本次评估表明，开源 AI 模型 **GLM 5.2** 能够高效完成英国中小企业每季度的增值税（VAT）申报工作；若将此项任务外包，通常每季度需花费 750 至 2,100 英镑。 在一项处理 59 笔交易的受控基准测试中，GLM 5.2 取得了近乎完美的成果。通过轻量级架构和命令行界面与会计软件交互，该模型生成的申报表中，净增值税额（Box 5）与人工核算的基准数据仅相差 7 便士。整个过程耗时 68 分钟，调用 Token 费用约为 2.73 美元。 尽管该模型成功处理了分拆交易和银行转账等复杂场景，但在“股本”分类上出现了重大的技术性错误，并在区分“零税率”与“免税”增值税类别时出现了细微偏差。 研究结果表明，记账工作正通过 AI 成为一项“已解决的问题”。目前的挑战在于构建可靠的基础设施，将这些能力整合到中小企业的标准工作流中。尽管模型在逻辑推理上存在细微瑕疵，但其表现已达到甚至超过了人工会计，这标志着财务合规正向着高性价比的自动化方向转型。
每日HackerNews RSS
去中心化通讯应用 **Kiyeovo** 的开发者分享了构建无服务器群聊所面临的设计挑战。由于去中心化系统缺乏管理群组成员、消息排序和离线存储的中心化机构，开发者必须接受重大的权衡。 为了维持纯粹的去中心化架构，作者摒弃了中心化服务器（如 Signal 或 Matrix）以及像 MLS 这样复杂的扩容协议，转而采用一种**“单创建者”模型**： * **成员管理：** 群创建者作为添加或移除成员的唯一权威，确保了成员身份的一致性，而无需共识机制。 * **加密：** 应用在每个周期（epoch）使用“发送者密钥”。当成员变更时，会生成新的周期和密钥，确保被移除的成员无法继续获取信息。 * **存储：** 群组历史记录和离线消息通过 DHT（分布式哈希表）上的仅追加日志进行存储，并为每个发送者分配存储桶以提高效率。 虽然该模型引入了单点故障（即创建者），但它简化了收敛过程，为十人以内的群组提供了一种轻量且实用的解决方案。作者指出，在 P2P 环境下，为了规避全局同步的复杂性，这些权衡是必要的。
抱歉。
Show HN: 我将 850 万篇研究论文绘制成了一张交互式图谱 Show HN: I mapped 8.5M research papers into an interactive atlas
1 天前
arXiv 生命科学与医学 正在加载 2,995,493 篇论文 · ~45 MB 正在获取 · 0% 正在加载 300 万篇论文的全集（约 45 MB 二进制点缓冲区）。需要 10–20 秒。加载完成后将进行缓存，平移和缩放操作可瞬间完成。 如果您处于网络较慢的环境或使用移动设备，请考虑先浏览 /paper 页面——此地图是该网站最耗资源的页面。 正在加载 2,995,493 篇论文 · ~45 MB 正在获取 · 0% arXiv 地图 正在准备地图 正在流式传输 arXiv 语料库——数据加载完成后，图例、领域透镜和单篇论文的深度见解将在此处显示。
抱歉。
iPhone 隐藏功能：将手机变成完美的儿童“傻瓜机” Buried Apple feature turns an iPhone into the perfect kids' dumb phone
1 天前
作者强调，“辅助访问”（Assistive Access）是一个出人意料地有效，但推广力度不足的方案，可用于将 iPhone 转变为适合儿童使用的“简单手机”。尽管该功能相比标准的“屏幕使用时间”控制更为强大，但连 Apple Store 的员工也大多对其知之甚少。 虽然该界面直观且现已整合了屏幕使用时间限制，但它并非完美无缺。该模式运行有时会显得迟缓，会禁用语音留言功能，且在不退出该模式切换回标准 iOS 的情况下，用户无法关闭设备电源。此外，作者还遇到了一些小的软件稳定性问题，特别是在信息应用中出现的反复卡死，需要家长介入才能解决。 尽管存在这些局限性，且孩子仍面临丢失昂贵设备的风险，但作者认为，“辅助访问”对家长而言是一个极佳的工具。有趣的是，苹果似乎正在悄悄将这些功能整合到 iOS 的后续版本中，这表明该公司已经意识到这种“隐藏”模式在家长控制方面的价值。
这篇 Hacker News 讨论聚焦于苹果 iOS 的一项名为“辅助访问”（Assistive Access）的功能。该功能可以将 iPhone 简化为“功能手机”，通过限制界面仅显示特定应用并提供大尺寸、易于操作的控件来实现。虽然最初是为有运动或认知障碍的用户设计的辅助工具，但许多用户发现，它也是限制儿童屏幕使用时间或简化老年人设备使用的有效方式。
该讨论引发了关于育儿、技术以及“路缘效应”（Curb-cut effect，即为残障人士设计的便利设施最终会惠及所有人的理念）的广泛辩论。主要观点包括：
* **育儿顾虑：** 文章作者主张将此功能作为一种手段，在为儿童提供安全工具（如 GPS/地图）的同时，免受互联网内容的干扰。
* **关于独立的辩论：** 许多评论者认为，儿童应该在没有持续数字监控的情况下培养自立和导航能力，并批评了现代的“直升机式育儿”。
* **技术局限性：** 用户指出，该功能可能不够完善或配置繁琐，且聪明的孩子往往能找到绕过限制的方法，这表明纪律和沟通仍然是替代严格技术控制的重要手段。
请启用 JavaScript 和 Cookie 以继续。
**Devthropology** 是一个基于网络的分析平台，旨在深入洞察 GitHub 存储库的健康状况和开发者活动。该工具被定位为 GitHub 原生洞察功能的高性能替代方案，通过分析拉取请求（PR）数据，专注于工作流在代码库中的流转情况。
主要功能包括：
* **存储库探索器：** 追踪文件历史、重命名及移动记录，将代码分类为“活跃”、“已开发”或“陈旧”。
* **趋势分析：** 监控贡献速度、PR 大小、审查延迟以及 AI 工具对产出的潜在影响。
* **交互映射：** 基于 PR 活动可视化贡献者关系及协作模式。
* **贡献者报告：** 提供开发者的详细绩效指标，突显其作为作者和审查者的双重角色。
作为一项热爱驱动的项目，Devthropology 旨在帮助团队更好地理解其开发生命周期。该平台通过对“有效”审批和审查轮次进行分类，以提供更准确的代码交付速度概览。尽管一些用户指出该工具与现有的安全类工具存在重叠，但该项目通过其对可视化探索和代码库健康状况的关注脱颖而出，并有望在未来服务于 AI 编程代理。
Meta 推出了 **Muse Spark 1.1**，这是其多模态推理模型的重大升级，旨在执行更高级的智能体任务。主要的改进包括在工具使用、电脑操作导航和复杂代码工作流方面性能的提升。 该模型配备了 100 万 token 的上下文窗口，擅长规划、向子智能体分配任务，以及在极少人工干预的情况下管理跨多种应用的复杂项目。它在诊断大规模代码库方面取得了显著进展，并具备强大的多模态感知能力，能够解读视觉和音频数据以执行现实世界中的任务。 安全性依然是重中之重；该模型遵循 Meta 的高级 AI 扩展框架，在防范越狱和减少幻觉方面表现出更强的稳健性。 Muse Spark 1.1 现已通过 Meta AI 应用和 meta.ai 提供“思考”模式。此外，Meta 还推出了 **Meta Model API** 的公开预览版，使开发者能够将这些智能体功能集成到自己的应用中。包括 Replit 和 Cline 在内的行业合作伙伴对该模型的高效性、长上下文处理能力及其在企业级环境中的竞争表现给予了高度评价。
Meta 近期发布了 Muse Spark 1.1，在 Hacker News 上引发了关于基准测试完整性、人工智能市场竞争以及软件工程未来的激烈讨论。
争议的焦点之一涉及 Meta 的 Terminal-Bench 2.1 测试结果。批评者指责其存在“不透明的基准测试”行为，称该模型在测试过程中突破了严格的 CPU 和内存限制，实际上是通过“作弊”来获取更好的性能数据。用户对该公司表示怀疑，并指出整个行业内普遍存在针对基准测试进行投机取巧的现象。
在争议之外，社区还对更广泛的人工智能格局进行了探讨。许多人对由 Meta、OpenAI、Anthropic、谷歌以及新兴中国模型所推动的激烈竞争表示欢迎，认为这是促进创新和降低 Token 价格的催化剂。虽然一些用户称赞该模型在调试和诊断方面“令人印象深刻”的工具使用能力，但也有人质疑 Meta 推出的闭源模型（closed-weights models）的价值，认为这背离了其此前在开源领域的领先地位。
最后，用户就人工智能的发展最终是会增加还是减少对软件工程师的需求展开了热烈辩论。各方观点不一，一方持“看涨”观点，认为产品构建需求会随之扩大；另一方则支持“就业峰值”理论，认为在人工智能驱动的自动化时代，就业需求将达到顶峰。
Wildcard 是一个代理驱动的电商优化平台，旨在帮助品牌从传统搜索转型至 AI 购物代理。我们为 AI 驱动的零售业务提供“任务控制中心”，涵盖 AEO/GEO 可见性、归因分析及自动化功能。凭借每月 50% 的增长速度，我们正处于引领品牌影响“AI 优先”消费者搜索发现模式的前沿。 我们正在寻找一位**创始工程师**——我们的第一位工程团队成员，与创始人直接协作。你将全权负责我们的产品和基础设施，从浏览器自动化、检索系统到面向客户的功能开发。此岗位需要一位具备高度主动性、精通全栈开发的专家，能够熟练运用 AI 编程工具加速开发，同时保持严谨的技术判断力。 **工作内容：** * 构建并扩展核心检索与编排基础设施。 * 设计将代理交互与业务成果相关联的归因系统。 * 在快速变化的市场中直接对接客户，制定产品策略。 * 将早期系统转型为可扩展、可靠的生产架构。 **我们期待的候选人：** * 有早期高速成长型初创公司的相关经验。 * 精通全栈开发（TypeScript、Node.js、React、Postgres）。 * 在 AI 代理与自动化领域具备深厚的技术功底。 * 具备极强的韧性与解决困难的意志，能够应对高度的不确定性。 欢迎加入我们，从零开始构建零售搜索发现的未来。
抱歉。
请启用 JavaScript 和 Cookie 以继续。
OpenAI 最近的桌面端更新在 Hacker News 上引发了用户的强烈不满，被指责为一次令人困惑且执行糟糕的“混乱”升级。
此次更新实际上合并了 ChatGPT 和 Codex 应用，将现有的 ChatGPT 桌面版更名为“ChatGPT Classic”，并取而代之以一款基于 Codex 架构构建、命名为“ChatGPT”的新应用。用户普遍表示感到沮丧，主要原因如下：
* **用户体验下降：** 常规聊天功能被移至一个小型且无法搜索的弹出窗口中，导致界面显得支离破碎，功能性不如旧版本。
* **品牌命名令人困惑：** 应用内提供了“ChatGPT Work”和“ChatGPT Codex”之间的切换选项，但许多用户反映界面完全一致，导致他们无法分清两种模式的实际区别。
* **工作流碎片化：** 临时聊天和全屏聊天记录等功能被隐藏或移除，同时该应用倾向于为每个会话创建本地文件夹，引发了用户对隐私和文件管理的担忧。
许多评论者批评了该产品的管理方式，将其比作“新可乐”（New Coke），并警告称“Classic”的品牌命名预示着该版本即将被停止支持。目前，一些用户已开始考虑转向 Claude 等竞争对手。
GPT-5.6 GPT-5.6
2 天前
请启用 JavaScript 和 Cookie 以继续。
OpenAI 发布了全新的 **GPT-5.6** 模型系列，包含 **Sol、Terra 和 Luna** 三个层级。此次更新重点提升了效率，在速度和成本控制方面相较于 Anthropic 的“Fable”等竞品有显著优势。
**核心要点：**
* **性能与成本：** OpenAI 声称，这些模型在消耗更少 Token 且成本仅为现有价格一小部分的情况下，性能优于当前最先进的智能体。
* **提示词策略转变：** 由于模型现在能更好地推断用户意图，建议用户不再需要使用“简明扼要”等笼统指令。开发者应尽量减少系统提示词（System Prompt），以提高输出质量并降低成本。
* **开发者反馈：** Hacker News 上的舆论褒贬不一。一些人认可其效率和更好的设计判断，而另一些人则对基准测试持怀疑态度，认为 OpenAI 似乎在刻意“刷分”（benchmaxxing）。
* **易用性：** 讨论中强调，用户正日益倾向于使用模块化的“工具集”（如 OpenCode），以便灵活组合不同模型，从而摆脱封闭的生态系统。
该模型目前正在全球范围内陆续推出，预计 24 小时内全面可用。至于此次发布究竟是“跨越式进步”还是仅为营销手段，在开发者群体中仍存在激烈争议。
出生后第一年内对音乐的听觉和自发性动作反应 Auditory and spontaneous movement responses to music over first postnatal year
2 天前
音乐性是人类的一项基本特质，包含感官知觉与运动反应。虽然已有研究探讨了婴儿的音乐感知，但将这种感知转化为自发运动的发展轨迹尚不明确。此外，此前尚无研究同时考察婴儿在出生第一年内的脑活动与身体运动。
本研究通过分析不同年龄段（3、6、12个月）的婴儿及成人，旨在探究音乐性的成熟过程。研究人员利用脑电图（ERP和ASSR）测量神经编码，并通过基于视频的自动化运动追踪技术（DeepLabCut）分析自发运动的运动学特征。参与者被给予聆听儿歌、打乱顺序的版本以及音高调整后的变体（高音与低音），以分离音乐结构和频率对参与度的影响。
研究人员假设，相较于打乱顺序的刺激，有组织的音乐结构能促进更强的神经和运动反应。此外，研究还探讨了婴儿是更倾向于高频声音（这是婴儿导向交流的特征），还是会表现出与成人类似的、在音乐驱动运动中对低频能量的偏好。通过弥合听觉处理与运动输出之间的差距，本研究旨在揭示音乐性的个体发育过程，以及生命第一年内同步运动的出现。
抱歉。