谷歌正在为安卓实施新的开发者验证要求，以对抗日益复杂的诈骗和恶意软件，尤其针对快速数字化地区的用户。这些要求旨在使分发恶意应用程序更加困难，需要提供真实身份。 响应社区反馈，谷歌正在调整推广计划。将为需要向有限受众分发应用程序，但无需完全验证的**学生和爱好者**创建一个专用帐户类型。与此同时，**经验丰富的用户**将获得一个“高级流程”，允许他们安装未经验证的应用程序，并在明确警告后接受相关风险——旨在防止被诈骗者胁迫。 核心目标是改变平衡，以对抗恶意行为者，他们目前利用创建和分发有害应用程序的便利性。谷歌强调，这建立在Google Play上已有的成功验证方法之上，并致力于在整个实施过程中与开发者持续合作，目前已提供早期访问权限。
每日HackerNews RSS
## 谷歌放宽严格的安卓侧载规则
谷歌宣布将创建一个新的“高级流程”，允许有经验的用户在没有完整验证的情况下侧载安卓应用程序，从而推翻了之前宣布的限制。这一改变是在社区对应用程序分发潜在限制的反馈之后做出的，尤其影响了像F-Droid这样的开源平台以及受到政府压力国家的的用户。
最初的计划，部分源于对诈骗和政府问责的担忧，旨在要求对侧载应用程序进行开发者验证。批评者认为这将扼杀创新和用户自由。谷歌现在表示，新流程将包括警告，并旨在防止胁迫，同时仍然允许用户自行承担风险安装应用程序。
讨论强调了对谷歌控制安卓生态系统的担忧、潜在的隐私影响以及安全与用户自主权之间的平衡。一些人认为这只是暂缓执行，而另一些人则认为这是一个积极的步骤，承认谷歌对社区关注的回应。 “高级流程”的细节仍在进一步公布中。
## Clang AST 改进以加速 C++ 编译 Clang 抽象语法树 (AST) 的最新改进带来了可衡量的编译时间提升，尤其是在大量使用模板的 C++ 代码中。优化的核心在于减少 AST 中类型表示的大小和复杂性。 此前，`ElaboratedType` 节点会增加开销，因为它将语法细节（如 `struct` 关键字和命名空间）与核心类型信息 (`RecordType`) 分开存储。更新消除了 `ElaboratedType`，将这些数据直接集成到 `RecordType` 中，形成更紧凑的结构。 类似地，用于名称限定符的 `NestedNameSpecifier` 被重新设计为单个带标签的指针，而不是由多个分配组成的链表。这大大减少了内存使用量，并通过简化唯一化过程来加快类型比较速度。新设计还集成了常见查询的缓存，进一步提升性能。 这些更改已随 Clang 22 发布，已在实际项目中显示出改进：`stdexec` 的构建时间减少了 7%，Chromium 的构建时间提高了 5%。这些优化表明，编译器内部有针对性的结构变化可以为大型 C++ 代码库带来显著的性能优势。
一篇最近的Hacker News帖子强调了Clang编译器的抽象语法树（AST）的改进，使其更精简、更快速。这对于现代C++代码库尤其重要，因为它们由于大量使用模板，通常会生成巨大的AST。
讨论的重点是优化这个过程的努力，评论者指出，使用LLVM CAS库的细粒度缓存工作已经在Apple的Clang中发布。
虽然这些改进受到赞扬，但有些人担心这可能会鼓励*更多*复杂的模板使用。其他人则争论C++泛型的根本问题，将其与Java等语言的方法进行对比。一个关键的挑战在于平衡优化与编译器内数据流的潜在变化，尽管性能有所提升，但这种变化可能存在争议。总的来说，这次更新被视为一项有价值的努力，旨在缓解大型C++项目中的编译时痛苦。
## 150美元/小时的规则已被打破：人工智能与软件开发的未来 数十年以来，软件开发经济围绕一个核心限制：高技能开发人员的高成本——大约150美元/小时。这种稀缺性决定了一切，从编码实践到组织结构，优先考虑效率并最大化开发人员的产出。然而，最近出现的具有代理性的人工智能，例如Anthropic的Claude Code，正在从根本上改变这个等式。 仅仅五个月前，人工智能就达到了以前只有人类开发人员才能拥有的编码能力水平，大大降低了代码生产成本——从150美元/小时到可能每月20美元。这种转变不仅仅是编码速度更快；而是将代码*创建*作为主要瓶颈移除。 新的挑战不是编写代码，而是*知道应该构建什么*。虽然人工智能擅长将规范转化为功能代码，但它缺乏批判性思维和商业头脑来定义有价值的问题和解决方案。组织现在必须专注于更高层次的技能——架构、测试、质量保证和战略产品愿景——这些领域仍然需要人类专业知识。 这场革命将是颠覆性的。未能做好适应准备的公司面临落后的风险，而那些拥抱人工智能并优先发展这些新技能的公司将蓬勃发展。软件开发的未来不是*消除*开发人员，而是一种转型——从代码生产者转变为工程师、架构师和商业战略家，由强大的人工智能“同事”指导。关键瓶颈不再是技能或时间，而是*智慧*——知道应该构建什么，以及更重要的是，不应该构建什么。
## Omni AI: 摘要 Omni AI 正在构建人工智能基础设施，以简化银行和金融科技公司的小企业贷款流程。他们解决了美国3400万需要资金的中小企业在文件收集、财务建模和公开研究方面面临的挑战。他们的平台自动化了整个贷款流程，从申请到持续的借款人沟通。 **前线部署工程师 (FDE)** 职位是一个高度技术化、面向客户的岗位。FDE 将前往客户现场实施 Omni 的平台，设计与现有系统（Salesforce、nCino 等）的集成，并与产品和人工智能团队合作。 主要技术领域包括 OCR（使用他们的开源库 Zerox）、数据聚合、人工智能工作流设计（使用 LLM，如 OpenAI 和 Gemini）以及构建财务模型。技术栈围绕 **Node, TypeScript, React, Postgres, Docker 和 K8**。 Omni 提供具有竞争力的薪酬、股权、福利以及快节奏、具有实际影响力的环境。面试流程包括创始人交流、架构设计讨论以及现场编码挑战，以构建和演示功能。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
OmniAI (YC W24) 正在招聘前沿部署工程师 (ycombinator.com)
1天前 | 隐藏
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
Anthropic 正在向美国计算基础设施投资 500 亿美元，与 Fluidstack 合作在德克萨斯州和纽约建设先进的数据中心，并计划进一步扩张。这些设施专为 Anthropic 的人工智能工作负载设计，支持其 Claude AI 系统的持续研发。 该项目预计将创造 3,200 个工作岗位——800 个永久岗位和 2,400 个建筑岗位，并将于 2026 年开始运营。Anthropic 强调这项投资对于保持美国在人工智能领域的领导地位至关重要，与特朗普政府时期设定的目标相符。 在超过 30 万商业客户（大型账户在过去一年中增加七倍）的需求推动下，此次基础设施建设将使 Anthropic 能够开发更强大的人工智能系统并加速科学发现。Fluidstack 在提供大规模电力方面的灵活性是合作的关键。
## Anthropic 500亿美元基础设施投资：摘要
Anthropic 宣布在美国人工智能基础设施投资 500 亿美元，引发了 Hacker News 的讨论。虽然被宣传为重大提振，但评论员质疑这项投资的可行性和价值。人们对 Anthropic 的财务能力是否能够部署如此巨额资金表示担忧，并猜测美国政府可能通过承诺间接资助该项目。
讨论的重点是高昂的成本——每创造一个永久性工作岗位可能需要 6250 万美元——以及在人工智能格局快速发展的情况下，这项投资是否合理。许多人强调需要对电力和基础设施进行大量升级，以支持这些数据中心，并对消费者能源成本的增加以及现有电网的压力表示担忧。
一些用户提倡在人工智能发展的同时，优先考虑能源效率和替代能源（如核能），并质疑人工智能的益处是否超过了巨大的资源需求。另一些人指出，财富正从托管数据中心所在的州流出，流向科技中心。最终，这场对话反映了人们对当前人工智能繁荣的长期可行性和社会影响的怀疑。
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合作的组织都认同并接受了我们开放、社群、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与秉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？请了解更多关于arXivLabs的信息。
## LLM 在金融工作流中的输出漂移：摘要
一篇最近的 arXiv 论文探讨了大型语言模型 (LLM) 在受监管的金融任务（如 RAG、JSON 生成和 SQL 查询）中的可靠性。该研究侧重于*确定性*——即从相同输入产生相同输出的能力——这是金融领域审计的关键要求。
主要发现表明，不同模型大小的确定性存在显著差异。较小的模型（Qwen2.5-7B、Granite-3-8B）实现了 100% 的确定性，通过了监管标准（FSB/BIS/CFTC），而较大的模型（如 GPT-OSS-120B）仅表现出 12.5% 的确定性。 这一差距具有统计显著性。
虽然确定性是必要的，但它并不能保证准确性；仍然需要语义验证。作者指出，推理过程会导致输出变化，并建议通过抑制推理等方法来提高确定性，但可能会牺牲能力。 讨论强调了不断变化的法规与可重复结果之间的矛盾，尤其是在经常更新的执法清单方面。 GitHub 上提供了一个用于测试的代码框架。
关于邮件归档和删除的争论是个人的，很大程度上受到早期Gmail鼓励“归档所有内容”的影响，因为存储空间充足。有些人，比如作者，采用了这种策略，保留了全面的可搜索历史记录。另一些人则更喜欢激进的删除，保持收件箱简洁，搜索结果集中——牺牲潜在的未来参考以换取清晰。
“删除所有内容”的方法可以避免存储问题并提供更清晰的搜索，但有丢失重要信息的风险。一种折衷方案——归档可能有用项目并删除明显可丢弃的内容——似乎很有吸引力。
作者虽然最初是坚定的归档者，但承认归档混乱的缺点，并正在考虑转向更频繁的删除，认识到精简的邮件历史的价值。最终，最佳策略取决于个人需求以及人们如何预期利用过去的邮件数据。
最近加州大学圣地亚哥分校的一项研究表明，GLP-1受体激动剂——例如Ozempic、Wegovy和Mounjaro等药物——可能显著提高结肠癌患者的生存率。研究人员分析了超过6800名患者的数据，发现服用GLP-1药物的患者五年内死亡的可能性低于未服用该药物的患者（分别为15.5%和37.1%）。 即使在考虑年龄、BMI和疾病严重程度等因素后，这种益处仍然显著，尤其是在BMI超过35的患者中。研究人员认为这可能是由于这些药物能够减轻炎症、改善胰岛素敏感性并促进体重减轻——所有这些因素都会影响癌症进展。实验室研究也暗示了其直接的抗癌作用。 虽然是观察性研究，但这些发现强调了迫切需要进行临床试验，以确认GLP-1药物是否可以直接改善癌症生存率，尤其是在与肥胖相关的病例中。该研究发表于2025年11月11日的《Cancer Investigation》。
## GLP-1药物与结肠癌生存率
一项最新观察性研究将GLP-1药物的使用（如Ozempic和Wegovy）与结肠癌患者较低的死亡率联系起来。 即使在调整了BMI和疾病严重程度等因素后，该研究也显示出显著的相关性，但研究人员强调需要进一步调查以确定这是否是直接的抗癌作用，或是体重减轻和代谢健康改善的间接结果。
讨论的重点在于，益处是否主要来自体重减轻，因为GLP-1药物通常会导致食欲降低和代谢功能增强。 一些评论员指出，有证据表明GLP-1药物具有独立于体重减轻的心脏保护和潜在的抗衰老作用，而另一些人则强调了关于改善物质使用控制的零星报告。 潜在的副作用和药物高昂的成本也引起了担忧，一些人认为益处大于风险，类似于疫苗。 讨论还涉及仿制药未来上市后，潜在的可负担性提高。
How Tube Amplifiers Work
14 天前
## 黑客新闻讨论：真空管放大器的工作原理
最近一篇黑客新闻帖子链接到了一篇文章，解释了真空管放大器 ([robrobinette.com](https://robrobinette.com))。讨论强调，现代真空管放大器设计在很大程度上是20世纪30年代技术的演变，改进主要在于无源元件，而真空管和变压器在质量方面仍然参差不齐。
有经验的真空管放大器制造和维修用户指出，与现代固态放大器相比，真空管放大器天生效率低下，尤其是在需要大型昂贵变压器的电源阶段。一个关键点是，这种效率低下会产生令人愉悦的“下垂”失真。
对话深入探讨了真空管放大的技术方面，强调了在各级之间阻断直流电流对电容的需求，以及这施加的电压限制。与处理直流电流方式不同的晶体管电路进行了比较。几位用户推荐了进一步学习的资源，包括吉姆·利尔的YouTube视频和罗布·罗比内特的网站，用于Fender放大器改装。
关于真空管放大器中存在危险高电压（即使断电后也是如此）的警告也已提出。最后，许多用户建议使用广告拦截器来提高链接文章的可读性，因为广告过于干扰。
## 美国电费飙升 美国电价大幅上涨，自2020年2月以来上涨了40%，超过了26%的整体通货膨胀率。 这一增长正在影响全国各地的家庭，特别是像佛罗里达州71岁的凯西·莱图诺那这样的固定收入人群，她每月难以负担200至300美元的账单。 有几个因素在推高成本。 由于电动汽车、电器以及特别是耗能密集的AI数据中心的快速增长，需求正在激增。与此同时，老旧的发电厂正在退役，需要在未来五年内投资超过一万亿美元来建设新的基础设施并使电网现代化。 天然气是发电的关键燃料来源，其价格也会波动并导致更高的电费。 一个关键的争论集中在谁应该承担这些升级的成本。 虽然数据中心*应该*自行承担其电力需求，但一些监管机构正在考虑为它们提供折扣费率，这可能会将负担转移到已经支付比企业更高的费率的居民客户身上。 激励数据中心减少高峰时段用量和灵活的电动汽车充电等策略可以帮助缓解这些不断上涨的成本。
## 黑客新闻讨论：人工智能与不断上涨的电费
一篇最近的 NPR 文章引发了黑客新闻关于电费上涨的争论，核心问题是人工智能数据中心的作用。虽然文章暗示人工智能是导致电费上涨的*部分*原因，但许多评论员认为这是一种误导。
主要观点集中在**政策主导的供应限制**上。用户指出，阻碍所有新型发电厂（包括可再生能源、核能和传统能源）建设的法规是导致价格上涨的主要原因。在供应受限的情况下增加大量新需求（例如来自人工智能），自然会导致价格上涨，但供应有限本身并非固有问题，而是一种*政策选择*。
讨论延伸到电网基础设施的复杂性、建设发电厂所需的时间以及简化法规的可能性。一些人建议让数据中心直接承担增加电网容量的成本，而另一些人则主张监管人工智能数据中心的建设本身。
最终，共识倾向于将电费上涨归咎于由于监管障碍导致的电力供应不足，而不是人工智能需求的增加，将后者视为症状而非根本原因。