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。
每日HackerNews RSS
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
抱歉。
请启用 JavaScript 和 Cookie 以继续。
最近 Hacker News 上的一篇讨论分析了一篇关于“具有有界等待的快速 MPMC 队列”的文章。对话聚焦于并发数据结构的各种技术细节：
* **术语澄清**：作者承认其队列并非真正意义上的“无等待（wait-free）”，这引发了关于无锁（lock-free）、无等待和无阻碍（obstruction-free）算法之间特定权衡的广泛讨论。专家指出，尽管无等待结构对于特定的实时系统至关重要，但在通用应用程序中，它们的性能往往不如 Vyukov MPMC 队列等更简单的设计。
* **技术实现**：评论者指出了该项目 Rust 代码中关于 `Send` 和 `Sync` 特性实现方面的内存安全漏洞，这可能导致跨线程指针访问出现不安全的情况。
* **性能考量**：参与者讨论了各种优化策略，例如通过填充高速缓存行（cache line）来避免伪共享，或是使用双射哈希（bijective hashing）。
* **社区观点**：讨论强调了“无锁”一词常被用作模糊的营销术语；开发者应优先选择适合系统实际性能需求的数据结构，而非盲目追求可能并不必要的理论保证。
人工智能的未来依然充满不确定性，主要体现在四个未解之谜：昂贵的前沿模型能否维持投资回报率；算力驱动的性能提升能否长期持续；市场是否会出现整合或赢家通吃的局面；以及价值究竟是流向模型构建者，还是流向基于模型开发应用的企业。 当前的市场动态，例如开源模型与高端前沿系统之间的平衡，难以做出简单预测。与以往的技术变革不同，我们目前缺乏对大语言模型局限性的理论认知，这使得当前的基础设施建设充满不可预测性。 作者提醒不要过早下定论，并指出，尽管人们常将人工智能与光纤或移动网络等历史性基础设施进行比较，但这种类比并不完全恰当。一个关键风险在于，人工智能模型可能会变成低利润、商品化的基础设施，类似于蜂窝数据网络：虽然是一个产生巨大流量的必要行业，却难以获取利润，真正的价值则流向了构建应用层面的企业。归根结底，我们正处于人工智能发展的“90年代中期”——可以确定该技术具有变革性，但远未可知谁将攫取最终价值，或生态系统将如何定型。
抱歉。
Wire 是一个用于 AI 智能体“上下文容器”的平台，该平台近期重构了其底层运行时，以克服 Cloudflare Durable Objects 的结构性限制。尽管 Wire 在 API 和控制平面上仍与 Cloudflare 保持深度集成，但其数据平面已迁移至基于 Fly Machines 构建的自定义基础设施。 此次迁移解决了四个关键瓶颈： 1. **性能：** 将向量索引移至容器内部（使用 `sqlite-vec`），消除了高昂的网络跳转和状态同步问题。 2. **计算邻近性：** 将完整的检索流水线（包括融合和重排序）置于进程内处理，降低了延迟和波动。 3. **动态部署：** 新架构允许容器迁移至更靠近活跃智能体的位置，并为高阶客户提供专用隔离。 4. **自托管：** 脱离专有平台，使受监管的客户能够托管自己的基础设施。 迁移成果显著：工具调用的延迟趋于稳定，冷启动速度提升了超过 60%。为确保数据完整性，Wire 实现了持续的 WAL（预写日志）传输至对象存储。目前新运行时处于测试阶段，计划在迁移完成后将技术栈开源，以确保公司内部生产代码透明且可验证。
对不起。
Hy3
2 天前
这次 Hacker News 的讨论围绕腾讯发布的全新 Apache 2.0 协议开源大模型 **Hy3** 展开。用户们正就该模型与 DeepSeek V4 Flash、Qwen 3.6 和 Gemma 4 等竞品在性能、成本效益及实用性方面的表现进行激烈辩论。
**讨论要点如下：**
* **性能与规模：** 尽管 Hy3 因其在该规模（295B 参数）下的出色表现而受到称赞，但用户观点存在分歧。一些人认为它是“跑分专用”（即在基准测试中表现优异，但在创意任务中缺乏内涵），而另一些人则将其视为编程和指令遵循方面可靠的“主力模型”。
* **对比分析：** 讨论中多次将其与目前在成本效益和量化稳健性方面处于领先地位的 DeepSeek V4 Flash 进行比较。部分用户认为，像 Gemma 4 (31B) 这样的小型模型在现实场景的推理能力和易用性上更胜一筹。
* **技术批评：** 参与者指出该模型落地页的 UI 设计粗糙、数据可视化效果存疑，以及存在速率限制等问题。
* **市场背景：** 该帖反映出行业的一个广泛趋势：中国 AI 实验室正不断发布极具竞争力且低成本的模型，这也引发了关于小型专用模型目前是否正赶超大型通用模型的激烈讨论。
AI 检测公司 Pangram 发布了其 Chrome 插件的分析结果，该插件自 2026 年 4 月以来已分析了超过一百万条社交媒体帖子。研究显示，AI 生成的内容在各大主流平台上无处不在，且对长篇内容的冲击尤为严重。
**主要发现：**
* **广泛渗透：** 每四篇长文（超过 250 字）中，就有一篇是完全由 AI 生成的。
* **平台差异：** LinkedIn 是 AI 含量最高的平台；尽管其扫描样本仅占总数的三分之一，却占了所有标记 AI 内容的 62%。相反，Reddit 的 AI 占比最低，这主要得益于人工撰写的回复，但其顶层帖子仍易受 AI 影响。
* **“长文”趋势：** 在几乎所有平台上，较长、内容较实质的文本比短文本更有可能是由 AI 生成的。
* **X (Twitter)：** X 平台上有近 50% 的文章要么是完全由 AI 生成，要么是由 AI 辅助完成的。
Pangram 总结称，未披露来源的 AI 内容正充斥着社交媒体，增加了用户辨别数字信息的难度。通过追踪这些趋势，该公司旨在提高透明度，并帮助用户重新掌控在线注意力。
LARP 即“实景角色扮演”。这是一个关于洗售、循环交易和循环营收的笑话。本网站不涉及任何资金流动，所有账户均为虚构，其中的内容绝不应发送给任何现实中的投资者、贷款方或审计师。在现实中以此方式募资属于证券欺诈。该笑话的笑点在于：虚假版本与所谓的“战略合作伙伴”版本之间，主要的区别仅仅在于氛围、规模，以及是否有银行参与架构。其真实的经济逻辑是：营收可以漂亮地重复计算——两家公司互相电汇 100 美元形成闭环，每一圈双方都可以入账 100 美元，从而用一张真钞创造出无限的“年度经常性收入（ARR）”。而衡量经济真实水平的“增加值”却并没有增加。这两个数字之间的鸿沟，正是整个笑话的精髓所在。
抱歉。
Lisp 常因其非传统的语法和陡峭的学习曲线而被忽视，但它提供了一种独特的范式，能够从根本上改变你处理编程的方式。与大多数语言不同，Lisp 具有“同像性”（homoiconic），这意味着代码和数据都以列表的形式呈现。这一特性支持强大的宏功能，允许开发者扩展语言本身，从而根据问题来塑造工具，而不是强迫问题去适应工具。
除了语法之外，Lisp 还通过 REPL（读取-求值-输出循环）提供了“实时”的开发体验。这种环境支持交互式的迭代开发，代码是在运行进程中不断演进的，而非通过传统的“编写-编译-运行”这一静态周期。这种能力结合 Lisp 与生俱来的可扩展性，使其在构建高度可定制的领域特定系统方面具有独特优势——Emacs 的无限模块化便体现了这一哲学。
虽然 Lisp 可能永远不会成为主流，但学习它能为软件架构提供极其宝贵的视角。掌握 Lisp 后，你将获得编写“能编写程序”的程序的能力，从而解锁其他语言难以企及的强大功能与灵活性。
这段 Hacker News 讨论探讨了编程界的“光明面与黑暗面”：即限制性、安全性导向的语言与宽容、强大语言之间的博弈。
Lisp 在这场争论中占据了独特的位置。拥护者认为，其同像性（代码即数据）和强大的宏系统提供了无与伦比的表达能力，使开发者能够构建领域特定语言并抽象掉复杂性。相反，批评者则认为它更像是一个缺乏现代人机工程学、标准化并发机制以及大规模团队生产所需安全保障的学术性“狂热”。
核心主题包括：
* **宏的争论**：支持者声称宏能带来“Lisp 启示”，允许用户构建自定义类型系统或安全约束。批评者则认为，与 Rust 或 Haskell 等现代语言中由编译器强制执行的稳健安全性相比，这些只是“派对戏法”。
* **开发体验**：许多人强调，Lisp 的真正价值不仅在于语法，还在于其交互式、基于镜像的“实时”开发周期。然而，怀疑论者指出，这些优势在其他开发环境中也正变得越来越普遍。
* **AI 的影响**：参与者认为，大语言模型（LLM）可能会改变这一格局，因为 Lisp 的结构非常适合交互式、代理驱动的开发，这或许能弥补它在理论能力与实际应用之间的鸿沟。
这段内容是 PDF 文件的原始二进制流数据，并非可阅读的文本信息。即使翻译成中文，也无法呈现为有意义的文字内容。
抱歉。
《Damn Interesting》的创始人艾伦·贝洛斯（Alan Bellows）正在发起一项一次性的筹款活动，旨在为他的深度新闻写作争取时间。二十年来，贝洛斯一直兼顾兼职工程工作与写作；然而，随着现代就业市场转向全职岗位，他投入该网站的时间日益减少。 在充斥着人工智能生成内容的数字环境中，贝洛斯希望筹集到足够的资金，以弥补他一年内因辞去全职工作而损失的薪水。这一目标将使他能够脱离全职工作，重新专注于研究、写作和编辑工作。 虽然《Damn Interesting》有独立的“Give a Damn”系统来支付网站运营费用，但这项新计划是专门为支持创始人的时间成本而设计的。贝洛斯以一种戏谑的方式类比“魔力8号球”来形容这次尝试，他表示尽管未来充满不确定性，但他对读者能够帮助保留高质量的人类原创内容持乐观态度。捐款可通过他的 GoFundMe 页面进行。
网站 *Damn Interesting* 是一家以深度研究和高质量叙事著称的老牌刊物，近期其网站流量因 Hacker News 的推介而激增，这也引发了关于独立在线出版所面临挑战的讨论。
该网站创办人指出，他们常受“博客垃圾内容”抄袭者的困扰，这些人通过剽窃其原创研究牟利。虽然有读者建议转向 Substack 等平台或采用 Patreon 模式来确保财务可持续性，但创办人对建立在“反复无常”的第三方平台上的工作方式持谨慎态度，并援引了过往 Facebook 算法变更带来的负面经验。
目前，作者正通过筹款来争取更多写作时间，因为现有的“Give a Damn”支持系统仅能覆盖运营成本。作者表达了坚持独立性的坚定承诺，拒绝让赞助者影响其编辑立场。支持者们称赞该网站是现代“泛知识”类播客的先驱，在感叹“旧互联网”衰落的同时，也为能够继续看到如此高质量、非人工智能生成的内容感到欣慰。