A hobbyist project decodes the microcode ROM of the NEC V20 CPU, an Intel 8088-compatible chip, by analyzing a die shot image. Since the ROM contained nearly 30,000 bits, manual decoding was impractical, so the team used Travis Goodspeed's MaskRomTool to locate bits, then trained a convolutional neural network to classify each bit as 0 or 1 after manually labeling 1,000 sample images. The resulting microcode is being matched against the V20's internal architecture to understand its function, with progress tracked in a public GitHub repository. The work aims to produce a cycle-accurate emulator of the V20, whose microcode was historically the subject of a legal dispute between NEC and Intel over CPU compatibility.
Source: https://hackaday.com/2026/09/09/decoding-the-nec-v20-microcode-rom. 8 Sync News only summarizes and links out; content copyright belongs to the authors and original sources.
Đang tải bình luận…
Thị phần PC remake game console cũ đang trở thành sân chơi mới cho các lập trình viên tài năng. Dự án Donkey Kong 64 Recompilated cho thấy kỹ thuật recompilation đang phát triển mạnh mẽ. Nguyên nhân chính là các lập trình viên muốn tối ưu hóa lại code cũ để chạy mượt mà trên hệ thống hiện đại. Hệ quả là cộng đồng đang chứng kiến sự bùng nổ của các project recompilation như một dạng AI vibe coding. Điều đáng học hỏi là cách tiếp cận này kết hợp giữa nghệ thuật reverse-engineering và khoa học tính toán để phục hồi các tác phẩm kinh điển.
Lập trình viên nên đọc bài này để hiểu cuộc cách mạng tái biên dịch retro game đang trở thành sân chơi công nghệ mới đầy thách thức và sáng tạo.
Coreboot giờ đây có thể khởi tạo DRAM trên các SoC Intel Bay Trail không cần file nhị phân độc quyền nhờ công trình reverse-engineering của Mate Kukri. Dự án sử dụng SerialICE debugger và Unicorn Engine CPU emulator để phân tích DRAM initialization mà không có tài liệu từ vendor. Bay Trail, chip hơn 10 tuổi chủ yếu dùng trong Chromebook giá rẻ, chỉ là minh chứng cho kỹ thuật reverse-engineering có thể áp dụng rộng rãi. Fully blob-free setups vẫn cần hardware hỗ trợ Libreboot, vốn ngày càng khan hiếm trên thị trường.
Bài viết này cung cấp phương pháp reverse-engineering DRAM initialization giúp lập trình viên áp dụng cho các nền tảng phần cứng khác.
Một hacker đã exploit lỗi UDP overflow trên firmware của máy in Samsung C410W để chạy server Minecraft UCraft trực tiếp trên thiết bị. Mã khai thác và server đã được đăng trên GitHub nhưng chỉ hoạt động ổn định với model và firmware cụ thể đó.
Bài này cho thấy cách khai thác lỗi firmware để biến thiết bị IoT thành máy chủ game, mở ra hướng tiếp cận mới cho lập trình viên khi bảo mật và tận dụng phần cứng.
Bài viết giải quyết vấn đề chuyển đổi RECIST line (đo thẳng) thành 3D tumor segmentation mask (khối u 3D) trong y học hình ảnh. Phương pháp sử dụng deep learning model như UNet để dự đoán hình dạng 3D từ các đo thẳng trên CT scan. Kết quả cho độ chính xác lên đến 89% khi so sánh với manual segmentation. Điều đáng học là kỹ thuật này giảm 70% thời gian làm việc so với phương pháp thủ công truyền thống.
Bài này giúp lập trình viên chuyển đổi RECIST line thành 3D tumor segmentation mask một cách hiệu quả.
Một nhà sáng chế muốn điều khiển máy in nhiệt Bluetooth di động từ microcontroller ESP32-C3 để in dữ liệu cảm biến, nhưng máy in chỉ có ứng dụng di động độc quyền không có tài liệu giao thức. Thay vì phương pháp thông thường là log Bluetooth Android rồi phân tích bằng Wireshark, ông sử dụng scanner BLE service/characteristic cùng thư viện Bleak của Python để tương tác tìm kiếm các characteristic có thể ghi cho đến khi xác định được lệnh tiến giấy. Sau khi ánh xạ giao thức trong Python, việc chuyển đổi payload sang C++ trên ESP32 trở nên đơn giản, và ông thêm thư viện Adafruit GFX để hỗ trợ biểu tượng và định dạng đầu ra. Mã nguồn hiện chưa được công khai.
Bài này cung cấp phương pháp đảo ngược giao thức Bluetooth cho máy in thermal mà không cần tài liệu chính thức, kỹ thuật có thể áp dụng cho nhiều thiết bị IoT khác.
Bối cảnh: Nhiều tổ chức cùng thời điểm khám phá và triển khai các công nghệ tương tự mà không có giao tiếp rõ ràng. Nguyên nhân kỹ thuật: Mô hình Transformer có thể tự phát triển các cơ chế attention hiệu quả mà không cần thiết kế thủ công, dẫn đến các giải pháp parallel trong kiến trúc neural networks. Hệ quả: Sự hội tụ tương tự giữa các lab nghiên cứu như OpenAI và Google về phương pháp training models với self-supervised learning, tạo ra các thành tựu như GPT-3 và BERT cùng hướng. Điều đáng học: Sự tiến bộ trong deep learning có thể dự đoán được hơn nhiều người nghĩ, khi các cơ bản nguyên lý toán học dẫn đến các giải pháp tối ưu tương tự bất kể điểm xuất phát.
Bài viết khám phá hiện tượng nhiều lập trình viên độc lập phát hiện ra cùng một giải pháp kỹ thuật mới, mở ra hiểu biết sâu sắc về cách tư duy sáng tạo trong ngành công nghệ.
Cần tạo hiệu ứng mặt nạ 3D thời gian thực trên web mà không phụ thuộc vào phần cứng chuyên dụng. Bài viết sử dụng MediaPipe Face Mesh để trích xuất 468 điểm landmark khuôn mặt, sau đó ánh xạ chúng lên mô hình mặt chuẩn của Google để tạo lưới đa giác phù hợp. Các điểm landmark được truyền qua Threlte – bộ bao Svelte cho Three.js – để cập nhật vị trí và hướng của đối tượng Three.js mỗi khung hình, cho phép render mặt nạ có texture ở khoảng 60 FPS trên trình duyệt hiện đại. Kết hợp việc ước lượng tư thế dựa trên ML với rendering WebGL qua framework component-based giúp giảm lượng mã boilerplate và duy trì hiệu suất cao mà không cần viết shader phức tạp. Điều này cho thấy việc tách biệt giai đoạn xử lý landmark (CPU) và giai đoạn render (GPU) là chìa khóa để đạt được trải nghiệm AR mượt mà trên web.
Bài này sẽ giúp bạn nắm cách kết hợp MediaPipe, Threlte và Three.js để tạo mặt nạ 3D thời gian thực trên trình duyệt.
Bài benchmark đánh giá 4 model LLM (GPT-5.6-Sol, Gemini 3.7 Flash, GLM-5.3-Flash, Claude Fable 5.1) trong nhiệm vụ nhận diện nấm độc/ăn được trên dataset FungiTastic. Kết quả cho thấy tỷ lệ lỗi nguy hiểm lên tới 30-40% khi phân biệt nấm độc, đặc biệt là các loài có hình thái tương tự nấm ăn được. Nguyên nhân chính là do các model thiếu dữ liệu chuyên sâu về đặc điểm vi sinh vật và phản ứng sinh hóa của nấm, dẫn đến khả năng general hóa kém. Hệ quả là người dùng có thể bị gợi ý sai dẫn đến ngộ độc nếu tin tưởng hoàn toàn vào kết quả AI. Điều đáng học là ngay cả các model tiên tiến nhất cũng cần dữ liệu domain-specific chất lượng cao và cơ chế cảnh báo rủi ro rõ ràng khi ứng dụng trong lĩnh vực y tế/đời sống.
Bài viết cảnh báo những sai lệch nguy hiểm khi AI xác định nấm ăn được hay độc.
Read the news here, practice coding, follow structured courses and train for IELTS on our sibling products — all connected through one 8 Sync account.
The ecosystem home: product overviews, blog and full pricing.
ExploreLearn along a clear roadmap: videos, auto-graded quizzes, certificates and mentors who ship for a living.
View the roadmap1,000+ DSA problems in Vietnamese, auto-graded across 7 languages — many FREE, right in your browser.
Practice for freeAI grading for all four IELTS skills with detailed rubric feedback.
Try it freeA 22 MB AI IDE for Vietnamese devs.
Download freeOrganizational memory for AI agents.
ExploreAI that staffs your Fanpage and qualifies leads for you.
Try it