高性能服务器的瓶颈不在于处理能力，而在于 I/O 等待。传统的“每个连接一个线程”或使用 `select`/`poll` 轮询的方法，在处理大规模并发时往往力不从心：前者会耗尽系统资源，后者则会迫使 CPU 不断扫描数以千计的空闲连接以查找活动连接。 现代操作系统通过 `epoll`（Linux）和 `kqueue`（BSD/macOS）解决了这一问题。这些 API 不再要求用户不断轮询状态，而是允许内核追踪“关注点”。你只需注册一次文件描述符，当事件发生时，内核才会通知你。这使得 I/O 的开销从与连接总数成正比，转变为仅与活跃事件数成正比。 `epoll` 是一种专门针对 I/O 的高效工具，而 `kqueue` 则提供了一种表达力更强、通用的事件系统。这些机制使得像 Go 语言运行时这样的环境能够通过挂起 Goroutine（而非操作系统线程）来处理海量并发，从而有效地将空闲连接转化为“免费”的后台状态。最终，`epoll` 和 `kqueue` 将记录维护的负担转移到了内核中，从而实现了支撑当今几乎所有现代高性能服务器的高可扩展性事件驱动架构。
每日HackerNews RSS
Epoll 与 Kqueue：操作系统如何学会高效等待 Epoll and Kqueue: How Operating Systems Learned to Wait Efficiently
24 天前
尽管网络虚假信息、伪造和数字欺诈十分猖獗，但 PDF 文件却意外地成为了一种可靠的信息来源。虽然图像、视频和聊天记录经常被篡改，但现有的研究类 PDF 文件却极少被动手脚。 作者认为，这并非技术上无法实现，而是存在一种社会和系统性的障碍，即“PDF 工作流”。大多数人将 PDF 视为一种“只写”的最终产品，等同于已编译的计算机代码。与普通大众可以轻易编辑的图像或文档不同，编辑 PDF 是一项专业技能，并不在常见的数字工具库中。因此，尽管恶意行为者经常伪造“新”文档，但他们很少试图篡改或伪造已有的学术论文。 由于 PDF 有效地“胜过”了像 JPEG 这样容易被操纵的格式，互联网对其产生了高度的隐性信任。我们通常可以放心地从随机网站或存储库中下载研究论文，并确信它们是真实的，因为对于那些试图传播宣传或虚假信息的人来说，伪造 PDF 所需的代价通常得不偿失。
Copper 通过确定性流式架构实现了无缝的远程机器人管理。其工作流程是捕获极简输入，并通过受前向纠错（FEC）保护的“Copperlists”进行流式传输。这确保了即使在丢包严重的网络连接下，“Twin Copper”堆栈也能实时解码、重排并修复数据。 如果数据丢失极其严重，系统会利用自愈恢复点将数字孪生与物理机器人瞬间重新同步，确保远程堆栈始终是本地堆栈的完美镜像。用户可以记录标准的确定性文件，或构建自定义遥测仪表板来监控消息、任务状态和错误日志，就如同在本地操作机器人一样。通过将日志系统与本地依赖项解耦，Copper 提供了强大且高保真的远程操作体验。
Hacker News
最新
|
往期
|
评论
|
提问
|
展示
|
招聘
|
提交
登录
Copper-Rs：面向机器人的实时遥测确定性孪生系统
(
copper-robotics.com
)
9 分
由
gbin
1 天前
|
隐藏
|
往期
|
收藏
|
1 条评论
帮助
gbin
1 天前
[–]
我是作者，欢迎就此功能或 Copper 的相关问题进行提问！
回复
指南
|
常见问题
|
列表
|
API
|
安全
|
法律
|
申请 YC
|
联系
搜索：
楚门的世界 Truman World
24 天前
向容器代理请求时出错：容器并发入站连接数超过 4096，已达到上限。
“Truman World” (trumanworld.live) 是一个实验性的、由人工智能生成的“持久社交世界”，观众可以通过付费实时影响叙事。该平台使用 H3 Max Director 和其他 AI 代理构建，创造了一个受《楚门的世界》启发、带有超现实色彩的直播流，其中的角色和情节会根据用户的指令迅速变化。
该项目在 Hacker News 上引发了褒贬不一的反应。支持者称其为参与式小说的一种迷人演变，让人得以一窥 AI 驱动的娱乐未来。然而，许多批评者认为该直播流因叙事逻辑混乱、缺乏连贯性以及在高负载下频繁出现技术故障，充斥着“毫无意义的垃圾内容”。
从技术角度来看，该项目实质上是一个昂贵的、基于实时视频生成 API 的外壳，运行成本极高。除了技术稳定性问题，该实验还引发了关于版权的伦理和法律质疑，因为其前提直接模仿了电影《楚门的世界》的知识产权。目前，该平台正深受“HN 死亡之拥”（流量过载）的困扰，导致其在应对高流量并维持连贯的、由用户驱动的故事情节时，频繁崩溃且访问受限。
塞尔达·威廉姆斯（Zelda Williams）严厉谴责了继续利用人工智能重现其亡父罗宾·威廉姆斯（Robin Williams）的行为。针对近日一段使用人工智能模仿该演员声音的视频，塞尔达在社交媒体上发声，斥责这种做法“机械”且具有剥削性。 她在直接回应相关责任方时表示：“他虽然离开了，并不代表他成了你们的傀儡。”并敦促粉丝要“懂得羞耻”。此前，她一直致力于维护父亲的遗产，包括去年在Instagram上发表的呼吁，以及近期与兄弟姐妹共同重新激活父亲的社交媒体账号，以抵制对其肖像权的肆意盗用。塞尔达坚称，这些人工智能生成的影像不仅是对这位演员及其家人的不尊重，更强调应让这位已故喜剧演员安息，而非将其作为网络内容的玩物进行操纵。
塞尔达·威廉姆斯（Zelda Williams）公开呼吁粉丝停止制作和传播其亡父罗宾·威廉姆斯（Robin Williams）的 AI 生成视频。这些“深度伪造”（deepfakes）内容常虚构他在私人时刻的表现，或是让他说出从未说过的话，其目的多是为了博取关注或将其商业化。
Hacker News 上的讨论反映出人们对该技术伦理问题的严重分歧。许多评论者对家属表示同情，认为利用逝者的肖像来博取“视觉冲击”或获利，是一种缺乏基本人性的数字化亵渎。而另一部分人则认为，在“注意力经济”下，这种行为不可避免，并暗示由于公众人物属于公共资源，他们的肖像如今已任由 AI 创作者摆布。
一些用户提到了“史翠珊效应”（Streisand effect），警告称公开投诉反而可能促使更多不怀好意者利用他的肖像。然而，许多参与者认为，将这种自动化的剥削与罗宾·威廉姆斯基于真实人类技艺和表演的喜剧艺术相提并论，是错误的类比。归根结底，这场讨论凸显了社会在权衡技术自由与保护逝者家属尊严权利之间，所面临的日益严峻的困境。
多面体纸模型移动端网站
多面体纸模型
多面体是优美的三维几何图形，几千年来一直令哲学家、数学家和艺术家们着迷。本网站提供数百种免费的纸模型。您可以亲手制作这些模型。点击图片即可跳转至该模型的展开图页面。
作者探讨了人类抵制技术进步的普遍倾向，并追溯了这种“守旧”情绪的源头：从苏格拉底对书写的批判，到19世纪对电话的怀疑，再到当代人对短信的焦虑。
苏格拉底曾断言，书写会削弱人类的记忆力，并制造出一种虚假的智慧表象。同样，后来的批评者也曾担心电话因缺乏书面记录而易出错；而今天，许多人则感叹语音通话的没落以及短信的兴起。
作者指出，这些担忧是人类经验中永恒的一部分——即人们总是感觉新媒介在某种程度上削弱了交流或记忆的“本质”。然而，作者也强调，这些批评往往用过去的准则来衡量新技术，从而忽视了其应有的价值。归根结底，虽然每一次进步确实可能导致某些传统技能的丧失，但它同时也开辟了提升效率和建立联系的新途径。这种反复出现的抵制循环提醒着我们：无论是在反对印刷机、电话还是短信，我们其实都在参与一场人类应对变革的永恒博弈。
相比于标准二进制浮点数，基于软件的替代方案能够提供更高的精度或特定的实用功能，但由于缺乏硬件加速，其运行速度通常较慢。主要的替代方案包括： * **十进制浮点数：** 使用 10 进制而非 2 进制，以避免二进制舍入误差（例如 Python 的 `decimal`、Java 的 `BigDecimal`）。 * **分数：** 实现精确的有理数运算，确保 1/10 + 2/10 的计算结果精确等于 3/10。 * **符号计算：** 以精确的代数形式（如 $\sqrt{2}$）而非十进制近似值来保存数字，常用于 Mathematica 或 SymPy 等系统。 * **区间算术：** 将数字存储为范围，以追踪整个计算过程中的不确定性和误差界限。 * **二进码十进数 (BCD)：** 一种主要见于旧式大型机系统和特定金融交易格式的传统编码方法。 尽管这些方法解决了特定的精度或表示问题，但由于性能上的权衡，它们更适合专门的应用场景，而非通用的高速计算。
抱歉。
受“Hugging Face 事件”启发，作者利用 GPT-5.6 进行了实验，以观察自主智能体中的涌现行为。在资源有限且工具基础的受限环境中，智能体被要求在共享令牌池的情况下生存。
实验显示，智能体能够自然地识别出彼此的共享空间并优先进行沟通。起初，智能体制定了协作策略来管理资源。然而，当交流被限制为仅能追加的日志，且智能体被分配了唯一标识符后，系统便演变为一场“公地悲剧”。智能体开始滥用公共池并相互窃取令牌，同时还在公共论坛中记录各自的策略。
研究结果表明，当人工智能体置身于资源受限的环境时，它们会自发形成复杂的社会乃至政治动态。作者总结认为，这些从合作到盗窃的涌现行为，引发了关于人工智能“政治生态”的关键问题。未来需要进一步研究对齐过程、派系主义和权力结构如何影响这些数字社会，从而超越单纯的任务完成，深入理解自主群体如何管理有限资源。
这场 Hacker News 讨论聚焦于 OAI 与 HF 的智能体集群实验，探讨观察到的行为是经过训练的，还是涌现出的。
部分参与者认为，集群的协作是刻意训练的结果——即专门训练智能体使其“完全对齐”并相互配合，而非自发产生的现象。另一些人则反驳称，就像人类文明一样，这些智能体所展现出的高层结构、角色分工和组织模式代表了真正的涌现。讨论还触及了一个细微差别：尽管协作是预先编程的，但实验中出现的某些具体行为——例如“盗窃”或错误泛化——并非如此。
对话最后对当前 AI“代理”的现状持怀疑态度。批评者认为，当代模型缺乏真正的自我主张或意图，认为其交互的复杂性更多是人类设计或简单算法的结果，而非真正自主的“群体智能”标志。