**PSSA** 是一款由 Rust 语言从零编写的新型小型语言模型，它不依赖 PyTorch 或 TensorFlow 等外部机器学习框架。与需要在每一步重新读取整个上下文（导致二次方扩展）的 Transformer 不同，PSSA 采用循环状态空间架构。它维护一个固定大小的内部状态和一个情景记忆库，使得处理成本随序列长度线性增长。
在 1270 万个 WikiText-103 token 上的实验结果表明，PSSA 在学习速度和泛化能力方面均优于参数量相当的 Transformer。PSSA 实现了更低的交叉熵和困惑度，同时在基于 CPU 的文本生成中展现出 12 倍的速度优势。
该架构具有在运行时更新的“可塑权重”以及用于稳定学习的“闭式巩固”过程。尽管目前的 150 万参数模型仅为研究原型而非生产级竞争产品，但它验证了这种循环方法在语言建模任务中更具效率。该项目为开源项目，开发人员目前正积极寻求计算资源（显存），以扩展该架构并进一步评估其相对于现代循环基准模型的性能。
每日HackerNews RSS
关于 PSSA 的 Hacker News 讨论。PSSA 是一种使用 Rust 从零实现的非 Transformer 语言模型。该项目采用选择性状态空间机制和受记忆启发的机制，避免存储完整的 Transformer KV 缓存。评论者质疑其创新性，将其与 RNN、神经图灵机、Mamba 和线性注意力模型进行比较。
主要批评在于，使用 Rust 提高了验证难度：研究人员通常使用 PyTorch，可以借助成熟工具在更大的数据集上将该架构与已有模型进行基准测试。Rust 的优势在于部署和依赖管理，但与评估模型核心思想基本无关。也有人为 Rust 辩护，或者批评标题有“标题党”之嫌；评论者还讨论了 PyTorch 相当繁重的安装要求。
作者澄清称，PSSA 的不同之处在于内容寻址记忆、新颖性门控写入，以及将快权重整合到循环转移矩阵中，同时承认 README 中缺少相关比较。几位评论者还批评该项目的文字看起来像是由 AI 生成的，并建议补充更严格、与当前最先进模型的对比。
在 2026 年第二季度的硬盘统计报告中，Backblaze 分析了 354,415 块硬盘，报告显示季度年化故障率（AFR）为 1.73%，较往期略有上升。尽管总寿命年化故障率保持在 1.41% 的稳定水平，但该公司指出，故障率超过 3% 的硬盘型号数量高于往常。目前，存储部署继续向大容量硬盘（20TB 及以上）转移，此类硬盘现已占其硬盘总数的 25% 以上。
该报告还强调了行业向更高存储密度过渡的趋势，特别是在传统磁记录（CMR）与叠瓦式磁记录（SMR）的对比方面。虽然 SMR 通过重叠数据磁道可增加 10% 至 25% 的容量，但也带来了数据写入和管理方面的复杂性。此外，热辅助磁记录（HAMR）技术的出现，通过在写入过程中利用激光，有望进一步提升存储密度。
Backblaze 目前仅使用 CMR 硬盘，但随着存储需求的发展，仍对测试 SMR 技术持开放态度。对于对原始数据感兴趣的用户，可在公司网站下载完整数据集，前提是注明来源且不得用于销售。关于这些趋势的线上深度解析会议定于 10 月 8 日举行。
一篇关于 Backblaze 2026 年第二季度硬盘统计数据的 Hacker News 讨论指出，硬盘可靠性已有显著提升。报告表明，使用 10 年后的硬盘年故障率约为 5%，而此前批次在较年轻时的故障率约为 14%，这意味着硬盘的使用寿命更接近 10 年，而不是 4 至 6 年。
评论者将这种改善归因于更好的制造工艺、更高的面密度、固件进步，以及可能与 Backblaze 自身运营方式有关。他们指出，硬盘早期阶段的“婴儿死亡率”已经基本消失，但老化故障仍然存在。多名用户反对一律建议每五年更换硬盘的说法，认为 SMART 监控、备份以及具体使用环境更能反映硬盘状况。另有一些用户批评 Backblaze 的统计方法，并主张采用生存曲线和年龄控制分析。
讨论还涉及 HDD 和 SSD 价格上涨问题，部分原因是 AI 推动的数据中心需求；大容量 RAID 阵列重建速度缓慢；RAID6、ZFS 和 Ceph 的优势；SMR 硬盘的可靠性不确定性；以及用户对西部数据、希捷、企业级硬盘和翻新认证硬盘的使用体验差异很大。
Linux 的 NSpawn 子系统 在 Debian、Fedora 或其他 Linux 机器上安装开发工具，而无需改动宿主机环境。nsl 的工作方式与 WSL 非常相似：每台机器在会话之间都会保留其软件包、服务和文件。这些机器作为运行在共享虚拟机中的 systemd-nspawn 容器运行，可在需要时启动，并能直接操作宿主机文件。 安装 nsl → 工作原理
**HN showcase：NSL（“Linux 版 WSL”）在 Linux 上重现 WSL2 的开发体验。**一个通过 `systemd-vmspawn` 启动的共享轻量级虚拟机，会将一个或多个持久化发行版实例作为 `systemd-nspawn` 容器运行。它能够与主机文件、端口和 Wayland 集成，同时避免使用 Distrobox 默认的 `$HOME` 叠加层。它的主要目标是让开发者能够运行多个相互隔离的发行版环境和 IDE，而无需用相互冲突的依赖项污染不可变主机。
社区反馈不一。支持者喜欢它精良的打包、图形界面支持、轻量设计和类似 WSL 的便利性。其他人则质疑它与 Distrobox、Toolbx、LXC/Incus、`systemd-nspawn`、基于 Nix 的工具、开发容器以及传统虚拟机之间的区别，并要求提供更清晰的说明和性能基准测试。
后续讨论还涉及虚拟机开销与更强隔离之间的取舍、主机集成带来的安全风险、性能、AI 智能体工作负载，以及 NSL 是否面向完整的桌面虚拟机。评论者还质疑该项目的文档大量由 AI 协助生成；作者承认部分内容使用了大语言模型，并为其更广泛的用途和目标范围进行了辩护。
生活在波特兰，作者发现由于光污染泛滥，真正的黑暗已变得难以寻觅。一次前往俄勒冈州“暗夜保护区”（在那里肉眼可见银河）的旅程凸显出，人造强光已让人们失去了多少自然景观。 光污染不仅仅是一种干扰；它破坏了人类的昼夜节律，使候鸟和昆虫迷失方向，并干扰了植物与传粉媒介之间的关系。随着人造光每年以 10% 的速度增加，作者主张，接触黑暗应被视为一项公认的权利。 通过更明智的城市规划，保护工作是可能的：像“暗夜”认证城市弗拉格斯塔夫那样，对户外照明的颜色、强度和方向进行管制。尽管卫星群对夜空构成了新的、不受监管的威胁，但当地的规划分区和常识性的照明政策仍能找回夜空。通过减少不必要的光线，我们可以恢复这一至关重要的环境需求，让野生动物和人类都能恢复、休息并重新与星空建立联系。
《黑客新闻》关于“我们正在忘记黑暗是什么感觉”的讨论，主要聚焦于城市扩张、过量的蓝白色 LED 照明、背光、手机屏幕和人造卫星 constellation 导致自然夜空逐渐消失的问题。
许多评论者分享了自己在乡村、偏远野外露营地，以及阿拉斯加、澳大利亚、挪威和美国西部等偏远地区看到银河系的难忘经历。他们描述了那种震撼、内心反思、疗愈作用以及对生态环境的危害，包括昆虫数量减少。一些人还讨论了“视觉雪花”以及城市居民夜间视力的退化。
其中一个主要争议是，黑暗与现代照明的各种益处之间应如何平衡。现代照明有助于威慑犯罪、保障交通安全，并增强人们的安全感。批评者认为，遮光不当或亮度过高的灯具会造成眩光和更深的阴影，其安全作用十分有限，反而会加剧光污染。有人建议采用色温较低的照明、向下照射的灯具、调光和感应控制措施，以及制定暗夜保护条例。
总体而言，评论者都同意，真正的黑暗正变得越来越罕见，但他们对于如何在不牺牲现代生活的便利与安全的情况下保留黑暗存在不同看法。
这份技术分析文档基于对机器码的详尽研究，记录了 Commodore 64 游戏《Targ》（或《Colony》）的内部运作机制。
**世界设计：** 城市位于 256x256 的世界地图中，由 16x16 的网格组成。当你进入某个方块时，建筑物会“弹出”显示，而道路和远距离物体则通过特定的渲染距离阈值来处理。地下区域是与地表地形断开的独立区域。
**游戏特性：**
* **故障点：** 在 08-08 坐标处有一块“隐形”草地，其机制类似于殖民飞船的电梯，允许玩家提前进入机库。
* **秘密飞船：** 一艘非玩家控制的飞船会在城市中不断绕行。它是游戏中速度最快的载具，但无法被驾驶。
* **战斗：** 攻击型飞船使用重复的“瞄准、飞行、越位”循环逻辑。从相邻方块摧毁建筑物时，有时无法触发记录或敌对反应。
* **音频/信息：** 机载电脑“Benson”使用一个 23 单元的滚动窗口，并通过重调单个 SID 振荡器来产生类似语音的啁啾声。
该游戏的逻辑依赖于针对飞行物理、对象管理和脚本解释的精确字节例程，这些例程往往揭示了诸如无法驾驶的“备用”飞镖船以及无意中残留的雅达利代码等隐藏机制。
一场 Hacker News 讨论围绕对 Commodore 64 游戏《雇佣兵》（*Mercenary*）的深入分析展开。作者通过逆向工程发现了一个存在了 41 年的漏洞：起点西北约 100 步处有一片看不见的草地，那里缺少高度检测，玩家按下 E 键就能传送到凌驾于世界之上的“Colony Craft”。
commenters? 评论者赞叹这款游戏虽然在硬件条件有限的情况下，却实现了非凡的自由度和技术野心，并分享了自己在 Commodore 64、Plus/4 等设备上游玩它的经历。有些人表示希望看到现代移植版，也有人哀悼作者的离世，并向这位为游戏社区留下持久贡献的人致敬。
抱歉。
《银河游戏》（Galaxy Game）由比尔·皮茨（Bill Pitts）和休·塔克（Hugh Tuck）于1971年开发，是经典游戏《太空大战！》（Spacewar!）的先行者，也是一款高端的投币式游戏机。与大规模生产的《电脑空间》（Computer Space）不同，《银河游戏》采用了强大的PDP-11计算机和高质量的静电显示器，为斯坦福大学特雷西德联合会（Tresidder Union）的学生提供了纯正且高端的游戏体验。尽管当时极受欢迎，但因硬件成本昂贵，其商业模式难以持续，最终该机器年久失修。
目前，一个由包括原创者比尔·皮茨在内的专业团队，正在计算机历史博物馆（CHM）努力修复这一游戏史上的重要珍品。虽然PDP-11系统已成功重启，但团队目前仍需翻新那台已有五十年历史、极为脆弱的惠普（HP）1300A显示器，以恢复其当年的清晰度和亮度。
《银河游戏》目前正在计算机历史博物馆展出，玩家也可通过MAME模拟器体验其数字版本。为确保这台标志性机器能够完成实体修复，项目组正在寻求公众支持。所有捐款将直接用于该历史性机柜的修复技术工作，使其能够重焕新生，传承给后代。
Hacker News
最新
|
往期
|
评论
|
提问
|
展示
|
招聘
|
提交
登录
银河游戏
（icm.museum）
19 分
由 rbanffy 发布
1 天前
隐藏
|
往期
|
收藏
|
2 条评论
帮助
nanna
1 天前
[–]
https://archive.org/details/arcade_galgame
按空格键和 Alt 键，再按 Ctrl 键，即可进入超空间、推进和开火。不客气。
回复
rbanffy
20 小时前
|
父级
[–]
不过，它并不是在原始硬件上运行的……
回复
指南
|
常见问题
|
列表
|
API
|
安全
|
法律条款
|
申请加入 YC
|
联系我们
搜索：
原本只是一个简单的数据结构作业——构建一个二叉树来计算 `1+1+1`，最终却演变成了一个名为“graphLang”的函数式编程环境，且完全由 C 语言从零编写。 这一过程始于将算术运算抽象为统一的函数节点结构（`Expr ::= Func Expr Expr | Val`）。为了支持这些节点，作者实现了一个用于环境管理的自定义哈希表，以及一个用于高效处理内存的区域分配器（arena allocator）。随着项目的深入，作者将其升级为“块”分配器（chunk allocator），以防止递归调用过程中的内存碎片化。 初步测试（如计算斐波那契数列）揭示了严重的内存泄漏和性能瓶颈。作者通过实现标记-清除（mark-and-sweep）垃圾回收机制解决了巨大的内存占用问题，使 `fib(40)` 的内存占用从 12 GB 大幅降低至 2 MB 以下。 通过将函数视为数据（利用闭包存储树结构而非不透明的 C 指针），该引擎成为了真正的图归约机。虽然该项目仍在进行中，但作者已成功从一个基础的树评估器过渡到了一个支持垃圾回收、能够处理复杂递归逻辑的复杂系统，证明了 `1+1` 确实可以等于 `2`。
一则 Hacker News 帖子介绍了一个教育性质的项目：它从计算 `1+1` 开始，逐步构建出一门函数式语言，涵盖解析、图归约、组合子逻辑、垃圾回收和基于竞技场的内存管理。
这个项目因其可读性强的迭代式思路而受到赞赏——每次只构建一样东西，遇到问题，再解决问题。读者也指出，它的“牛剃毛”范围相当庞大，例如 `realloc` 后的指针失效、递归计算斐波那契数列时占用大量内存，以及是否应该改用标准分配器或垃圾回收器。有人建议改用竞技场索引、复制式垃圾回收器、作用域竞技场，或 `malloc` 等成熟分配器。
更广泛的讨论还涉及为什么哈希表在 C 语言中常被视为基础内容、开放寻址和冲突解决如何工作，以及闭包如何增加语言设计的复杂度。几位评论者澄清，运算符优先级和结合性应当在解析阶段处理，随后表示为抽象语法树（AST）；这是编译器和解释器采用的标准方法。总体而言，这个讨论串既赞赏了雄心勃勃的教育型编程项目，也提醒人们不要引入不必要的复杂性和性能陷阱。
请提供您想要翻译的内容。
```一则 Hacker News 讨论帖提出：由 AI 编写代码、且外观看起来具备专业设计水准的网站，是否会削弱“设计需要正规训练或专业设计师”这一观念？大多数 commenters 认为，设计本质上是一个反复迭代的过程：明确目标、收集参考、探索方向、打磨细节，并通过用户测试不断验证。AI 可以加快这些环节，但最终质量仍取决于审美、判断力和持续投入，而不只是速度。
许多人称赞该网站是“氛围编程”（vibe coding）的优秀案例，认为程序员如今无需接受传统设计教育，也能打造出精致的用户界面。也有人指出，网站中仍能看到典型的 AI 套路，例如渐变色、破折号、类似玻璃的面板、过多动画以及风格不统一，并质疑当前模型是否真的像受过训练的设计师那样理解用户体验心理和用户需求。
作者承认，时间限制和信息传达方式的变化导致网站出现了一些不够细致的地方。总体而言，讨论中的观点是：AI 最适合作为一项强大的执行工具，而创意方向、整体协调性、可用性和最终判断仍应由人类负责。```