**ZuckOff** 是一款主打隐私保护的应用程序，旨在通过识别 Ray-Ban Meta 或 Snap Spectacles 等智能眼镜独特的蓝牙信号，探测周边佩戴此类摄像设备的人员。该应用完全在本地运行，无需注册账号，也不会共享任何数据，确保用户隐私。 **主要功能包括：** * **实时探测：** 当检测到范围内的相关硬件时，会通过后台通知、主屏幕小组件或实时活动向您发出警报。 * **证据导向：** 提供每次探测的技术详情，供用户验证结果。 * **自定义：** 用户可标记自己的设备以屏蔽警报，并将日志导出为 CSV 文件以供个人存档。 * **自动化：** 支持“快捷指令”和 Siri，实现免提扫描。 **重要局限性：** 尽管 ZuckOff 非常有效，但它不能保证绝对的安全。部分设备在配对后可能会停止广播蓝牙信号；此外，探测到设备并不代表该摄像机正在进行录制。 ZuckOff 是一款依靠用户协作来扩展硬件识别数据库的独立工具。它与 Meta、Luxottica 或 Snap 均无关联。如需更多信息或参与测试，请访问其官方网站。
每日HackerNews RSS
近期的一则 Hacker News 帖子讨论了一款名为“ZuckOff”的应用程序，该应用旨在检测房间内的摄像头。尽管这款应用一度受到关注，但评论区的用户很快将其批评为充斥着追踪器和内购项目的“圈钱”工具。
评论者指出了一个名为“NearbyGlasses”的开源替代品，它正是该原始创意的灵感来源。用户们就直接从 GitHub 下载开源工具与使用 F-Droid 等仓库下载进行了讨论。支持 F-Droid 的用户认为，这种方式提供了更便捷、自动化的更新管理方案；而另一些人则强调，应抵制像 ZuckOff 这样商业化、专有的应用，转而支持透明且由社区维护的软件。
本网站正在使用安全服务来保护自身免受网络攻击。您刚才的操作触发了安全防御机制。触发此拦截的原因可能有多种，包括提交了特定的词汇或短语、SQL 命令或格式错误的数据。
这篇 Hacker News 讨论聚焦于消费者对流媒体服务“劣质化”（enshittification）日益增长的不满，特别是迪士尼+最近更新的用户协议，该协议允许在所有订阅层级中投放广告。
讨论的主要观点包括：
* **“无广告”的定义：** 用户认为，如果所谓“无广告”的服务包含宣传内容、赞助或针对其他节目的“自我推广”，即便是与第三方商业广告有技术上的区别，也具有欺骗性。
* **向“有线电视”的倒退：** 许多评论者指出，流媒体平台正在系统性地回归有线电视模式——在提高价格的同时增加广告投放量。
* **企业的辩解：** 一些用户提到，对于直播内容（如体育赛事），流媒体平台往往只是转播现有的、已植入广告的信号。但另一些人对此表示反对，认为大型媒体集团有资源提供更纯净的观看体验。
* **消费者的反应：** “订阅疲劳”是一个反复出现的观点，许多人选择回归盗版或实体媒体（如 DVD 或图书馆），认为这是避免侵入式追踪和广告的唯一途径，这反映了人们对当前数字媒体现状的普遍失望。
**bitcoin-rs** 是一个高性能的 Rust 原生比特币全节点实现，专为架构实验而设计。与优先考虑极致稳定性和保守变更的 Bitcoin Core 不同，bitcoin-rs 通过利用 Rust 的内存安全性和并发处理等现代软件实践，挑战了现有的实现假设，旨在构建一个更模块化、更高效的节点。
主要特性包括：
* **高性能**：利用原生 Rust 脚本解释器，通过 `rayon` 实现并行验证，并支持优化的存储后端（如 `fjall`、`redb`）。
* **集成索引**：内置兼容 Esplora 的脚本索引，无需依赖外部重复的状态服务器。
* **模块化**：采用清晰的依赖边界，允许将节点作为类型化的进程内库导入 Rust 应用程序，而不仅限于依赖 RPC。
* **共识完整性**：支持通过 `libbitcoinkernel` 进行可选验证，在确保与 Bitcoin Core 共识一致的同时，支持独立的架构测试。
通过专注于模块化和 AI 原生迭代，bitcoin-rs 旨在增加比特币生态系统中的实现多样性，降低相关性故障风险，并为开发者提供一套强大、现代的工具集，以与比特币区块链进行交互。
对不起。
MACHINEDRUM / 鼓机研究 MACHINEDRUM 合成节奏乐器 本地音频 / 研究 001 链接 启动/停止 信息 耳机 A / 左 B / 右 C D E F A B 输入 输出 贯通 直流输入 电源 音色选择 扼流关闭 1 2 3 4 MACHINEDRUM 16 复音数字合成 数据输入 鼓型选择 清除鼓型 撤销清除 ●录制 播放 停止 套件 存储 重新加载 触发音序器 打击垫 静音 按住步进＋滚轮锁参 · R 录制 · P 敲击 · Shift+U 静音 1–8 9–16 Z X C V B N M , · 标签页 · SHIFT 实时 独立鼓合成原型 · 非原机声音仿真 内置四组节奏 · 本机自动保存恢复演示
Hacker News 最近的一篇讨论介绍了基于浏览器的经典 Elektron Machinedrum 模拟器。用户对该模拟器的还原度印象深刻，许多曾经的拥有者称赞它捕捉到了 2001 年原始硬件的神韵。
尽管该模拟器被视为一种有趣的工具并广受好评，但贡献者们也指出了其目前的状态存在局限性，特别是缺乏对复杂现场交互的多点触控支持，以及缺失了原始设备中的某些功能。
该讨论帖也成为了人们关注数字音乐设备保存的一个交流中心。参与者分享了各种 DIY 项目、GitHub 存储库以及“The Usual Suspects”等仿真资源，使用户能够在现代计算机上运行老式合成器和鼓机。目前，人们对该项目的进一步开发兴趣浓厚，包括潜在的 VST 版本以及对用户体验和辅助功能的改进。总的来说，该项目反映了 Elektron 经典设备经久不衰的魅力，以及社区致力于通过现代软件让老式电子乐器重焕活力的热情。
跳至内容
Heretic
搜索
⌘
Ctrl
K
主导航
教程
安装
配置
安全性
GitHub
Hugging Face
Discord
Matrix
几秒钟即可上手：
sh
pip install -U heretic-llm
heretic Qwen/Qwen3.5-4B
查看教程 >>
Heretic 是自由软件，根据 GNU Affero 通用公共许可协议第 3 版或更高版本发布
版权所有 © 2025-2026 Philipp Emanuel Weidmann 及贡献者
这篇 Hacker News 讨论帖探讨了“Heretic”项目，该项目旨在通过自动化手段“消除”（abliterate）人工智能模型的拒绝机制，从而移除其安全护栏。
参与者认为，现代大语言模型的安全设置往往过于敏感，阻碍了合法用户执行诸如反向工程自有硬件（如 IP 摄像头、打印机）或对自身基础设施进行安全测试等必要任务。许多用户反映，虽然前沿模型常因责任顾虑而拒绝此类请求，但经过“消除”处理或未经审查的模型却能可靠地完成这些任务，且性能损失微乎其微。
辩论还涉及了此类工具的伦理与风险。一些人认为移除护栏会让用户绕过限制，可能被恶意者利用；另一些人则反驳称，造成伤害的动机而非工具本身才是核心问题。此外，部分用户指出，单纯移除拒绝机制并不会让模型自动获得“被禁”知识，并警告称，无论护栏状态如何，模型中深层的偏见或后门仍是隐忧。最终，评论者普遍认为，即便这意味着将安全使用的责任转移给终端用户，移除这些限制对于“维修权”及专业的安全工作也至关重要。
`jev-leftpad` 是一个幽默且刻意为之的低效工具包，旨在通过 TypeSafe SDK 调用 AI 模型（Jev）为字符串进行左填充。 与标准且高效的 `padStart()` 方法不同，该工具包需要 `TYPESAFE_API_KEY` 和 Node.js 20+ 环境，并依赖 AI 模型来选择填充空格的数量（0 到 10 个）。每次调用都会发起实时 API 请求，不具备重试机制，且极易出错或输出错误结果。 作为一个讽刺性项目，它不仅低效、昂贵，而且不可靠。作者明确建议不要将其用于生产环境或任何严肃任务。该代码库采用 MIT 许可协议，并包含不会消耗 API 点数的模拟测试。
这篇 Hacker News 讨论帖围绕 **Jev-Leftpad** 展开，这是一个使用通用分类模型“Jev”来执行字符串填充（string padding）的讽刺性项目。
讨论主要集中在三个主题：
1. **“Left-pad”梗：** 该项目调侃了 2016 年臭名昭著的 npm `left-pad` 事件，当时一个微不足道的工具包被删除，导致成千上万的 JavaScript 应用程序崩溃。许多评论者认为，该项目是对现代“万物皆 AI”趋势及将资源密集型模型用于简单任务这一荒谬现象的幽默讽刺。
2. **Jev 的角色：** 用户讨论了 Jev 作为“代理型”分类器的效用和局限性。批评者认为，由于其准确率仅为 90%，它作为预言机（oracle）表现不佳，但如果置于更大的自纠错系统中，或许能作为迭代器发挥作用。
3. **行业讽刺：** 参与者嘲讽了当前科技界用 AI 过度设计简单解决方案的风气，将其比作“氛围编程”（vibe coding）。尽管一些用户将其视为一个严肃的（尽管极其小众的）技术实验，但大多数参与者将其视为对供应链依赖和当前 AI 炒作周期的喜剧化诠释。
Lunduke Journal @LundukeJournal
Linux AI 开发又迎来了一个破纪录的周。上周共有 1,634 份由 AI 编写的代码提交到了 Linux 内核。截至目前，9 月份 Linux 内核的所有补丁中，有 17.25% 是由 AI 生成的。
2026年9月21日凌晨 1:09 · 2,642 次浏览
抱歉。
**Kev** 是一系列基于 Qwen3.5 构建的小型专用决策模型（参数规模分别为 0.8B、4B 和 9B）。Kev 专为分类（如“是/否”、多项选择）和评分任务而设计，能够提供概率性输出，从而实现比简单标签更细致的决策。
**主要特性：**
* **兼容性：** 该 API 与 TypeSafe 的“System One”兼容，支持集成其 Python SDK。
* **性能：** 模型可在 CUDA 或 Apple Silicon 上本地运行。它们采用指针头（pointer-head）架构，允许独立处理问题，确保针对同一输入文本回答多个问题（例如部门路由、紧急程度和情感分析）时不会产生交叉污染。
* **训练：** 用户可以使用提供的脚本训练或微调自己的模型。建议使用“基于现有模型微调”（`--init_from`）功能，在保持通用决策能力的同时，使 Kev 适应特定领域的语言。
* **工具：** 代码库包含一个用于测试输入和选项排序效应的网页版演练场，以及全面的评估和基准测试工具。
Kev 采用开源（Apache-2.0）许可。虽然它在路由和策略任务上表现出色，但用户应注意，训练有时可能会降低基础模型在其他无关领域（如复杂的日期计算或通用知识）的能力。
Hacker News 的讨论聚焦于“类 Jev”决策模型的兴起——这类轻量级、专业化的模型基于 Qwen 3.5 等基础模型构建，旨在处理高速、低成本的分类任务。
**核心主题：**
* **性能与效率：** 用户正转向放弃沉重的通用大模型，转而使用简单的分类任务处理方式。通过使用更小的模型（部分小于 10MB）或专用架构，开发者能够实现亚 100 毫秒的推理时间并保持高准确度，使其成为 UI 集成、游戏及实时智能体路由的理想选择。
* **“Jev”之争：** 讨论的核心在于这些模型究竟是真正的创新，还是对现有分类技术的简单重包装。怀疑论者认为它们本质上只是“美化版的 if/else 代码块”；而支持者则强调使用“系统一（System One）”人工智能的优势，即无需从头训练定制模型，就能以快速、廉价且直观的方式为代码增添智能。
* **开发趋势：** 社区正在迅速构建 Jev 的开源替代方案，利用合成数据流水线将智能提炼到微型模型中。这引发了关于“直觉编程（vibe-coding）”与稳健机器学习工程之间的讨论，一些人对炒作周期发出警告，而另一些人则为人工智能决策的平民化感到振奋。
**mini-AGI** 是一款实验性的字节级语言模型，专为在普通消费级硬件（8 GB 显存）上进行持续学习而设计。与训练后即固化的标准大语言模型不同，mini-AGI 能从数据流中持续学习，且不会出现“灾难性遗忘”。
**核心技术创新包括：**
* **基于磁盘的扩展：** 权重存储在磁盘上并动态分页加载至显存。这使得参数容量与 GPU 内存解耦，允许模型随着磁盘空间的增加而无限扩展。
* **动态架构：** 模型能够自我构建，在需要容量时增加新的“专家”，并剪枝不常用的部分。它使用了一种循环且自适应深度的模块（灵感源自 PonderNet），可根据输入的复杂度调整计算量。
* **持续学习：** 通过维护一个学习率显著低于专家池的“主干”（嵌入和路由），模型在吸收新信息的同时能够保留先前的知识。
* **字节级处理：** 直接在 256 个字节值上运行，无需分词器，能够原生处理任何文本格式。
mini-AGI 目前是一个小规模研究项目，它证明了在本地硬件上实现个性化、进化式人工智能是可行的，从而有效地将静态模型转变为一种能从每次交互中学习的系统。
Hacker News 用户 “volotat” 最近分享了一个名为“Mini-AGI”的项目，旨在支持消费级硬件（特别是 8GB 显存）上的持续学习。作者采用了混合专家（MoE）架构，通过动态添加或剪枝专家，并利用“批次为 1”的训练方式，以规避内存限制并解决灾难性遗忘问题。
这一发布在评论区引发了广泛讨论。支持者赞赏其在普及人工智能训练和探索有机、高效硬件学习方面的尝试。然而，许多批评者认为“AGI”的命名具有误导性，指出该模型目前训练不足、输出缺乏逻辑且存在性能问题。
尽管作者坚称该模型旨在“从持续的数据流中学习”，而非立即达到人类水平的智能，但反对者指出，该项目缺乏基准测试、消融研究或真正的泛化能力证明。作者计划在当前语料库训练完成后发布权重和更多技术细节，希望该项目能激发本地化、社区驱动的 AI 开发。
请启用 JavaScript 并禁用任何广告拦截器
对不起。