亨尼·吉·维切尔斯探讨了如何通过“机制设计”——战略性地重写激励措施——来促进在看似无法解决的冲突中的合作。文章以马里兰州蒙哥默里县的农业保护区为例，该保护区并非通过限制措施而是通过可转让开发权（TDR）得以保护。该系统允许土地所有者将其开发潜力出售给指定增长区域的开发商，从而为农场保护提供资金，同时也实现了必要的建设。
这种方法植根于经济理论，并受到规划者如罗伊斯·汉森等人的倡导，将零和博弈转变为有效的市场。例子包括纽约市的空中权销售以保护地标建筑，休斯顿的住房密度改革，以及日本尽管存在土地所有者抵制但仍成功进行的铁路建设。
核心原则是将分析现有规则转变为*设计*使合作成为理性选择的规则。现代思想家如格伦·韦尔倡导“多元性”——承认不同动机并建立跨越分歧关系的机制，例如二次投票和资金。
最终，文章认为成功的机制不仅仅是关于经济效率，而是关于理解和适应人类行为。它们需要持续的维护、透明度和适应性，为解决气候变化和民主复兴等复杂挑战提供了一条希望的道路，重点在于构建更好的合作*架构*。
每日HackerNews RSS
## 住房短缺与博弈论：摘要
一篇黑客新闻的讨论围绕着一篇文章，探讨“逆向博弈论”——本质上是应用标准的博弈论原理——是否能解决住房短缺问题。核心论点是，改变激励机制可以改变行为，鼓励更多的住房建设。
对话很快超越了文章的框架，许多评论者一致认为解决方案就是**建造更多住房**，无论意识形态如何。然而，他们指出了显著的障碍：NIMBY主义（通常来自优先考虑环境问题或反对地主利益的自由派），限制性分区法规，以及由投资驱动的人工稀缺。
几个要点浮出水面：可转移开发权（通过从其他地方购买权利来允许在一个区域增加密度）作为一种可持续的解决方案受到了质疑。其他人强调了人口增长、移民和投资者投机的作用。一个反复出现的主题是，政府干预，虽然通常旨在提供帮助，但经常通过过度监管加剧问题。
最终，讨论指出这是一个复杂的问题，没有简单的解决方法，强调需要调整激励机制以鼓励增加住房供应并减少对开发的人为限制。许多人认为，自下而上的方法，赋予地方社区决定住房密度的权力，可能比自上而下的指令更有效。
在数学中，严谨性至关重要。但数字化的证明是否过于严苛？
In math, rigor is vital, but are digitized proofs taking it too far?
3 天前
布尔巴基小组在20世纪深刻地重塑了数学，并非通过新的发现，而是通过对抽象和严格形式化的彻底强调。他们优先考虑一般陈述和逻辑推导，而非直觉和具体例子，创造了一种高度“严谨”且无懈可击的风格，并被广泛采用。 虽然这种方法提高了数学的可靠性和清晰度，但也存在缺点。诸如组合学和图论等领域，依赖于具体的视觉化，最初被边缘化。一些数学家现在担心布尔巴基的成功助长了同质化，通过掩盖替代方法（例如历史上几何的意大利代数几何学派）而降低了数学的“文化多样性”。 目前，新一代数学家正试图使用计算机“证明助手”（如Lean）来实现*真正*的形式化证明，旨在验证每一个逻辑步骤，甚至基本的算术。这个雄心勃勃的项目，在大量资金的支持下，寻求形式化所有数学，并可能解决人类严谨性的局限性。
## 幻影：拥有自己电脑的AI
幻影是一种新的AI代理方法，超越了可抛弃的聊天机器人，旨在创造一个持久的、自我改进的合作者。 与每次会话都会丢失上下文的传统代理不同，幻影在一个专用的虚拟机上运行，允许它安装软件、构建工具并*记住*过去的交互。
这意味着幻影可以自主构建复杂的解决方案——例如从原始数据创建分析仪表板，或通过Discord等新的通信渠道扩展其功能——而无需持续的人工指导。 它甚至监控自己的基础设施并主动提高性能。
主要功能包括持久内存、创建动态工具的能力、加密安全以及可共享的公共URL，用于它构建的任何内容。 幻影不受您笔记本电脑资源的限制，并且全天候运行。 它会随着时间的推移学习和进化，变得越来越符合*您的*特定需求，并且可以通过MCP服务器与其他AI工具集成。
幻影专为任何人设计，即使是没有编码经验的人，也提供了一种强大的自动化任务和构建定制解决方案的方式。 它可部署在专用虚拟机上，并通过Anthropic API密钥提供免费试用。
对不起。
在深夜刷Reddit时，我偶然发现了一个有趣的故事：新西兰的道路工人困惑于交通锥子不断被一种叫做“kea”的本地、调皮的鹦鹉移动。结果发现，这些“马戏团”般的鸟类有策略地重新摆放锥子，*故意*让交通停止，希望从下车的司机那里得到施舍——本质上是发明了收费站！ 这引发了我对鸟类智力的深入研究。虽然没有单一的“鸟类智商测试”，但研究人员使用诸如镜子测试（自我识别）、伊索寓言（解决问题）和延迟满足测试等方法。鸦科鸟类（乌鸦、渡鸦、喜鹊）和鹦鹉始终表现出卓越的能力——工具使用、未来规划、沟通，甚至理解他人的认知。 令人惊讶的是，鸟类的大脑虽然较小，但神经元密度是同等大小的灵长类动物大脑的*两倍*。一只渡鸦的10克大脑在计算能力上可以与一只黑猩猩相媲美！虽然鸦科鸟类擅长解决问题，但鹦鹉在沟通方面表现出色，其中一些，比如非洲灰鹦鹉Alex，展现了令人印象深刻的词汇量和抽象思维。讽刺的是，最“笨”的鸟，鸮鹦鹉，在没有天敌的环境下进化，当受到威胁时只是会僵住。 结论？智力不是关于大脑的大小，而是效率。称某人为“鸟脑”可能恰恰是一种赞美。
## 自制路由器：对美国新政策的回应
美国政府最近宣布了一项 фактически 禁止进口新型消费级路由器型号的政策。作为回应，并且作为一个有趣的科技项目，利用现有硬件自制路由器是一个可行的选择。本质上，任何运行Linux的计算机——迷你电脑、旧笔记本电脑，甚至重新利用的服务器——都可以充当路由器。
这个过程包括安装轻量级的Linux发行版（如Debian或Alpine），配置WAN和LAN网络接口，并利用诸如`hostapd`（用于Wi-Fi）、`dnsmasq`（用于DHCP & DNS）和`nftables`（用于防火墙/NAT）等软件。 多个以太网端口是理想的，但USB适配器可以作为补充。
虽然看似复杂，但核心思想很简单：路由器只是计算机。这种方法提供了稳定性和控制力，作者的设置即使使用旧硬件也能可靠地处理家庭流量。 除了基本的路由之外，这些系统还可以扩展到VLAN、VPN和入侵检测等功能，但为了获得最佳性能，建议保持路由器软件的精简。 这不一定是每个人都能实用的解决方案，但它展示了硬件的灵活性和软件的力量。
《Spring Boot 最佳实践：来自 400 个模块代码库的经验教训》
Spring Boot Done Right: Lessons from a 400-Module Codebase
3 天前
启用 JavaScript 和 Cookie 以继续。
## Spring Boot：纪律胜于技巧
最近 Hacker News 上的一场讨论围绕着维护大型 Spring Boot 代码库（400 个模块）的挑战。核心观点并非框架本身，而是有效使用它所需的*纪律*。虽然 Spring Boot 提供了强大的工具和模式（如依赖注入和自动配置），但其易用性可能导致开发者优先考虑框架规范，而非解决实际问题。
作者在离开 Spring Boot 生态系统后，发现在 TypeScript 和 Python 等语言中拥有更大的简洁性和控制力，更倾向于使用 SaaS 解决方案来处理常见的任务，如身份验证。其他人则认为 Spring Boot 的优势在于提供结构和一致性，尤其是在大型企业中，可以防止 Node/TypeScript 环境中常见的混乱“微服务地狱”。
一个关键点是，一致应用模式的重要性——即使是看似奇怪的做法，例如仅用于注解的空类——也能保持可预测性和可调试性。最终，这场讨论强调，成功的软件开发更依赖于对基本原则的纪律性执行，而不是巧妙或前沿的技术。语言或框架的选择次于团队保持一致性和避免不必要复杂性的能力。
## AI 即将到来的修正 当前的人工智能繁荣建立在不可持续的财务基础上，可能为重大的市场修正埋下伏笔。虽然人工智能承诺提高生产力，但“七巨头”科技公司为与 OpenAI 和 Anthropic 等人工智能实验室竞争所需的巨额资本支出（capex）很大程度上是防御性的。这些公司不一定*需要* 花费，但必须这样做才能迫使竞争对手筹集更大、更难获得的融资。 谷歌在应对这一问题方面具有独特优势，能够发出支出信号而无需立即部署资金。与此同时，人工智能实验室面临成本上升（能源、内存）和产品变现困难的问题。OpenAI 已经开始采取广告等措施，而 Anthropic 则推动提价，这可能会影响需求。 投资的减少可能迫使实验室止损，从而影响整个市场的估值，减缓并购活动，并损害养老基金。过度建设的数据中心容量和 GPU 需求下降可能会进一步加剧局势，可能影响英伟达，甚至引发银行损失。虽然高需求*可能* 会抵消这些问题，但历史表明，繁荣与萧条的周期很可能发生，而且修正可能比许多人预期的更近。
## C++ 哈希表基准测试总结 (2022年8月)
经过一项涉及 29 个哈希表和 174 种组合（不同的哈希函数和分配器）的大型工作，对 C++ 哈希表进行了全面的基准测试，测试系统为隔离的 Intel i7-8700 系统，运行 Manjaro Linux，使用 clang++ 13。测试涵盖了近 2,000 次独立评估，涉及各种场景：复制、插入/删除、随机访问和字符串操作。
主要发现是没有任何一个“最佳”哈希表；性能因工作负载而异。**ankerl::unordered_dense::map** 作为多面手始终表现良好，而 **emhash7/8::HashMap** 在速度方面表现出色。**gtl::flat_hash_map** 提供了与 Google 的 **absl::flat_hash_map** 相似的强大性能。**boost::unordered_map** 与 **PoolAllocator** 结合使用，在内存使用和复制速度方面显示出显著改进。
哈希函数选择至关重要。**std::hash** 和 **boost::hash** 由于缺乏雪崩效应，通常在整数类型上表现不佳，导致显著的减速。**absl::Hash** 和 **ankerl::unordered_dense::hash** 提供了更好的整数哈希。
基准测试评估了内存使用情况以及不同数据类型（整数、字符串）和访问模式下的性能。完整的测试结果，包括详细图表和方法论，可在 [https://github.com/martinus/map_benchmark](https://github.com/martinus/map_benchmark) 处开源获取。
对不起。
arXivLabs是一个框架，允许合作者直接在我们的网站上开发和分享新的arXiv功能。个人和与arXivLabs合作的组织都接受并拥护我们的开放、社群、卓越和用户数据隐私等价值观。arXiv致力于这些价值观，并且只与坚持这些价值观的合作伙伴合作。您是否有为arXiv社群增加价值的项目想法？了解更多关于arXivLabs的信息。
## 人工智能、人类思维与工具的演变
一篇由特伦斯·陶撰写的近期论文（并在Hacker News上广泛讨论）探讨了人工智能与人类智力活动之间的关系。其核心论点将人工智能视为增强人类思维、组织和传播思想的工具的自然发展，但强调必须保持“以人为本”。
然而，评论员们表达了怀疑，指出历史模式表明技术进步并不一定优先考虑人类福祉（引用的例子包括全球化、社交媒体和不受约束的市场力量）。人们担心人工智能的发展已经倾向于优先考虑效率而非质量，甚至迫使员工在输出存在缺陷的情况下使用它。
讨论还质疑人工智能是否*曾经*真正“以人为本”，并提及其起源于军方资助的研究。进一步的争论集中在计算机本身是否以人为本，以及人工智能可能加剧现有社会问题的潜力。一些人认为，关注教育的规模化以适应人工智能，忽略了真正智力培养的基本需求，而另一些人则强调人工智能可以 democratize 知识获取。
最终，这场对话反映了一种谨慎的观点，许多人对真正“以人为本”的人工智能未来持怀疑态度，一些人还对人工智能益处过度宣传表示担忧。
这个时钟以字母顺序显示当前时间。灵感来自Mastodon上的一个帖子。在三针模式下，小时、分钟和秒各自按其英文拼写独立排序，并分别对应一根指针。在组合模式下，所有可能的时间（43,200个）都被拼写出来，按字母顺序排列，而一根指针指向当前时间。
对不起。