保时捷宣布为其 Cayenne 电动 SUV 引入无线感应充电技术。该系统通过安装在地面的充电板与车底的接收器配对,省去了手动插拔充电线的麻烦。 该系统旨在提升便捷性,充电功率最高可达 11 千瓦,效率约为 90%,非常适合夜间充电。保时捷将安全性放在首位,内置传感器能够检测异物和生物,一旦发现充电板附近有障碍物,系统会自动停止充电。该技术具备全天候防护能力,适用于户外环境。目前该系统正向全球推广,德国及其他欧洲市场的订单现已开放。

保时捷已正式将无线电动汽车充电技术投入生产,其充电功率为 11 kW,效率约为 90%。这一进展在 Hacker News 上引发了关于其实用性与成本的激烈辩论。 支持者认为,该技术提供了极大的便利性,免去了处理沉重、肮脏充电电缆的麻烦,这对日常使用豪华车的用户及残障人士来说是一项重大优势。一些人还指出,这可能为未来的自动充电基础设施提供便利。 然而,怀疑论者对效率声明提出质疑,指出对准、温度和杂物等现实因素可能会对性能产生负面影响。批评人士还指出,无线充电本质上比直接有线连接更复杂、成本更高,并将其称为“异国情调”的豪华功能,而非普通驾驶员的实用解决方案。讨论还涉及了关于功率(kW)与能量(kWh)单位的技术澄清,以及与机器人充电臂等其他自动化解决方案的对比。虽然一些人将其视为无缝充电的“未来”,但另一些人则认为,为了省去插拔电缆带来的微小便利,并不值得承担额外的复杂性以及硬件故障的风险。

Bloomberg 需要帮助?请联系我们 我们检测到您的计算机网络存在异常活动。 如需继续,请点击下方方框以确认您不是机器人。 为什么会出现这种情况? 请确保您的浏览器支持 JavaScript 和 Cookie,且未阻止其加载。 如需了解更多信息,请查阅我们的《服务条款》和《Cookie 政策》。 需要帮助? 如对本消息有疑问,请联系我们的支持团队,并提供下方的参考 ID。 屏蔽参考 ID:87cdac62-b6c5-11f1-9c3a-52c8bb810c8d 订阅 Bloomberg.com,随时随地获取最重要的全球市场新闻。 立即订阅

最近 Hacker News 上的一篇讨论对彭博社的一篇报道做出了反应,该报道详细描述了一种反直觉的趋势:一些电子烟用户开始转向传统香烟,以帮助自己戒掉电子烟。 评论者大多表示怀疑,许多人称这一想法荒谬,或者让人联想到《洋葱新闻》之类的讽刺媒体。几位用户分享了他们与尼古丁成瘾的个人斗争经历,指出虽然电子烟使用方便且可以持续吸食,但往往会导致更严重、强迫性的使用。相比之下,他们认为香烟烟雾的刺激性迫使吸烟者进行自我调节,尽管这仍然是一种有害的习惯。 该话题还引发了关于尼古丁摄入方式的更广泛讨论。一些用户分享了使用缓释尼古丁贴片来管理多动症(ADHD)的积极经验,称其为传统兴奋剂的一种更稳定、更便宜且成瘾性较低的替代品。其他人则强调了吸烟的“口欲期”因素,讨论了零尼古丁电子烟或无尼古丁烟草产品作为戒瘾工具是否有效。归根结底,大家的共识仍然是:燃烧任何物质进行吸入都会带来重大的健康风险,许多参与者强调,真正的解脱唯有彻底打破这种依赖循环才能实现。

JavaScript 生态系统正在经历一场重大转变:支撑我们开发的工具——如打包工具、代码检查工具和编译器——正被 Rust 和 Go 等高性能语言重写。虽然这些工具带来了不可否认的速度提升,但这种“大重写”也引入了一个显著的权衡。 过去,JavaScript 的普及使得开发者能够理解、维护并贡献于他们日常使用的工具,从而培育出一个紧密且易于参与的“全栈”生态。如今,随着这些工具转向晦涩的高性能二进制文件,它们产生了一种“黑箱”效应。能够维护这些工具的开发者越来越少,实际上关闭了曾经定义该语言成功之路的社区协作大门。 在“闪亮对象综合征”和追求基准测试排名的压力驱动下,行业正在优先考虑原始速度,却忽视了可访问性的丧失。我们目前正在为一种受限于自身设计的语言构建日益高速的基础设施。作者最终警告称,虽然优化工具链是合理的,但我们必须考虑是否正处于边际效益递减的临界点,即单纯更快的运行轨道已无法弥补平台本身的固有局限性。

这次 Hacker News 讨论聚焦于一个日益增长的趋势:使用 Rust、Go 和 Zig 等系统编程语言重写 JavaScript 工具(如打包工具)。 最初的批评观点认为,虽然这些重写显著提升了性能,但也制造了可访问性障碍。将关键基础设施移出 JavaScript 生态,会导致能够参与贡献或维护这些工具的开发者群体萎缩,实际上形成了一个将许多以 JavaScript 为核心的工程师拒之门外的“黑箱”。 相反,反方观点认为这种转变是必要的。一些开发者认为,关键基础设施不应由仅精通 JavaScript 的人来维护,将非浏览器任务迁移到更高效的语言是合乎逻辑的发展方向。支持者认为,代码依然是开源的,准入门槛仅仅是要求开发者将技能扩展到 JavaScript 这个“小池塘”之外,这并非技术本身的缺陷。

该数据集展示了 48 种不同模型在五个不同测试类别中的 JevBench 性能排名。结果显示出显著的差异性,许多模型的排名与其 JevBench 总分相比存在波动。 **主要观察结果:** * **顶尖表现:** Jev 1.13.0、SemIf 和 djev 等模型表现稳定,排名靠前,在所评估的类别中经常位居前列。 * **性能差距:** 性能差距巨大,从得分较高的模型(70 多分和 80 多分)到排名垫底的模型(如 Certo v1,得分接近零)不等。 * **不一致性:** 数据中一个值得注意的反复出现的现象是,各分类别的排名经常与 JevBench 总分不同,这表明某些模型无论总排名如何,在特定的测试环境下可能表现优异或不佳。 * **底层梯队:** 榜单末尾是一些专用模型和重排序模型(如 GLiNER、Mixedbread、BAAI),它们在这些特定基准测试中的表现微乎其微。 总体而言,该数据突显了模型能力的多样化格局,其性能高度依赖于具体的评估标准。

**JevBench** 是一款全新的、可复现的基准测试工具,旨在评估“Jev 类”模型。这类模型属于类型化决策模型,输出的是结构化的选择和概率,而非原始文本。与传统大语言模型相比,它们在保持高智能水平的同时,更具速度优势且成本效益更高。 该基准测试提供了一套统一的评分系统(v1.3),平衡了四个关键指标:智能水平(经机会修正)、校准度、速度和成本。用户可以根据自身需求自定义这些指标的权重。完整的评估包含 534 项英语决策任务。 目前的排行榜显示,*Jev* 以 74.4 分位居榜首,*SemIf* 和 *djev* 紧随其后。 该项目完全开源(MIT 许可证),并公开了工具产物、评分代码和任务结果。尽管开发者指出了目前的局限性(例如仅限英语,且延迟测量依赖于单台德国服务器),但该工具已正式上线,并提供两个无需注册的演示页面,供用户亲自测试性能。 **资源:** * **GitHub:** [fstandhartinger/jevbench](https://github.com/fstandhartinger/jevbench) * **演示:** [who-is-right](https://who-is-right.app.mintapis.com) 和 [is-it-ai-slop](https://is-it-ai-slop.app.mintapis.com)

在 Carson Gross 的文章中,他认为随着代理式编码(agentic coding)成为标准,Markdown 正在从单纯的文档转变为一种至关重要的源代码形式。目前,软件的“真实依据”(ground truth)往往在短暂的 LLM 对话中丢失。为了解决这一问题,Gross 提出开发者应将项目意图显式地记录并存储在位于 `/src` 目录下的 Markdown 文件中。 将这些文档移入源码树具有多重优势:它为人类开发者和 AI 代理提供了“局部性”(locality),创建了可版本控制、可对比的架构决策记录,并确立了一个比单纯的测试代码更具可读性和可操作性的真理源。 Gross 构想了一种工作流程,即 Markdown 作为高级规范,代码和测试皆由此衍生。他建议采用标准化的 `/src/md` 结构来存放技术概览、数据模型和功能规范。尽管这需要人为进行严谨的维护以管理复杂性,但 Gross 断言,随着编码自动化的成本降低,捕捉系统背后的“意图”将成为现代软件开发中最宝贵的资产。

这篇 Hacker News 帖子探讨了将 Markdown 文档直接放置在 `/src` 目录下的提议,旨在提高可访问性并更好地整合基于 LLM 的开发工作流。 讨论揭示了开发者在理念上的分歧: * **支持者:** 许多人认为,将文档与代码放在一起可以减少上下文切换,使人类和 AI 智能体都能更容易地参考需求、规范和提示词。一些人认为,这是一种让 LLM 在整个开发生命周期中都能获取上下文的“低技术含量”方法。 * **批评者:** 持怀疑态度的人认为,文档应保留在 `/docs` 中,以保持源代码与元数据的清晰分离。另一些人警告称不要“弄乱”源代码目录,甚至有人讽刺道,如果把 Markdown 存在 `/src` 里,那干脆把日志、构建产物和截图也存进去好了。 * **其他观点:** 一些参与者主张采用既定模式,如将测试用例或清晰的代码本身视为主要文档;另一些人则认为,相比于根目录下的 `/src` 方案,针对具体包的文档(例如 `packages/foo/docs`)是更具扩展性的解决方案。 总的来说,这篇帖子反映了关于如何更好地管理“AI 原生”代码库这一议题日益增长的争论。

与CPU技术停滞不前的观点相反,AMD的Ryzen 7 “X3D”系列展示了显著且持续的性能增长。对比Zen 3 (5800X3D)、Zen 4 (7800X3D) 和 Zen 5 (9800X3D) 处理器,2022年至2024年间,其单核性能提升了47%,多核性能提升了58%。 这些增长并非仅靠时钟频率驱动,时钟频率仅有15%的适度增长。相反,AMD通过增加50%的晶体管数量使核心显著“变宽”来实现这些成果。关键的架构改进包括更高的发射宽度(从每周期6条指令增加到8条)、更大的缓存容量、更多的整数算术逻辑单元(ALU),以及更大的重排序缓冲区以更好地管理指令流。此外,Zen 5通过将SIMD单元加倍至512位宽度,标志着数据并行处理的重大转变。随着业界展望Zen 6,这些桌面芯片的演进证明了CPU创新依然充满活力且激进。

这篇 Hacker News 讨论探讨了过去两年 AMD Ryzen 性能迅速提升背后的驱动因素。用户将其归功于以下几项技术改进: * **散热与设计效率:** X3D 芯片缓存位置的调整改善了散热,从而实现了更高的时钟频率并减少了过热降频。 * **制造工艺:** 更先进的制程节点降低了电压需求,使其能在相同的热设计功耗内实现更高频率。 * **架构:** 评论者指出,Ryzen 的可扩展性远超 AMD 此前的 FX 系列,并将其与英特尔 Nehalem 架构的影响力相提并论。 * **软件优化:** 除了硬件层面,用户强调 Linux 内核更新、开源编译器 (GCC) 的持续改进以及 x86-64v3 指令集目标对性能提升贡献巨大。 * **战略发布节奏:** 一些观点认为,50% 的增长数据受到了 3D V-Cache 版本发布时间的影响,这可能会放大年度增长幅度。 总体而言,社区对 Zen 6 等未来迭代产品持乐观态度,同时指出像 9950X3D 这样的现有芯片在处理高负载任务时仍极具竞争力。

OpenAI 近日声称在纳维-斯托克斯方程问题上取得了突破,该问题是克雷数学研究所设立的一项著名难题。尽管从技术上讲,该证明符合原始命题的标准,但数学家们认为它利用了一个漏洞,即引入了外力——这在他们看来是不符合物理本质的,且与他们试图理解的基础物理学脱节。 专家指出,OpenAI 的模型解决的是该问题的一个特定且人为构建的变体,而非核心数学难题。数学家随后的分析表明,该 AI 的方法无法扩展到科学界真正重视的问题版本。本质上,该 AI 成功绕过了奖项的形式要求,却错失了潜在的物理意义,这突显了数学命题的死板措辞与理论研究细微目标之间的区别。 这场争议凸显了当前大语言模型的局限性:它们擅长在复杂的约束条件下找到明确的特定解,但在推进数学发展所需的深层原创理论方面却显得力不从心。这一事件也敲响了警钟,表明尽管 AI 是暴力搜索发现的有力工具,但数学领域最具深度的“人类”挑战在很大程度上仍超出其能力范围。

这篇 Hacker News 讨论聚焦于《科学美国人》的一篇文章,该文章质疑 OpenAI 最近尝试解决纳维-斯托克斯(Navier-Stokes)方程的方法是否采用了正确的公式化表述。 参与者指出,纳维-斯托克斯千禧年大奖问题的要求十分具体,在涉及外力场的公式中寻找反例(AI 似乎更擅长此道)可能比在其他公式中更容易。用户还强调,在可压缩流体(该大奖范围之外的领域)中更容易发现奇点。 尽管一些用户以调侃的态度嘲讽“AI 对抗数学”的炒作周期,但也有人认为讨论其实更为微妙。社区的共识是,虽然 AI 在推动数学研究方面的能力令人印象深刻且有用,但目前的讨论重点在于这些模型的局限性、训练数据缺乏透明度,以及基于强化学习的证明策略能否弥合差距,从而解决长期存在的复杂数学难题。归根结底,社区认为围绕这一成果的“风波”是对一场复杂且持续的技术辩论的过度简化。

为遵守全球年龄认证相关法律,Discord 即将引入一套自动化系统,将用户分为“成人”(18岁及以上)或“青少年”(13至17岁)组别。 该系统基于账户行为(如账户注册时长和社区活跃度)使用年龄估算模型,而非查看私人信息。超过 90% 的用户将自动归类,无需采取任何行动。成人组用户的使用体验不会发生变化,而青少年用户将获得额外的安全保护,例如模糊处理敏感内容以及限制访问设有年龄门槛的服务器。 状态为“未确认”或认为归类有误的用户,可以通过多种注重隐私的方式手动验证年龄,包括信用卡验证、共享 Apple/Google 账户年龄信息或使用 AgeKey。Discord 强调,他们不会存储个人身份信息或生物识别数据,仅会从第三方供应商处获取年龄组别信号。 其他用户无法查看您的年龄状态,且消息发送、非受限语音通话等核心功能对所有用户保持开放。如果您此前已完成年龄验证,您的状态将保持不变。您可以在“用户设置”>“账户状态”中查看当前的年龄组别。

Hacker News 最新 | 往期 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 关于我们在 Discord 上确认您年龄段方式的更新 ( discord.com ) 45 点 由 meetpateltech 发布 1 小时前 | 隐藏 | 往期 | 收藏 | 2 条评论 帮助 shaoonb 4 分钟前 | 下一条 [–] 在英国仍然需要使用视频或身份证。 回复 Foskya 23 分钟前 | 上一条 [–] 我其实挺喜欢他们的实施方式。 我很好奇这是否足以应付政府的要求,但他们尝试寻找一条无需身份检查的路径,这一点很好。 回复 社区指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系方式 搜索:

黑客组织“ShinyHunters”声称已侵入联邦调查局(FBI)系统,据称窃取了 2 至 3 TB 的数据,其中包括所有现任和前任 FBI 员工及申请人的个人信息。该组织声称他们利用了甲骨文(Oracle)PeopleSoft 软件中的一个零日漏洞,从而入侵了亚马逊云科技(AWS)的 GovCloud 服务器。 为了支持其说法,黑客向 404 Media 提供了一份包含 5,000 条记录的样本,其中涵盖了姓名、家庭住址、电话号码和配偶详细信息,研究人员已使用开源情报工具对这些数据进行了核实。该组织还曾短暂篡改了 FBI 的招聘网站。 尽管 ShinyHunters 以勒索著称,但他们称此次特定攻击并非出于经济动机,而是为了“胁迫”。此次泄密造成了严重的国家安全风险,因为这些敏感个人数据可能被外国情报机构或犯罪组织利用,以跟踪、骚扰或恐吓特工。FBI 尚未对此置评,但受影响的招聘门户网站已下线。

黑客声称已入侵一个包含所有联邦调查局(FBI)员工个人信息的数据库。Hacker News 上的讨论指出,此次入侵是通过一个 PeopleSoft(甲骨文人力资源系统)的零日漏洞实现的,该漏洞促使攻击者横向移动到了政府云环境中。 评论者们正在讨论此次黑客攻击的影响,许多人对过度依赖第三方企业软件所带来的系统性漏洞表示担忧。一些用户将其与 2015 年的美国人事管理局(OPM)数据泄露事件进行了对比,另一些人则批评了企业和政府的安全实践,质疑离岸外包和行政裁员是否削弱了国家数字基础设施的安全性。 对于这些指控的真实性,目前仍存在质疑,有人推测这些数据可能是一个旨在诱捕攻击者的“蜜罐”。此外,这一事件引发了人们的讽刺,认为 FBI 近期在大力强调采用人工智能工具,而此次泄露却形成了鲜明对比;另一些人则在思考,这是否反映出美国在面对日益猖獗的网络对手时,其网络安全韧性正在整体下滑。

本仓库是官方的 **GeaStack 应用库**,收录了模拟器、GeaOS、嵌入式目标平台以及 IDE 扩展的示例。每个项目都是一个独立的包,通过 `package.json` 中的 `gea` 清单进行定义,并指定了运行时目标(Web、ESP32、GeaOS)及元数据。 **核心工作流亮点:** * **开发:** 使用 `geastack/simulator` 仓库来运行和构建应用,只需将 `GEA_APPS_ROOT` 环境变量指向本目录即可。 * **部署:** 通过 Gea CLI 使用 `npx gea flash` 直接烧录到兼容硬件。 * **最佳实践:** 示例应保持小巧、专注,并优先使用共享框架 API,而非针对特定目标的“黑客”写法。贡献者应为复杂逻辑编写测试,并保持文档更新。 **许可协议:** 本仓库采用 **MIT** 协议,允许开源或闭源使用。请注意,特定的嵌入式板卡支持组件采用 **GPL-3.0** 协议;若需使用这些特定工具发布闭源固件,则需要获得商业授权。如需支持或进行商业咨询,请联系 [email protected]

这篇 Hacker News 讨论介绍了一个名为 **Geastack** 的项目,它允许开发者使用 TypeScript 和 CSS 构建原生应用程序。 讨论的主要要点包括: * **技术基础:** 该项目作为一个将 TypeScript 编译为 C++ 的编译器运行,并带有特定于平台的绑定,从而实现高性能。 * **渲染引擎:** 它将 CSS、JSX 和 HTML Canvas API 等 Web 技术直接映射到原生平台组件和界面上。 * **应用场景:** 用户指出该技术特别适合嵌入式应用程序。 社区讨论澄清了其底层架构,特别提到编译器在消除“承载性”装箱(load-bearing boxing)方面取得了最新进展,此前这一问题曾影响内存效率。

这项研究探讨了大型语言模型(LLMs)如何从不同规模的加权训练数据中进行学习,并引入了“有效序列权重指数”($\alpha$)来量化模型根据分配权重优先处理序列的程度。 研究表明,数据加权并不遵循简单的单调缩放定律,而是呈现出一种“异常”行为: * **小规模模型**的 $\alpha$ 值较低,主要学习独立于特定数据权重的通用模式。 * **中等规模模型**的 $\alpha$ 值较高,其容量主要集中在与分配权重成正比的模式上。 * **大规模模型**的 $\alpha$ 值回落至较低水平,具备了学习数据中所有模式的能力,而不受权重影响。 研究人员指出,这种趋势会随训练轮次(epoching)而变化,且在不同的模型架构中表现各异。由于小规模模型的表现往往无法预测大规模的结果,作者提醒研究者不要单纯依赖简单的外推法来制定数据混合策略。他们总结认为,识别这些非单调行为对于优化训练方法、确保缩放实验的可靠性,并最终开发出能力更强的模型至关重要。

Hacker News 最新 | 过往 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 大规模序列加权研究 ( janestreet.com ) 6 点 由 pranitha_m 发布 1 小时前 | 隐藏 | 过往 | 收藏 | 1 条评论 帮助 gwern 7 分钟前 [–] 双重下降? 回复 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

这项研究介绍了 **C-HD**,这是一种用于在具有非负实数权重的有向图中寻找精确最短路径的新型确定性算法。该算法由人工智能体协作团队开发,并使用 **Lean** 进行形式化验证,以确保其正确性和性能。 在 $m \le n \lfloor \log_2 n \rfloor^{3/4}$ 的特定密度范围内,C-HD 的复杂度达到了 $O(n + m + m \log(2 + \frac{m}{n+1}) + m^{1/3}(n \log(n+2))^{2/3})$。通过利用有界局部搜索并保持严格的局部不变性,该算法相比 Dijkstra 及其他顶尖方法减少了重复工作。 在 $m \approx n \log^{3/4} n$ 的图中,C-HD 在理论上比 Dijkstra 的 $O(n \log n)$ 界限有了渐近改进,达到 $O(n \log^{11/12} n)$。尽管这在理论计算机科学中是一个显著的多对数级进展,但研究人员指出,由于该结构涉及较大的常数,它更多是对算法性能的数学证明,而非针对实际应用的性能提升。该项目展示了多智能体协作在推动形式化数学验证和算法优化边界方面的潜力。

Hacker News 最新 | 过往 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 更快速的最短路径算法 ( vals.ai ) 6 点 由 leumon 38 分钟前发布 | 隐藏 | 过往 | 收藏 | 讨论 帮助 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

在构建智能推荐系统“HoneyCrew”的一场高压黑客马拉松中,团队遭遇了危机。在利用“灵感编程”(vibe coding)工具取得初步进展后,项目在最后几个小时陷入了漏洞频发和不稳定的困境。这种混乱凸显了非技术利益相关者与工程复杂现实之间常见的摩擦——前者往往将软件开发视为一项简单、静态的任务。 作者用房屋翻修的类比来解释这种复杂性:正如盖房子需要地基设施,如果事后补救成本高昂,软件开发也需要规划和“基础设施工作”来确保长期稳定性。“在漏水屋顶下放水桶”的方法或许能提供暂时的快速修复,但它忽略了根本原因,最终会导致崩塌。 最终,团队不得不放弃狂乱的节奏,放慢速度,有条不紊地修复系统,从而制作出了可运行的演示版本。这段经历提醒我们,好的软件永远不会真正“完成”;它是一个活生生的结构,需要人们在其中居住的同时进行持续、用心的维护。

这篇 Hacker News 帖子探讨了向业务利益相关者解释软件开发工作时所面临的持续性难题。 核心主题包括: * **软件永远没有“完成”之时:** 参与者认为,主要的挑战在于软件迭代的无限性,即使在初步部署之后,工作仍在持续进行。 * **人工智能与“氛围编程”的鸿沟:** 用户讨论了现代 AI 工具(如 Claude/Lovable)的影响。虽然 AI 可以快速生成原型(即“氛围编程”),但开发者指出,将这些原型转化为生产级系统需要复杂的、耗时的后端集成,而 AI 目前还无法完全实现自动化。 * **认知与现实的偏差:** 一个长期存在的观察结果是,业务领导者往往会误判项目的复杂性:他们认为“简单”的任务通常难度极高,而他们预期复杂的工作往往反而微不足道。 * **未来展望:** 一些贡献者认为,AI 工具将在几年内取得显著进步,可能缩小快速原型制作与生产部署之间的差距。然而,另一些人则认为,无论使用何种工具,根本的困境在于业界内部对软件工程本质的误解。

Obscura 团队是一群在密码学、基础设施和开源开发领域拥有深厚经验的安全专家,其成员曾参与比特币、门罗币以及 Go 语言标准库的工作。 由于对传统 VPN 市场深感失望——这些产品往往依赖于模糊的承诺,而非技术架构上的保障——该团队致力于打造 Obscura,以实现数字隐私的现代化。他们的目标是提供一种可靠、透明且具有自主权的连接工具,旨在恢复开放互联网的自由。Obscura 代表了创始团队一直以来追求的高标准、隐私至上的解决方案,如今正式向所有人开放。欲了解更多信息,可发送邮件至 [email protected] 联系创始人 Carl Dong。

最近一篇 Hacker News 帖文介绍了一款名为“Obscura”的新型 VPN 服务,该服务声称不会记录用户活动。 用户对此讨论不一,主要集中在公司的商业模式和设计选择上: * **商业模式**:评论者指出 Obscura 是一家利用 Mullvad VPN 基础设施的中间商服务。虽然一些用户认为与 Mullvad 的官方合作增加了其可信度,但另一些人则对“单点故障”表示担忧,指出用户完全依赖于两家公司之间关系的稳定性。 * **设计**:对网站美感的反馈较为负面。用户指出网站缺乏视觉统一性,特别是像素字体与“圆角矩形”(squircles)之间的风格冲突。 总的来说,虽然与 Mullvad 的合作被视为一个积极信号,但怀疑论者仍对其服务的长期生存能力以及对第三方供应商的依赖持谨慎态度。

Bloomberg 需要帮助?请联系我们 我们检测到您的计算机网络存在异常活动 如需继续,请点击下方方框,告知我们您不是机器人。 为什么会出现这种情况? 请确保您的浏览器支持 JavaScript 和 Cookie,且未阻止其加载。 欲了解更多信息,请查阅我们的《服务条款》和《Cookie 政策》。 需要帮助? 如对本消息有疑问,请联系我们的支持团队,并提供下方的参考 ID。 屏蔽参考 ID:53c42839-b6c0-11f1-a73a-8779c3a71460 订阅 Bloomberg.com,随时掌握最重要的全球市场新闻。 立即订阅

一份近期发布的五角大楼报告在 Hacker News 上引发了激烈的讨论,内容涉及人工智能在一次导致 123 名伊朗儿童丧生的军事打击中所扮演的角色。该次打击使用了过时的目标数据库,并依赖“Maven 项目”(Project Maven)软件来加速目标选择。 批评人士认为,将责任归咎于人工智能只是为人类失误寻找替罪羊。讨论指出了系统性的问题,包括平民伤害缓解工作人员减少了 90%,以及领导层缺乏尽职调查。评论者强调,人工智能缺乏核实背景信息的能力,例如无法识别设施已从军事站点转变为平民学校。 尽管一些参与者争论责任究竟在于软件开发人员、操作人员还是政治领导层,但大家达成了一个共识:决策权正被危险地转移给自动化系统。许多用户对高层官员缺乏问责表示沮丧,并指出这种军事环境中的技术性“幻觉”此前已多次险些引发国际冲突。此次讨论强调了人们日益增长的恐惧:为了追求速度而牺牲“温吞的合法性”,正使无辜生命面临越来越大的风险,同时也让决策者免于承担责任。

安全断言标记语言(SAML)曾是企业单点登录(SSO)行业的基石,如今却已沦为过时且过于复杂的安全隐患。SAML 诞生于 2002 年“委员会设计”的时代,依赖于本质上既复杂又不安全的 XML 标准。 该协议对 XML 签名验证、规范化和“封装”签名的依赖,使其极易受到 XML 签名封装(XSW)漏洞及各类注入攻击的影响。此外,SAML 庞大且“一应俱全”的规范带来了沉重的维护负担,因为大多数现代实现仅使用了其中一小部分且脆弱的功能子集。 相比之下,OpenID Connect (OIDC) 提供了一种现代且灵活的替代方案。与 SAML 僵化、固化的设计不同,OIDC 的演进顺应了现代 Web 范式,能够更好地支持移动设备、物联网(IoT)及零信任架构。它利用比 XML 更简单、更安全的 JSON,并将安全性依托于传输层(HTTPS)。 尽管 SAML 在过去 25 年中为行业做出了卓越贡献,但现在是时候告别它了。供应商和组织应优先采用 OIDC,以降低复杂性、消除历史性的安全缺陷,并与现代、可扩展的身份验证标准接轨。

Hacker News 最新 | 过往 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 SAML:糟糕设计的碎片 ( trailofbits.com ) 11 点 由 aray07 36 分钟前 | 隐藏 | 过往 | 收藏 | 1 条评论 帮助 ocdtrekkie 0 分钟前 [–] 呵,如果你不支持 SAML,我可以找个支持的竞品。这根本不是问题。\o/ 回复 社区准则 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系方式 搜索:

请启用 Cookie。 错误 1005 Ray ID: a3f3beb7a854ab50 • 2026-09-22 19:34:04 UTC 拒绝访问 发生了什么? 该网站的所有者 (gizmodo.com) 已禁止您的 IP 地址所在的自治系统编号 (ASN) (45102) 访问此网站。 请参阅 https://developers.cloudflare.com/support/troubleshooting/http-status-codes/cloudflare-1xxx-errors/error-1005/ 了解更多详情。 此页面有帮助吗? 是 否 感谢您的反馈! Cloudflare Ray ID: a3f3beb7a854ab50 • 您的 IP: 点击显示 47.245.80.60 • 性能与安全由 Cloudflare 提供

卢卡斯叙事艺术博物馆已在洛杉矶博览公园正式开幕。这座由MAD建筑事务所设计、乔治·卢卡斯与梅洛迪·霍布森出资兴建的云状建筑,是一座耗资10亿美元、致力于叙事艺术的文化地标。 博物馆占地10万平方英尺,设有33个展厅,馆藏丰富,涵盖了从史前文物、古典绘画到摄影作品、图像小说及诺曼·洛克威尔插画等共1300件藏品。尽管博物馆收藏了《星球大战》系列的档案,但其策展范围更为广泛,旨在通过多种媒介向人类的“英雄之旅”致敬。 除展厅外,博物馆还设有两座向公众免费开放的电影院,以及一个占地13英亩、种植有本土植被并设有公共交流空间的访客园区。通过将漫画等流行艺术形式与传统美术并列,博物馆力求连接现代想象力与古代神话。该设施将于9月22日向公众开放,有望成为洛杉矶市中心一个至关重要且极具标志性的文化机构。

这篇 Hacker News 讨论帖围绕近期文章《乔治·卢卡斯重返地球,并带来礼物》展开,核心议题是这位电影制作人正在进行的博物馆项目。 评论者回顾了该博物馆选址长期存在的争议,并指出包括旧金山普雷西迪奥(Presidio)、金银岛(Treasure Island)以及芝加哥湖滨在内的拟议选址都曾遭遇强烈的抵制。对此,各方观点不一,一些用户为旧金山错失这一大型文化机构感到惋惜,而另一些人则对项目未在这些地点落地感到庆幸。 除了关于博物馆的争论,用户还分享了他们在旧金山湾区偶遇卢卡斯的趣事。这些故事包括在圣安塞尔莫(San Anselmo)现已结业的希尔达餐厅(Hilda’s)看到他,以及 20 世纪 90 年代末在博德斯书店(Borders)与其进行的低调且随意的互动。此外,还有用户指出,该博物馆的图书馆设计与标志性的斯德哥尔摩公共图书馆在视觉上十分相似。

Unreal Labs 推出了 **Unreal Agent**,这是一款旨在优化 AI 智能体性能及成本效率的专业架构框架。通过异步管理工具调用,该框架将等待、轮询和心跳检测等负载从底层大语言模型(LLM)中剥离。 该架构具有两大主要优势: 1. **响应性:** 用户可在任何时间提供引导输入,无需等待当前的工具进程完成。 2. **成本效益:** 通过将工具执行与模型调用解耦,智能体能够并行处理更复杂的任务,从而避免不必要的“Token 损耗”或额外的模型交互。 实际测试表明,与 Codex 相比,Unreal Agent 可节省高达 40% 的成本;与 Pi 相比则可节省 20%,同时在 SWE-Atlas 和 DeepSWE 等主流编码基准测试中保持或超越了原有性能。 Unreal Labs 团队在发现现有 SDK 普遍存在生产环境生命周期管理困难、依赖树臃肿以及预设僵化且不可移植等问题后,开发了该工具。Unreal Agent 提供了一种轻量级、领域无关的替代方案,支持以 Go 语言库或运行可执行文件的形式使用,专为无缝集成到生产环境而设计。对于关注前沿成本效率及稳健智能体基础设施的用户,Unreal Labs 欢迎通过 [email protected] 或其 GitHub 仓库进行合作。

近期 Hacker News 关于“Unreal Agent”的讨论凸显了人们对 AI 智能体异步工具调用框架日益浓厚的兴趣。 支持者赞赏该项目向异步原生架构的转变,指出实时的智能体交互本质上是异步的,这种方法标志着框架设计的一次积极演进。开发者们很高兴看到业界将重心放在底层基础设施上,而非仅仅停留在产品封装层面。 然而,讨论中也存在质疑和技术批评: * **性能指标**:批评者指出,该项目的性能对比可能具有误导性,因为其对比的是不同的模型版本(Astra xhigh 与 Astra max)。 * **技术质疑**:用户质疑异步调用如何转化为实际的 Token 节省,有人指出目前的智能体通过反复轮询进程完成情况浪费了大量 Token。 * **架构争论**:一些贡献者认为,当前的智能体模型——即“绑定在 shell 上的聊天会话”——已经过时。他们主张向具有沙盒操作系统访问权限的异步 Actor 系统发展。 * **品牌命名**:关于与 Epic Games 的“Unreal Engine”可能存在的商标冲突,存在小范围讨论。 总体而言,尽管社区认为向异步工具调用迈进前景广阔,但技术领域的质疑者要求在性能基准测试和架构方法论上保持更高的透明度。

国土安全部部长马克韦恩·穆林宣布,国土安全部目前正在调查 1,620 起涉嫌非公民选民欺诈的案件。在接受福克斯新闻采访时,穆林表示,该部门已经逮捕了 151 人,并正在对另外约 30 万起案件进行全面审查。 此次调查涉及将各州选民名单与移民身份记录进行交叉比对,以核实注册选民的资格。穆林强调,每一宗经核实的非法投票案件都会抵消合法注册公民的投票,从而破坏选举过程的公正性。这一举措凸显了人们对选举安全的持续关注,并与唐纳德·特朗普总统关于非公民参与美国选举的一贯主张相一致。该部门将继续进行审查,以确定潜在选民欺诈行为的全部范围。

铜价正逼近历史高点,距离9月10日创下的14,875美元峰值仅一步之遥。得益于有报道称白宫提议的铜关税因成本顾虑而陷入停滞,市场近期波动有所缓解,推动该工业金属今年以来上涨了18%。 此次反弹的主要驱动力是供应收紧。上海金属网的最新数据显示,中国库存已跌至2023年以来的最低水平。全球矿山运营状况的恶化进一步加剧了这种稀缺性。 由于铜仍是人工智能基础设施和电网扩张的关键组成部分,市场需求持续超过供应。资深策略师杰夫·柯里(Jeff Currie)指出,市场正在“对稀缺性进行重新定价”,这凸显了实物供应受限的更广泛趋势。随着价格徘徊在历史高位附近,分析师目前正密切监测技术水平,以判断该金属是否准备好迎来决定性的突破。

请启用 JavaScript 和 Cookie 以继续。

在博客文章《无意间绕开秘书问题》(Side-stepping the Secretary Problem, unwittingly)中,作者批评了软件行业招聘现状的恶化,将其描述为由双方大规模采用人工智能而导致的“失控”反馈循环。 作者认为,该行业对白板测试和编码测试的依赖——本身就不是衡量真实能力的良好指标——现已被人工智能严重削弱。由于企业使用大语言模型(LLM)来自动化处理海量招聘流程以满足内部指标,求职者也随之通过自动化手段来应对申请和作品集。这创造了一个“衔尾蛇式死亡螺旋”,导致人类的真实信号被合成噪音所淹没。 此外,作者强调,与医学或法律等行业相比,软件行业缺乏标准化的职业问责制,而后者的履历和资历更为透明。文章引用了此前的讨论,指出招聘功能失调的问题因人力资源部门与实际流程的脱节而进一步加剧。作者主张招聘经理应重新介入招聘过程,并强调有效的招聘需要人类的监督、直接的沟通,以及摆脱目前这种无效的、基于“内容生成”的人才评估模式。

在《SlopShape》一文中,Jochen Madler 探索了一种识别 AI 生成商业内容的新方法,该方法侧重于“结构特征”而非词汇层面的模式。虽然传统的检测器在应对改写后的文本时表现不佳,但本研究表明,AI 模型在信息层级、论据呈现和语调等方面表现出独特且一致的组织模式,即使在改写后这些模式依然保持稳定。 研究人员使用了一个包含 2,250 篇人类撰写的企业博客文章及其 11,250 篇 AI 生成对应文本的数据集,开发出一种包含 214 个特征的工具来分析这些结构性指标。该模型在检测 AI 内容方面达到了 98.0 的宏观 F1 分数,即使在内容被生成模型改写后,其性能也几乎没有变化。除了简单的检测之外,该方法还成功地以 79.3% 的准确率将 AI 文章归因于其特定的原始模型,这揭示了 AI 内容通常遵循可预测的“自我宣告式”结构模板,而人类写作则呈现出更加多样且独特的配置。 这项研究证实,在 AI 虚构写作(通过《StoryScope》)中发现的结构性偏差同样存在于商业写作中,无论底层文本如何表述,这都为识别 AI 生成的“垃圾内容”(slop)提供了一个强大的框架。作者已将相关代码、提示词和流程向公众发布。

Sitefire 创始人 Vincent 和 Jochen 开发了一种模型,通过分析文本的结构模式而非词汇选择,能够以 98% 的准确率区分 AI 生成的“垃圾内容”与人类创作的内容。 通过评估 214 个结构特征(例如论证风格、来源使用和重复性),研究人员发现 AI 模型遵循一种可预测且重复的“整洁”结构。值得注意的是,77% 的 AI 文章以重申主旨作为结尾,而人类撰写的 B2B 博客文章中这一比例仅为 12%。由于这些标记是结构性的而非词汇性的,即使 AI 文本经过大幅改写,这些特征依然存在。 该团队已将研究成果发表在 arXiv 上,并开源了 GitHub 代码。他们计划利用这些见解来训练自己的 AI 智能体,以生成更具细微差别、更拟人的内容。Sitefire 还推出了一款工具和互动游戏,以展示该分类器“识别垃圾内容”的能力。尽管这些发现意义重大,但社区评论者对依赖大语言模型来验证其自身输出的可靠性表示怀疑,并对优化 AI 内容生产所带来的广泛影响提出了担忧。

请启用 JavaScript 和 Cookie 以继续。

这篇 Hacker News 帖子讨论了 OpenAI **GPT-6 Sol 和 Luna** 模型的发布,其价格较前代产品大幅下调了 50%。 **核心摘要:** * **定价:** 用户对大幅度的降价印象深刻,认为 GPT-6 Luna 现在极具性价比,已成为可行的“日常”助手。 * **性能与偏好:** 尽管新模型性价比更高,但一些老用户仍对 5.6 Sol 等旧版本情有独钟,认为其“氛围感”和沟通风格更好。关于这些新版本——尽管在某些基准测试中技术更优——是否用起来同样自然,社区存在普遍争议。 * **市场背景:** 此次发布被视为 OpenAI 应对 Anthropic 公司 Claude Opus 5.5 的战略举措。用户指出,OpenAI 在筹备未来 IPO 之际,正通过激进的价格策略优先抢占市场份额。 * **社区情绪:** 帖子反映了用户群体的分化:一部分人对这些工具在技术和经济上的普及感到兴奋,另一部分人则对平台迅速陷入“AI 垃圾内容”同质化以及高质量讨论可能被侵蚀表示担忧。

“让美国再次健康”(MAHA)运动的领导者们,包括玛丽·塔利·鲍登(Mary Talley Bowden)医生、罗伯特·马龙(Robert Malone)医生及众议员托马斯·马西(Thomas Massie),发表了一封公开信,警告特朗普总统和卫生部长小罗伯特·F·肯尼迪(Robert F. Kennedy Jr.)必须针对mRNA疫苗采取果断行动。 签署人认为,本届政府未能解决mRNA技术带来的风险,并特别批评了目前仍在供应新冠疫苗,以及近期批准了一款mRNA流感疫苗的行为。他们主张,这些做法违背了肯尼迪此前关于进行严格安慰剂对照测试的承诺。活动人士声称,这些“削弱版”的政策使弱势群体面临风险,并忽视了那些遭受疫苗相关伤害的人。他们警告称,如果政府不转向放弃mRNA平台,该运动将撤回对其政治支持。 对此,美国卫生与公众服务部(HHS)发言人表示,肯尼迪主张对mRNA产品进行“更严格的科学审查”。该部门指出,已减少了对呼吸道病毒mRNA疫苗的投资,但仍支持该技术在其他领域的应用,例如显示出前景的癌症研究。与此同时,包括美国疾病控制与预防中心(CDC)在内的技术支持者坚持认为,mRNA疫苗依然安全有效。

高盛分析师尼基尔·班达里(Nikhil Bhandari)警告称,全球炼油行业压力过大,不足以支撑燃料需求的全面复苏,这意味着高昂的燃料价格可能会持续到明年。 核心问题在于结构性供应不足;随着炼油厂关停数量超过新建数量,净炼油产能预计将进一步收缩。班达里认为,为了管理柴油、汽油和航空煤油的供应,炼油利润率必须保持高位,以抑制消费并防止库存回补。根据目前的预测,即使需求出现小幅反弹,也需要高得不切实际的炼油厂利用率才能满足。 班达里的分析表明,全球成品油库存将持续下降,到2027年可能降至十年来的最低水平。尽管这种“紧张”的环境对消费者构成了持续负担,但对于瓦莱罗能源(Valero)、马拉松石油(Marathon Petroleum)等处于有利地位的炼油商而言,却创造了良好的前景,它们将受益于强劲的利润率和充沛的现金流。归根结底,市场正面临一种“新常态”,即价格必须保持在足够高的水平,才能使需求与行业有限的成品油供应能力相匹配。

运作方式 Coverage Cat 是一家持牌保险经纪公司,旨在帮助您对房屋、伞式、汽车和租客保险进行横向对比,提供透明的价格,不会转卖您的联系信息,且始终有专业经纪人为您服务。您可以提出问题或开始对比。Coverage Cat 将人工智能辅助的投保流程与专业的经纪团队相结合,让您能够评估保障范围、查看真实价格区间并比较各保险公司的方案,无需担心个人信息在短时间内被泄露给多位销售代理。开发者可以通过 Agent API 实现同样的业务流程。 服务区域 Coverage Cat 目前已在加利福尼亚州、佛罗里达州、纽约州、得克萨斯州和华盛顿州上线,更多地区即将开通。 产品板块 了解:我们的业务、常见问题解答及保险指南 估算:房屋保险计算器、伞式保险计算器、保险公司价格对比以及理赔申请指导 对比:开始 Coverage Cat 保价对比 集成:Coverage Cat Agent API 中心、开发者门户、API 密钥获取指南、JSON 发现文档、OpenAPI 及技能 Markdown 文档 核心链接

Coverage Cat (YC S22) 是一家持牌保险经纪公司,旨在解决购买保险时“痛苦”且不透明的体验,特别是针对伞险、房屋保险和汽车保险。该平台由资深技术专家创立,优先考虑价格透明度,承诺不出售用户线索数据,并采用人工智能引导与专业经纪团队支持的混合模式。 与将伞险视为低利润附加产品的传统经纪商不同,Coverage Cat 将其作为核心服务,帮助用户免受行业内常见的骚扰和销售压力。该平台专为人工智能时代打造,提供 Agent API/MCP,允许个人 AI 代理代表用户进行横向对比和购买。通过自动化信息录入流程并提供真实、具竞争力的报价,Coverage Cat 旨在帮助精通技术用户优化其保险覆盖范围,同时省去手动填写表格和经纪人沟通不畅等常见麻烦。

本周,人工智能领域的“前沿”价格战进一步升级,这与 Anthropic 和 OpenAI 首席执行官近期关于“放缓”开发的承诺背道而驰。 Anthropic 发布了 Claude Opus 5.5,以显著降低的成本提供顶尖性能。Anthropic 声称,该模型在能力上与其旗舰产品 Fable 5.1 持平,但运行成本降低了 40%,这得益于效率的提升以及对缓存读取的大幅降价。 数小时内,OpenAI 作出反击,将 GPT-6 Sol 模型的价格下调了 50%,实际售价低于 Anthropic 的新定价。OpenAI 还推出了 GPT-6 Luna,以应对低成本、开放权重模型日益增长的普及度。 这种快节奏的竞争表明,尽管行业领袖公开倡导放缓发展步伐,但他们仍深陷一场激烈的“逐底竞争”。该策略是一场“杰文斯悖论(Jevons bet)”式博弈:各实验室希望通过大幅降低单位成本,推动使用量的激增并抢占市场份额。目前,这两家公司都在利用基准测试数据和激进的定价策略来蚕食自家的旧模型,迫使用户不断调整基础设施,以始终保持在最具成本效益和高性能的路径上。

利比亚最大的油田——沙拉拉(Sharara)油田,因武装团体关闭了关键的输油管道阀门,其产量已从每日约 34 万桶骤降至约 12 万桶。利比亚国家石油公司(NOC)警告称,如果这种情况持续下去,公司可能被迫宣布“不可抗力”,全面停止该设施的出口。 国家石油公司强调,此次中断不仅对基础设施造成了重大的技术风险,还通过削减关键的国家收入威胁到了国民经济。 这一局部冲突给本已不稳定的全球能源市场增添了进一步压力。目前,全球能源市场正因霍尔木兹海峡的不确定性,以及沙特阿拉伯基础设施遭无人机袭击后的持续供应中断而备受困扰。随着交易商权衡地区地缘政治风险与更广泛的外交努力,该油田关闭的消息推动了全球油价的上涨。

**One Minute Park** 是由 Elliott Cost 发起的一项创意社区项目,旨在为全天每一分钟各收集一段公园的 60 秒视频(总计 1,440 段)。该网站是一个汇集全球公园体验的精选集,而非实时摄像头直播。 该项目依赖于社区的贡献。任何人都可以参与:只需拍摄一段 60 秒、画面稳定的公园横屏视频(无需剪辑),并将其上传至项目的 Are.na 频道,同时提供具体的地点和时间信息。 One Minute Park 曾荣获 2024 年 Tiny Award 并受到多家创意平台的报道,是托管在 Are.na 上的一项公益项目。作为一个无外部资助的项目,它依靠捐款来支付域名、服务器和维护费用。欢迎访问者通过捐款或订阅 Patreon 来支持该项目,以维持网站的正常运行。

Hacker News 最新 | 过往 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 One Minute Park ( oneminutepark.tv ) 5 分 由 namuorg 1 小时前 | 隐藏 | 过往 | 收藏 | 讨论 帮助 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:
联系我们 contact @ memedata.com