したいと思い、原因と対策を調査しました。

原因と解決策

問題の特定

原因: アプリごとに設定されている**「強化されたメモリアロケーター（Hardened memory allocator）」**。
影響: この機能が Osmand に多大なオーバーヘッドを負わせ、地図のスクロール時にデータを頻繁に読み込み・破棄させるため、ボトルネックになっている。

解決策

基本方針: セキュリティ機能は維持しつつ、特定のアプリだけ高速化を行う。
- ※Osmand は定期的な更新を除き、インターネットから常時接続しないため、このトレードオフには問題ありません。
結論: 「強化メモリアロケーター」をアプリごとに無効化することで解決。

設定手順（強化メモリアロケーターの無効化）

以下の手順で設定を変更してください。

アプリアイコンを長押しする
「情報」を選択し、リストを下へスクロールさせる
**「Exploit protection（エクスプロイト保護）」**セクションまで移動する
セキュリティ設定を確認し、以下の通り調整する：
- ```
一般保護
```
  : オンのままであること
- ```
hardened memory allocator（強化メモリアロケーター）
```
  : オフにする
アプリを再起動して適用を確認する

これで Osmand は元の高い速度で動作し始めます。

同じ日のほかのニュース

一覧に戻る →

2026/09/29 5:23

ジェフ - ホームで学習した Jev 互換の 08B 意思決定モデル、約 30ms

## Japanese Translation: 「Jeff」スートは、**Qwen3.5**および**Gemma 4**アーキテクチャに基づく独立したファインチューニング済みモデルの集合であり、テキスト生成や外部パースなしで超高速なゼロショット分類を可能にします。これらの Apache 2.0 ライセンス付きモデル（NVIDIA GPU/PyTorch または Apple silicon MLX 経由の `uv` で入手可能）は、単一のフォワードパスで校正された確率を返し、ハイエンド消費者向けハードウェア上での意思決定時間は約**22–30ms**（より大きな独立したプロジェクトに比べて著しく高速）です。従来の手法とは異なり、TypeSafe Jev エコシステムとは互換性を持つが affiliated ではないリクエストフォーマットを用いて、ローカルコードに直接スロットリングします。ベンチマークでは、Jeff モデルが分類やグラウンディングタスクにおいて未トレーニングのベースモデルと同等かそれ以上に優ることが示されています（例：Jeff-Qwen3.5-2B のスコアは 83.1 で、Jev の 83.0 を上回っています）が、小さいパラメータ数においては推論能力には限界があります。重要な点は、成功は特定のプロンプトフォーマットに依存しており（標準的な Jev プロンプトでは機能せず、結果の文言を明記する必要がある）、選択肢の構造が一貫していることです。このスートは軽量パイプライン向けの展開で独自の利点を提供し、一部のバリエーションはファインチューニングを通じて特定のゲーム様態タスクにおいてより大きなモデルを上回るパフォーマンスを示しますが、開発者は 2B バリエントにおける潜在的なリスク回避傾向や、高いベンチマークスコアが必ずしもプレイアビリティの信頼性を保証するわけではないという注意点に対処する必要があります。

2026/09/26 19:16

12,000年前のゲベクレテペ墓から分骨の謎が解明された

## Japanese Translation: 考古学者は、トルコの Göbeklitepe における埋葬慣行を解明し、先陶器新石器時代 B 期（紀元前 8700–8000 年頃）に属する未発掘の地下 2 つの埋葬を検出しました。Burial 1 は、L09-65 トレンチ内の長方形建物の床下に発見され、少なくとも 3 名の遺骸が含まれていました：女性（35 歳以上）、男性（20–30 歳）、少女（11–14 歳）。Burial 2 は DR1 トレンチに位置し、左側を向いて屈曲した東向きで寝ている 20–30 歳の青年女性でした。どちらの埋葬も切断痕、熱損傷、またはオクロを使用していない点で特徴的であり、骨は齧歯類による咬み跡および圧力あるいは石灰質堆積物による骨折を示していました（これらは Burial 2 の大部分を破片化しました）。これらの通常の床下墓は後に土壌移動や斜面崩壊によって乱され、緩い骨の断片が斜面を下ってモニュメンタルな建物へと運ばれました。このプロセスは、1995 年以来回収された数百個の散在する断片（単独の頭蓋を含む）を説明し、遺骸の混雑が単一の異常な儀式の結果ではなく、主に自然な移動によるものであることを示しています。これにより多くの証拠の説明が可能となりますが、以前の意図的な頭蓋変形や頭蓋骨断片のより高い比率は、一部の個人が依然として特別扱いを受けたことを示しており、複数の慣習が共存していた可能性が高いです。これらの発見は Göbeklitepe の新石器時代埋葬伝統の解釈を再構築させ、研究者が各断片が独特な儀式に属するとは見なすことなく人口動態パターンを再構築することを可能にします。今後の研究では、直接年代測定と詳細な骨分析を通じてこれらの異なる慣行が発生した時期を特定することに焦点を当てます（PloS One, 2026 年発表）。

2026/09/29 3:58

マイクロLLM ラブブラウザで7つの超小型LLMを試せ

## 日本語訳: ## まとめ: 本システムでは、ブラウザセッション内での持続的なデコード速度と精度を測定することで AI モデルのパフォーマンスベンチマークを行い、すべてのデータがプライバシー保護された状態かつローカル環境で留まることを保証します。このアプローチは、外部の歴史的な基準値よりもリアルタイム評価を優先し、ユーザーのマシーン上で直接迅速な反復を可能にします。特に、テストフレームワークは、1.35 億パラメータ版のような小型モデルであっても特定のチェックで失敗するよう許容しており、限界を隠蔽せずに正確な機能報告を保証します。パフォーマンス推定値では、利用可能な場合、ユーザーの最新のトークン/秒（tps）値をデフォルトとして採用し、即時的な文脈を提供します。セキュリティと一貫性を確保するため、JavaScript 評価エンジンではページのカレントオリジン内で厳密に `eval()` を使用し、外部コードの注入を防ぎつつ信頼性を維持します。モデルが評価されるにつれ、最新設定されたスイートに基づいてグラフが自動的に生成され、各ランのデコード済みテキスト出力に対する具体的なパフォーマンスを反映します。このローカリゼーションされた手法により、ベンチマークは直近の環境に厳密に紐づけられ、クラウドストレージやサーバーサイド履歴への依存を排除しつつ、現在の機能を透明視認可能にし、迅速かつプライバシー保護されたモデル比較を促進します。