每日HackerNews RSS
黑客新闻头条 你将看到5条头条新闻。猜猜每条新闻收到的赞数。 开始 正在加载黑客新闻… 正在获取过去一个月内最热门的500条新闻… 第1/5轮 | 分数：0 猜猜这条新闻的赞数： 你的猜测： 赞数 50 5000 提交猜测 下一轮 分享结果 再玩一次
## 黑客新闻标题游戏反馈
一个新游戏“黑客新闻标题”([https://nbanmp.github.io/claude-web/projects/hn-oracle/](https://nbanmp.github.io/claude-web/projects/hn-oracle/)) 挑战玩家猜测近期黑客新闻文章的分数。
玩家们正在讨论计分系统，指出仅仅持续猜测239-400之间通常能获得高分，因为实际文章分数的分布情况。改进建议包括调整分数范围、调整文章选择权重以包含更多异常值（高分帖子），以及显示可能分数的分布以帮助猜测。
许多人认为熟悉黑客新闻的趋势有帮助，对热门与冷门文章的直觉至关重要。一些玩家通过记住之前看过标题获得了2000+的分数，引发了对在该平台上花费时间的思考。总的来说，反馈集中在平衡游戏以实现更具策略性的玩法和更准确的分数表示。
错误：无法满足请求。请求被阻止。我们目前无法连接到此应用程序或网站的服务器。可能流量过多或配置错误。稍后重试，或联系应用程序或网站所有者。如果您通过 CloudFront 向客户提供内容，可以在 CloudFront 文档中找到故障排除步骤，以帮助防止此错误。由 cloudfront (CloudFront) 生成。请求 ID：Tv9xnE1981Y9IPBQ5KNXSV2ovkG5CcXybeJ2gy6MHep4ArYEgfV9Dg==
## 瑞安航空将全面数字化登机牌 - 摘要
瑞安航空将过渡到100%数字登机牌，从11月12日起将不再提供下载和打印纸质登机牌的选项。乘客将需要使用瑞安航空应用程序访问他们的登机牌。
此举引发了争论，人们对那些没有智能手机、电池没电或无法稳定上网的人的可访问性表示担忧。用户质疑其必要性，指出PDF或截图就足够了，并强调了应用程序使用可能带来的隐私影响。瑞安航空目前对柜台打印登机牌收取50欧元的费用，但帮助页面显示，对于没有智能手机或手机没电的人，将提供免费更换。
许多评论员对瑞安航空的动机表示怀疑，认为这种改变不太关乎环保，而更多的是为了收集数据、增加销售机会和控制成本。一些人担心这是一种强制使用智能手机进行基本服务的趋势，而另一些人则认为市场力量和潜在的监管可以防止出现“恶性竞争”。
尽管存在最初的担忧，但有人指出潜在的解决方法，例如将登机牌添加到Apple/Google Wallet，以及使用截图的可能性。
加拿大军方将依靠公务员队伍来增加30万兵力。
Canadian military will rely on public servants to boost its ranks by 300k
17 天前
公务员将被纳入补充预备役，该预备役目前由愿意在接到召回命令时返回服役的加拿大武装部队非现役或退役人员组成。目前补充预备役有4384人，但根据贝克和卡里尼昂的指示，在紧急情况下，这一数字将增加到30万。
## AI 与 CAPTCHA：性能评估
一项最新研究测试了三款领先的 AI 模型——Claude Sonnet 4.5、Gemini 2.5 Pro 和 GPT-5——解决 Google reCAPTCHA v2 挑战的能力。结果显示出显著的性能差异，**Claude Sonnet 4.5 达到 60% 的成功率**，略高于 **Gemini 2.5 Pro 的 56%**。**GPT-5 则明显落后，为 28%**。
成功率因 CAPTCHA 类型而异：所有模型在静态图像选择方面表现出色，但在动态“重新加载”和复杂的“交叉瓦片”挑战中则表现挣扎。模型之间的关键区别并非推理*能力*，而是*过度*推理。**GPT-5 较慢、更冗长的思考过程以及过度纠正的倾向导致超时和失败。**
该研究强调，**更多的推理并不总是更好**；快速、自信的决策对于实时代理任务至关重要。此外，AI 代理的架构——特别是鼓励执着行为的循环——对动态界面的性能产生了负面影响。这表明开发者在构建 AI 代理时，应优先考虑高效行动与推理深度并重。
## AI 与 reCAPTCHA：基准测试总结
近期 roundtable.ai 的一项测试，对领先的 AI 代理（Gemini、GPT-4、Claude）与 Google reCAPTCHA v2 进行了基准测试，结果显示成功率各不相同。虽然通用 AI 模型显示出潜力，但尚未能完美绕过挑战。
测试强调了“跨瓦片”挑战的显著难度——用户必须在碎片化的瓦片中识别物体——成功率低至 0-2%。 “静态”挑战（在单个瓦片中识别物体）表现更好（高达 60%），而“重载”挑战（需要重复识别）的成功率约为 21%。
讨论集中在 reCAPTCHA 的细微之处，用户指出存在不一致性、“死循环”（无法解决的挑战）以及浏览器设置和网络条件的影响。一些人认为 reCAPTCHA 优先考虑浏览器指纹识别，而非准确的图像识别。另一些人则认为这些挑战旨在收集用于自动驾驶汽车训练的数据。
最终，结果表明 AI 正在接近人类水平的性能，但当前模型仍然难以完成需要细致空间推理的任务。 关于 CAPTCHA 是否是机器人保护的必要之恶，或者是一个日益排斥的可访问性障碍，争论仍在继续。
现已上市。各大科幻杂志每年发表数百篇科幻故事。对于《Think Weirder》的第一卷，编辑乔·斯泰奇评估了2024年发表的391篇故事，并选出了16篇最佳的概念驱动型、关于人类与技术互动的近未来故事。每个故事都提供了一种看待世界的新方式。与其阅读那些让你感到空虚和焦虑的社交媒体更新，不如阅读这些故事，并从中获得值得思考的新颖想法。更高质量的娱乐具有惊人的价值。
ClickHouse 收购 LibreChat：开源 Agentic 数据栈
ClickHouse acquires LibreChat, open-source AI chat platform
17 天前
## ClickHouse 收购 LibreChat，开创 Agentic 数据栈
ClickHouse 收购了领先的开源 AI 聊天平台 LibreChat，以构建一个完全开源的“Agentic 数据栈”。 这结合了 LibreChat 用户友好的界面和 AI 代理框架，以及 ClickHouse 强大的可扩展分析能力。 目标是通过允许用户通过自然语言直接查询数据，从而大大加快数据洞察的速度——从数小时/数天缩短到数秒/数分钟。
多家公司已经在使用这项技术：Shopify 将 LibreChat 用于内部 AI 工具，cBioPortal 用于癌症基因组学研究，Fetch 用于消费者行为分析，SecurityHQ 用于威胁检测，以及 Daimler Truck 用于全公司范围内的 AI 访问。 ClickHouse 自身也在内部使用 LibreChat，处理 200 多名用户中约 70% 的数据仓库查询。
LibreChat 将保持 100% 开源，并继续以社区为先进行开发。 ClickHouse 计划将 LibreChat 无缝集成到其 Cloud 平台中，提供增强的安全性、可视化效果和定制体验。 Code Interpreter API 将在未来六个月内逐步淘汰。
此次收购凸显了 ClickHouse 致力于通过 AI 代理的力量加速、提升性能并 democratize 数据访问的承诺。
## ClickHouse 收购 LibreChat：摘要
ClickHouse，一家数据库提供商，收购了开源 AI 聊天平台 LibreChat。此次收购旨在将 AI 工具与数据交互更紧密地结合起来，允许用户通过对话界面查询和分析数据。ClickHouse 认为这将使数据更易于访问，并推动数据驱动的决策。
一些用户对 LibreChat 可能出现的“劣化”或商业化表示担忧，但 ClickHouse 代表（Ryadh 和 Tyler Hannan）向社区保证，LibreChat 将继续 100% 开源，并采用现有的 MIT 许可证，并保持以社区为中心的发展。他们指出之前成功整合的开源项目 PeerDB 和 HyperDX，作为他们致力于促进 OSS 增长的证据。
核心理念是构建一个“Agentic 数据栈”——一个用于 Agentic 分析的可组合系统。ClickHouse 内部已经看到这种方法的高采用率，用户更喜欢使用聊天界面访问数据。该公司承认 LLM 准确性的挑战，并计划投资提供更多的上下文和强大的评估，以减轻幻觉等问题。
## 超越公司人格：当法律承认非人类 “公司人格”的概念广为人知，但法律体系出于实际和文化原因，已将人格扩展到其他非人类实体。历史上，船舶被赋予有限的法律权利——允许它们承担损害赔偿责任并参与打捞法，这可以追溯到古老的罗德岛海法——以促进航运贸易和在船主缺席时的正义。 最近，这一概念得到了扩展。2017年，新西兰承认瓦南加努伊河是法律意义上的人，赋予其权利和监护人，以解决与视河流为祖先的毛利部落之间长期存在的争议。 同样，在印度，印度教神灵被认为是“法人”，使其能够拥有财产并在法庭上得到代表，这种做法起源于英国殖民统治时期，用于管理寺庙土地。 这些案例通常发生在群体之间的土地纠纷中，所赋予的权利并不等同于人权——例如，最近在印度法庭上辩论了一位神灵的“隐私权”。 这些例子表明了法律中一种有趣的趋势：承认超越传统人类的实体的法律地位，这既源于务实的需求，也源于根深蒂固的文化信仰。
## Zig：对设计选择的批判性审视
这篇文章对Zig编程语言进行了批判性评估，尤其关注其设计理念和实际实现。作者在语言设计方面经验丰富，认为Zig故意*不*选择内存安全是其最主要的缺陷，尤其是在现代安全问题日益突出的背景下，内存错误导致高达70%的错误。Zig、Rust和JavaScript运行时崩溃率的统计数据显示，Zig的崩溃频率明显更高。
除了安全性之外，作者还批评了Zig通过“comptime”处理泛型的做法，认为其过于灵活且缺乏标准化，阻碍了可读性。其他问题包括繁琐的类型转换语法、不直观的结果位置语义以及缺少迭代工具和警告（一切都是错误）等功能。
虽然承认Zig的潜力——一个更快的编译器正在开发中——但作者认为其核心原则依赖于对程序员完美程度的不切实际的期望。他们还指出工具方面的问题，特别是缺乏语言服务器和令人困惑的构建系统。最后，作者指出Zig社区有一种倾向，即不加思索地否定其他语言的解决方案，而没有提供可行的替代方案。总而言之，作者认为Zig是一次有趣但有缺陷的尝试，旨在使不安全的内存范式现代化。
无与伦比的风险缓解：防止因关键专家知识流失导致的系统故障和数百万美元的停机损失。 加速价值实现：在数周内交付可用于生产的知识资产和人工智能辅助，而非数月，从而迅速缩短平均修复时间。 深度遗留系统互操作性：专为与专有、关键任务系统集成而设计，包括 COBOL、JCL 和其他遗留语言。 保留企业知识：我们的人工智能捕获隐性知识（如何和为什么），为您的企业创造一项永久的专有资产。