Ante 引入了“形状稳定性”（shape-stability）这一概念，确保对具有稳定形状的数据的引用，即使在其他地方发生变动时依然有效。由于 Ante 保证对象在使用过程中不会被销毁或结构性变更，该语言允许同时存在对同一个结构体及其嵌套字段的多个可变引用。 与严格禁止多个可变借用以避免内存安全问题的 Rust 或 Swift 不同，Ante 的编译器能够识别出：如果一个实体的结构是稳定的，那么对其字段的修改并不会导致现有引用失效。这使得开发者可以实现诸如“自愈函数”或同时对父结构体及其子组件（例如，飞船及其引擎）进行可变访问等模式，且不会产生内存损坏的风险。通过优先考虑形状稳定性，Ante 在保持内存安全的同时，简化了所有权和借用规则。
每日HackerNews RSS
抱歉。
这篇博客文章批评了近期一种试图证明“独立”使用 ML-KEM（一种基于格的后量子算法）优于结合传统 ECC 与后量子密码学的混合方案的观点。 作者认为，支持独立使用 ML-KEM 的理由充满了根本性错误、术语滥用以及对安全风险范围具有误导性的“窄化”。具体而言，作者指出： * **忽视软件风险：** 支持者将软件层面的漏洞（如计时攻击）排除在“密码分析”之外，尽管这些漏洞在现实世界中影响巨大。 * **淡化数学风险：** 这些论点错误地声称“模块结构”和“渐近”归约提供了安全性，却忽视了已知的紧致性差距、针对理想格的量子攻击，以及通用格归约攻击在速度上的持续提升。 * **误导性声明：** 断言 ML-KEM 缺乏与 RSA 或 ECC 同等水平的“最坏情况到平均情况归约”，这一说法在事实上是不准确的，且歪曲了这些归约的作用机制。 最终，作者警告称，此类有缺陷的风险分析正被用作“谈资”，旨在推动 ML-KEM 在 IETF 标准化中通过，从而绕过合理的共识构建，并让用户承担本可通过保留 ECC 作为安全层而轻松规避的不必要安全风险。
抱歉。
尽管人工智能在生成高质量的局部代码方面表现出色，但在处理全局程序架构时往往显得吃力，容易导致“代码臃肿”以及不必要的防御性检查，从而使状态管理变得复杂。作者认为，由于人工智能在全局视角上可能持续存在局限性，我们需要重新设计编程语言，以便通过局部推理来强制执行全局属性。 作者以 Rust 语言的所有权机制及 `Send` 和 `Sync` 特性为例，说明了这种方法的成功之处。这些特性使开发人员（以及潜在的人工智能）只需检查局部约束，即可保证复杂的全局属性，例如无数据竞争。通过将这些保证嵌入类型系统中，该语言无需程序员（或人工智能）手动追踪每一种可能的程序状态，就能预防整类错误。 展望未来，作者建议未来的编程语言应专注于类似的设计，以便在性能、资源管理和状态隔离方面提供更稳健的保证。如果这一语言设计的发展方向取得成功，将能通过将全局推理的重担从程序员转移到编译器身上，使人类和人工智能都能编写出更可靠的软件。
对不起。
📊 统计数据 为您的整个收藏提供进化图表，并按蚁群和物种进行细分。 📅 日历 为每个蚁群自动提供喂食和清理提醒。 🌍 多语言 支持西班牙语、英语、法语、德语和意大利语。 无需注册 无需账号即可试用应用。创建一个账号即可永久保存您的数据。
因违反政策而被亚马逊封号的商人杰克·内哈拉（Jack Nekhala）发现了一个非法黑市，中间人通过贿赂亚马逊员工来获取内部账户数据和恢复账户的服务。在一名声称拥有其受限账户记录“内部访问权限”的人员联系内哈拉后，他试图向亚马逊高管举报这一漏洞，并提供了包括内部截图在内的证据。 尽管亚马逊承诺会进行彻底调查，但并未采取后续行动，也没有说明如何提交这些证据。专家认为，亚马逊向人工智能驱动的客服以及去中心化的全球员工团队转型，让卖家感到被遗弃，从而增加了他们与这些腐败中间人接触的诱惑。虽然亚马逊坚称其在防范欺诈方面投入巨大并与执法部门合作，但批评人士认为，由于涉及法律和声誉风险，亚马逊往往不愿承认内部腐败的严重程度。归根结底，内哈拉的遭遇凸显了亚马逊市场内部持续存在的困境：绝望的卖家与被收买的内部人员都在利用该平台不透明的安全系统牟利。
最近在 Hacker News 上关于亚马逊“暗箱贿赂”市场的讨论，凸显了用户对该平台充斥着劣质、仿冒和代发货商品日益增长的不满。
许多用户表达了对亚马逊的失望，指出第三方市场的兴起导致了产品质量的“逐底竞争”。参与讨论者分享了各种经历，包括收到破损商品、假货，以及收到以礼品卡换取好评的垃圾邮件——这种行为虽然违反联邦法律，却依然泛滥成灾。
舆论普遍认为，亚马逊曾经的“客户至上”理念已被对商品数量和广告收入的盲目追求所取代，导致平台信任度下降。因此，许多用户正在弃用该平台，转而直接从值得信赖的品牌官网购买、选择本地零售商或购买二手商品。尽管一些评论者认为民事法庭或更好的监管能够促成改变，但也有人指出，由于便利性和快速物流，大多数消费者仍然依赖亚马逊，这实际上向公司传递了一个信号：亚马逊几乎没有动力去解决欺诈和质量下降等根本性问题。
位于长岛的肖勒姆核电站（Shoreham Nuclear Power Plant）是 20 世纪 70 年代技术遗留下来的冰冷遗迹。该设施的通用电气 Mark II 反应堆于 1985 年完工，但受三哩岛和切尔诺贝利事故影响，强烈的公众反对声浪使其从未能全面投入运营。1992 年，这座耗资 60 亿美元的设施以 1 美元的价格卖给州政府，成为美国历史上首个进行退役处理的商业核反应堆。
尽管自 1994 年起便已停用，该核电站仍像是一个巨大的工业时间胶囊。近期的参观显示，设施内仍保留着原始设备，包括配有手动开关和仪表盘的精密反应堆控制室、巨大的安全壳结构以及涡轮机大厅。如今，这里偶尔作为独特的拍摄地使用，是核能时代令人难忘的遗迹。虽然该电站已正式退役并清除了放射性物质，但仍处于严格的安保监控之下。其广阔而错综复杂的走廊以及保留完好的世纪中期美学风格，使其成为电影制作人及对废弃基础设施历史感兴趣的人眼中一处迷人而又诡异的目的地。
抱歉。
Meta 的脑部扫描系统可无创读取句子，代码已开源 From brain waves to words: a new path to communication without surgery
23 天前
研究人员发布了 **Brain2Qwerty v2**，这是非侵入式脑机文字转换技术的一项重大突破。该系统利用深度学习解码原始脑磁图（MEG）信号，实现了 61% 的词汇准确率。这不仅较以往的非侵入式方法有了巨大提升，也向着媲美手术级系统的性能迈进了一步。
与传统的植入式神经假体不同，Brain2Qwerty v2 无需进行手术。它通过在神经数据上微调大语言模型，将嘈杂的脑部活动转化为连贯的文本。针对 9 名参与者进行的 22,000 个句子的测试表明，准确率随数据量的增加呈对数线性增长，这意味着进一步扩大规模有望很快填补其与手术替代方案之间的性能差距。
为了促进科学进步，研究团队现已开源 v1 和 v2 版本的训练代码，其合作伙伴 BCBL 也正发布 v1 版本的数据集。这项研究旨在构建开放的脑部基础模型，最终目标是帮助神经损伤患者恢复交流能力。通过共享这些工具和数据集，开发者希望能加速全球神经科学领域的研究、诊断以及相关脑部疾病的治疗进程。
在这篇关于“斯特劳斯特鲁普法则”（Stroustrup’s Rule）的思考中，作者指出，随着编程语言社区的成熟，语言设计往往会从显式、冗长的语法演变为简洁、优雅的符号。 最初，程序员需要显式的语法来构建心理模型，并充分理解功能运作的原理。随着时间推移，同样的语法会变成“视觉噪音”。专家们为了效率更倾向于简洁，这促使了 Rust 的 `?` 运算符或 Python 的“海象运算符”（walrus operator）等特性的引入。 然而，这种转变引发了矛盾：满足资深开发者的特性可能会疏远初学者，使得语言变得愈发难以学习。作者指出，这一法则同样影响教学；虽然专家偏爱简写方法（例如在 TLA+ 中使用函数集），但初学者从显式的、循序渐进的逻辑中获益更多。归根结底，语言向专家友好的简洁性演变，往往会在无意中提高了新手的入门门槛。 *（注：作者目前正在提供“程序员的妥当逻辑”（Hanuka Sale Logic for Programmers）课程 40% 的折扣，活动持续至 1 月 2 日。）*
抱歉。
随着夏季气温升高，许多日本人会选择饮用麦茶来消暑。尽管名字里带有“茶”字，但这种广受欢迎的饮品并不含真正的茶叶，而是完全由烘焙过的大麦粒制成。
走访东京现存仅有的几家麦茶工厂之一——小川产业（Ogawa Sangyo），可以发现其一丝不苟的生产流程。该公司选用优质的国产大麦，并采用传统的直火烘焙技术。他们没有使用现代的热风对流法，而是将谷物与沙子一起翻炒，确保热量能均匀传导至内核，同时又不会烧焦外壳。这一过程分为两个阶段，最终产出的谷物色泽深邃、香气浓郁，闻起来和尝起来都非常有脆爆米花的风味。
大麦烘焙完成后会被装入茶包中。工厂指出，三角茶包优于长方形茶包，因为前者提供了更大的水流循环空间，从而能萃取出更浓郁的滋味。尽管烘焙谷物需要极高的温度，但对品质的执着保证了每一杯麦茶都能成为清爽的日本夏季必备饮品。
Waveloop 是一款旨在通过色轮揭示音乐谐波与旋律结构的音乐可视化工具。它采用十二平均律，将音高类别映射到圆形界面上，并利用 Oklch 色彩空间，以堆叠直方图的形式呈现八度音阶。这使得用户能够通过角度识别音程，并通过独特的几何形状辨别和弦性质。
Waveloop 由 Fable 5 AI 辅助开发，具备用于预计算曲目的离线模式，以及能够进行实时和弦检测的在线模式。作者强调了 AI 生成代码的高效性与高密度，将其风格比作“纯粹”编程那种精确且信息密集的特质。此外，作者还详细介绍了利用 AI 制作配套讲解视频的迭代过程，指出特定的提示词是如何将平庸的初稿转化为精致且引人入胜的教学内容的。通过将恒等 Q 变换（CQT）和 Alpha 预乘等深奥的技术概念与直观、美观的界面相结合，Waveloop 将复杂的数字信号处理转化为一种直观的视觉体验，向音乐理论的数学基础致敬。