1. 接受条款。使用 CueBench 即表示您同意本条款及我们的隐私政策。 2. 服务内容。CueBench 会分析您的 AI 编码会话并提供评分与指导。此版本为开发者测试版：功能可能会发生变化或出现故障。 3. 您的内容。您保留对会话日志的所有权利。上传的文件在评分后会被删除；我们会保留衍生的评分、见解和时间线（包括简短的提示词摘录）。 4. 数据使用与模型改进。作为测试版参与者，您同意我们可能使用您的使用数据（评分、遥测数据及简短的提示词摘录）来运营、评估、改进及训练支持本服务的模型。原始上传文件绝不会用于训练。您可在“设置”中选择“删除我的数据”，随时移除您的数据。 5. 可接受的使用。不得上传您不拥有相关权利的内容、探测他人数据或对模型进行逆向工程。 6. 测试版免责声明。本服务按“原样”提供，不作任何保证；评分仅供参考。 全文：使用条款 · 隐私政策
每日HackerNews RSS
抱歉。
发布
登录
注册
发布
Karthik Kumar Viswanathan
@_vkaku
对我而言，在任何系统上支持 Unicode 都很重要，即使是在 DOS 上。所以，开始吧 *** 初步成果 ***
00:00
2026年6月29日 上午5:44
587 次浏览
1
1
13
3
阅读 1 条回复
刚接触 X？
立即注册以获取您的个性化时间线！
使用 Google 注册
使用 Apple 注册
创建账号
注册即表示您同意服务条款和隐私政策，包括 Cookie 使用。
相关人物
Karthik Kumar Viswanathan
@_vkaku
关注
热门趋势
条款 · 隐私 · Cookie · 无障碍 · 广告信息 · 更多
© 2026 X Corp.
不要错过正在发生的事
X 上的用户最先知晓。
登录
注册
抱歉。
发表在《科学》杂志上的一项研究揭开了孤独迁徙鸣禽（如斑姬鹟）如何成功抵达特定越冬地的谜团。研究人员利用微型数据记录仪追踪了来自欧洲各地的鸟类，发现无论其繁殖地在哪里，它们都遵循一条一致的非直线路径：经由伊比利亚半岛，穿过大西洋前往非洲。
这种漫长的绕道被认为是上一个冰河时代的进化遗留。通过将荷兰鹟的蛋移植到瑞典的鸟巢中并进行种群杂交，研究人员确定越冬目的地受遗传因素与成长过程中环境因素的共同影响。
至关重要的是，研究结果表明迁徙并非父母传授的习得性行为。相反，鸟类似乎拥有对迁徙距离的先天感知，而非固定的指南针方向。这一发现对于理解物种如何适应气候变化至关重要，因为鸟类调整迁徙时间的能力与它们越冬的地点密切相关。
请启用 JavaScript 和 Cookie 以继续。
一名安全研究人员在 MSI 笔记本电脑和台式机预装的 MSI Center 软件中发现了严重漏洞。通过对应用程序的可执行文件进行反编译，研究人员发现了一个实现不安全的命名管道（`MSI_SERVICE_2`），这使得任何经过身份验证的用户都能以 `LocalSystem` 权限执行命令。
这些命令可用于操作注册表、修改 Windows Defender 设置或执行任意代码。该系统依赖过时的 3DES 加密和薄弱的注册流程，甚至可以通过 SMB 协议被利用，从而在网络上实现远程代码执行（RCE）。
漏洞报告过程最初遇到了一些障碍，研究人员提交的报告因对方邮箱满载而被退回。在获得 Gamers Nexus 的协助联系到相关负责人后，研究人员发现 MSI 的响应非常迅速，在两天内修复了该漏洞。尽管研究人员尚未因其重大的安全贡献获得任何漏洞赏金，但目前正在等待该发现的 CVE 编号。该漏洞已在 MSI Center 2.0.70.0 版本中得到修复。
本文指出，“威胁建模”常被滥用为流行语，但它实际上应成为评估安全性的实用且动态的框架。
一个合格的威胁模型必须定义以下内容：
1. **资产**：我们需要保护什么？
2. **参与者**：谁想造成伤害？
3. **攻击场景**：他们如何才能得逞？
4. **缓解措施**：我们采取了什么措施来阻止他们？
5. **假设**：我们认为理所当然的前提是什么？
6. **关系**：系统组件之间如何交互？
7. **已接受的风险**：我们选择不处理哪些威胁？
作者指出，尽管一个不完美的威胁模型（如 Matrix 的模型）也比没有好，但高质量的模型需要绘制系统依赖关系并记录假设。这一过程能防止“未知的未知”，并帮助工程师做出更好的设计选择，例如优先使用通行密钥（passkeys）而非密码。
除了架构之外，威胁建模还充当着“胡扯探测器”。通过明确定义风险，并将意识形态上的危言耸听与技术现实（例如后量子密码学争论）区分开来，从业者可以做出客观决策，而不是陷入恐惧、不确定和怀疑（FUD）之中。归根结底，威胁建模的意义在于构建直观的纵深防御，而非追求抽象的学术完美。
抱歉。
Tinkerfont 是一款专为设计师和开发人员打造的浏览器扩展程序，旨在无需修改代码即可在实时网页上快速检查、测试和替换字体。 Tinkerfont 源于在客户项目或接手代码库时对排版进行轻松实验的需求，提供流畅的工作流程。主要功能包括： * **检查：** 右键点击任意文本，即可查看其字体族、字重、字号、颜色和对比度。 * **检测：** 查看页面上使用的所有字体族的详细列表。 * **替换：** 即时测试来自 Bunny Fonts 的 1,900 多种开源字体，或上传您自己的本地字体文件。 * **范围与持久化：** 将更改应用于特定页面元素，并按主机名保存规则。 该扩展程序秉持隐私至上的原则，完全免费，无需注册账户，所有数据均存储在您的本地设备上。它适用于 Chrome 和 Firefox 浏览器，利用 Manifest V3 和 mutation observers 技术，确保字体替换在动态网页和单页应用中保持稳定。 您可以在 [mighil.com/tinkerfont](https://mighil.com/tinkerfont) 获取文档、安装链接及更多详细信息。
本文探讨了关于 2026 年维基百科删除 Odin 编程语言词条的争议。在经过“删除讨论”（AfD）流程后，贡献者们认为该语言因缺乏可靠的独立来源而不具备知名度；对此，该语言的创建者“GingerBill”及其同行 Casey Muratori 公开抨击维基百科，将其贴上“被意识形态俘获的机构”这一标签。
作者认为，这些关于“激进派把关”的指控毫无根据，并指出编辑们的共识是基于既定的可验证性程序准则，而非政治偏见。文中强调了现代非正式编程生态（知识多存在于 Discord、个人博客和 GitHub 中）与维基百科对传统、可验证媒体的依赖之间存在脱节。
最终，文章认为像 GingerBill 这样的网红利用此类争议进行“流量收割”。通过将一次标准的程序性拒绝描绘成针对“意识形态游乐场”的文化战争，这些人物迎合了特定受众的偏见。作者总结道，虽然维基百科的规则可能难以顾及现代编程的细微之处，但关于阴谋和迫害的指控，很大程度上是一种表演性、反主流的在线文化的产物——这种文化比起建设性地参与规则讨论，更倾向于制造愤怒诱饵。
这场讨论聚焦于维基百科删除 **Odin 编程语言**条目一事，突显了两种不同知识与权威哲学之间的冲突：
* **维基百科视角：** 维基百科作为“三级来源”，严格执行**知名度**和**可供查证**原则。一个条目若要保留，必须依赖权威的二级来源（如学术期刊或主流媒体）。支持者认为，这些规则是抵御“低信任度”数字环境中垃圾信息、人工智能生成的虚假信息以及自我推广的重要保障。他们主张，如果一个主题真正重要，那么它在百科全书中的缺失是第三方报道的失职，而非维基百科审核的问题。
* **支持收录视角：** 批评者认为，维基百科对“陈旧”传统媒体的依赖是一种有缺陷的过时模式。他们建议在现代社会，专业社区、GitHub 指标以及实际生产中的应用（例如 Odin 被用于专业视觉特效软件）应足以证明其相关性。他们将删除过程视为一种官僚主义，甚至是“滥用职权”的体系，该体系将对规则的死板遵守置于提供信息的实际效用之上。
归根结底，这场辩论在承认为了防止平台被“噪音”淹没而必须保持标准这一实际需求的同时，也暴露了人们对维基百科把关机制的深刻不满。
正在建立安全连接... 请启用 JavaScript 以继续。 请求 ID: f0e7ec8a160e9bfb8993c00d3141b201
对不起。
由于人工智能推理需求超过了英伟达 Blackwell GPU 的供应，相关成本正在飙升。Wafer 认为，AMD 的 Instinct MI350 系列提供了一个极具吸引力且性价比更高的替代方案，其每块 GPU 的价格约为英伟达竞品的 2.75 分之一，且拥有相当的硬件规格。 尽管英伟达的“首日”软件支持仍然是一项重要优势，但“CUDA 护城河”正在迅速瓦解。Wafer 表明，在 AMD 平台上实现高性能推理，更多地取决于优化，而非硬件本身的局限性。通过采用 AMD Quark 的 MXFP4 量化、选择战略性框架（sglang）以及对内核回退（kernel fallbacks）进行自定义调整等技术，Wafer 在 GLM5.2 模型上实现了惊人的吞吐量。 在基准测试中，Wafer 在 MI355X 上达到了 2626 tok/s/node 的总吞吐量，以不到一半的成本实现了 B200 性能的 80%。尽管目前 AMD 的技术栈需要更多的手动配置和工程投入，但 Wafer 证明，通过适当的优化，AMD 硬件能够提供最佳的推理性能价格比，有效地缩短了与英伟达在实时性能上的差距。
关于“性价比正在变得更高、更便宜”（wafer.ai）这一话题，Hacker News 上的讨论主要集中在 AMD 硬件作为数据中心内 Nvidia 替代方案的可行性与成本效益上。
讨论要点如下：
* **供需关系：** 尽管 Nvidia 仍是行业标准，但用户认为在 Nvidia 供应受限的情况下（尤其是在美国境外），AMD 是一个可行的替代选择。
* **效率指标：** 参与者认为“每瓦性能”与“每美元性能”同样关键。高功耗带来的不仅是电费问题，更会造成冷却和电力供应等基础设施方面的挑战。
* **基准测试的怀疑：** 批评者指出，所谓的“性能”往往依赖于激进的模型量化（如 MXFP4），这可能会导致准确率大幅下降。许多评论者对业界缺乏基准测试透明度的标准表示不满。
* **实际效用：** 讨论强调了“基准测试作弊”（即针对特定高吞吐量指标进行优化）与生产环境大模型服务实际需求之间的鸿沟；后者更看重稳定性和准确性，而非单纯的输出速度。
总而言之，这一讨论反映了市场对于人工智能硬件领域引入竞争的日益渴求，以平衡高昂成本和供应垄断局面。