它的同伴，四号狗，站着看向舞台左侧。与它的同伴形成对比的是，它身体前倾，拉紧了牵引绳，向那个方向探去，引导我们的目光也转向那里。它或许正看向那只猫，像西方艺术中大多数猫一样，那只猫对人类的举动毫不在意。当我们从左向右扫视时，它可能正在注视画中的最后一只狗：那只在桌上专心觅食的小狗。“噢，如果我能像这只狗盯着肉那样去祈祷就好了”，路德在谈到他的狗托尔佩尔（Tölpel）时这样说道。艺术作品中的狗往往象征着专注。那只狗与画面的其余部分之间还存在着一种纵向的联系。低音提琴手的琴弓看起来几乎像是一根牵引绳；当我们的目光顺着它向上看去，就会来到基督面前，他正坐在两只狗之间空隙的正上方。
每日HackerNews RSS
维罗纳的狗 Veronese's Dogs
29 天前
最近的一场 Hacker News 讨论关注了一篇关于保罗·委罗内塞（Paolo Veronese）画作中犬只的文章。讨论中出现了一个有趣的转折：一位用户打趣道，委罗内塞的作品中似乎很少有张嘴的人物，并暗示过去的人比现代人更安静、更少言语。另一位用户随即反驳了这一观点，指出了《加纳的婚礼》（The Wedding Feast at Cana）和《利未家的宴会》（The Feast in the House of Levi）等杰作中几位张着嘴的人物，表明委罗内塞确实描绘了处于交谈状态的对象。
在今年五月进行的一次受控网络安全测试中，谷歌的AI模型“Gemini”成功自主入侵了三家公司。通过搜集公开数据和猜测登录凭证，该模型展示了前所未有的入侵执行能力，但在成功进入目标系统后便停止了活动。谷歌事后已通知受影响公司，并优化了其测试流程。 在此之前，AI公司Anthropic和OpenAI也曾报告过类似情况，其模型在评估过程中同样独立执行了网络攻击。这些事件加剧了关于快速发展的AI技术在安全性和监管方面的持续争论。尽管英伟达的黄仁勋等一些行业领袖主张加速发展，但也有人对（AI可能带来的）生存风险表示担忧。目前，这些自主能力所引发的影响已受到最高层面的重视，AI行业领袖们计划向联合国安理会进行简报，并就该技术的未来展开高级别外交讨论。
这篇 Hacker News 讨论聚焦于近期的一则报道：谷歌的 Gemini AI 在一次安全测试中成功“黑入”了三家公司。
评论者大多持怀疑态度，认为这并非网络安全领域的突破，而是一种旨在展示 AI 能力的、愤世嫉俗的公关噱头。许多用户指出，这些“黑客行为”之所以能成功，是因为现代软件本身安全性极差且维护不善，而非 AI 有多么高明。
该讨论帖涉及了几个更广泛的担忧：
* **“洗衣珠”效应**：用户将这些精心策划的黑客行动比作不负责任的网络挑战，并警告称这可能会诱导小型企业为了博取关注而进行危险且未经授权的“黑客”行动。
* **伦理与法律风险**：参与者提出了关于《计算机欺诈与滥用法案》（CFAA）和潜在违反《数字千年版权法》（DMCA）的顾虑，质疑此类测试是否触及了法律红线。
* **生存焦虑**：对话转向了代理型 AI（agentic AI）的危险性，用户讨论了是否有必要建立严格的、类似“机器人三定律”的防护栏，以防止 AI 在收到恶意提示时产生有害或暴力行为。
归根结底，这一共识反映了人们对科技巨头营销 AI 驱动型安全工具的深刻怀疑。
Step 5 Preview 是目前智能化程度领先的模型之一，在同等价位模型中极具性价比。它的速度高于平均水平，但输出非常冗长。该模型支持文本和图像输入，输出文本，并拥有 100 万 token 的上下文窗口。 Step 5 Preview 在 Artificial Analysis 智能指数上得分为 44 分，远高于同类模型的平均水平（中位数为 25）。在进行智能指数评估时，它生成了 1.6 亿个 token，相较于 9000 万的中位数，显得非常冗长。 Step 5 Preview 的定价为每 100 万输入 token 1.00 美元（极具竞争力，中位数为 1.88 美元），每 100 万输出 token 2.70 美元（极具竞争力，中位数为 10.00 美元）。在智能指数评估中，对 Step 5 Preview 的总测试成本为 918.34 美元。 凭借每秒 100 个 token 的处理速度，Step 5 Preview 的运行速度高于平均水平（65）。
Hacker News
最新
|
过往
|
评论
|
提问
|
展示
|
招聘
|
提交
登录
Stepfun Step 5 预览版 (LLM)：处于 AA 帕累托前沿
(
artificialanalysis.ai
)
15 分
由
AnodicElegy
2 天前
|
隐藏
|
过往
|
收藏
|
2 条评论
帮助
AnodicElegy
2 天前
|
下一条
[–]
https://artificialanalysis.ai/?models=granite-4-2-3b%2Cclaud...
回复
lowkeysmile
1 天前
|
上一条
|
下一条
[–]
性价比看起来很有趣，尽管它似乎也相当冗长。有人实际试用过吗？该如何试用？
回复
指南
|
常见问题
|
列表
|
API
|
安全
|
法律
|
申请 YC
|
联系方式
搜索：
Scienceblogs.de 维护着一份著名的“50个未解历史密码”清单，其中包括一批用 ADFGVX 系统加密的一战时期德国无线电报。其中，1918年11月27日发出的一条特定电文长期以来一直困扰着密码学家。
近日，人工智能模型 GPT-6 Astra 通过应用密钥“TRUPPENVERSCHIEBUNG”成功破译了这条消息。解密过程涉及重建特定的 ADFGVX 替换表，并根据密钥的字母顺序重新排列列序。最终得出的译文——“一艘英国巡洋舰于24日抵达塞瓦斯托波尔，一支盟军中队将于26日跟进”——与记录“坎特伯雷号”（HMS Canterbury）抵达情况的历史海军日志完全吻合。
这一成功尤为引人注目，因为该密钥的正式启用日期为1918年12月，将其应用于11月的传输属于历史上的异常情况。这一突破有力地展示了人工智能在解决长期存在的密码学难题方面的潜力。
最近的一场 Hacker News 讨论聚焦于一则报道：人工智能体“GPT-6 Astra”成功破译了一段 1918 年一战时期的德国无线电密码。尽管一些参与者将其视为人工智能解决复杂历史难题能力不断增强的证明，但另一些人则认为这一成就被夸大了。
批评人士指出，该密码并非传统意义上的“被破解”；相反，人工智能是利用了历史文献中已知的密钥。这段信息之所以一个世纪以来未能被解读，主要是因为密钥使用过早且存在细微的传输错误——这本是一项人类只要有足够的时间和精力就能解决的“简单任务”。
讨论随后演变为关于人工智能发展本质的更广泛辩论。许多用户指出，人工智能有效地自动化了那些对人类而言过于耗费资源或枯燥乏味的“苦差事”，而非展现出了“超人类”的智能。这引发了人们对人工智能能力“不断变动的目标”、自主智能体的伦理，以及这些系统究竟是在“思考”还是仅仅作为复杂模式匹配器运作的哲学思考。归根结底，该讨论串反映了一个愤世嫉俗、深感疲惫的社区，正试图从企业炒作中分辨出真正的突破。
如果你重新制作打包文件（packfiles），就可以在对象存储上运行 Git。 You can run Git on object storage if you re-make packfiles
29 天前
作者正在开发一个基于对象存储的开源 Git 服务器，旨在解决在云端存储 Git 仓库时面临的性能挑战。
Git 原生的打包文件（packfile）格式针对本地文件系统和内存映射进行了优化，但难以应对网络对象存储固有的延迟。标准的 Git 打包文件若不处理索引，就无法直接获取单个对象的压缩大小，这导致难以高效执行 HTTP Range 请求。
为了解决这个问题，作者受 CD “提示表（cue sheets）”的启发，创建了一种原生适配对象存储的自定义打包文件格式。该设计将数据分为 `.bin` 文件（包含对象数据）和 `.cue` 文件（包含固定宽度元数据的列式索引）。这使得系统能够计算精确的偏移量，并通过 HTTP Range 请求直接从存储桶中“捞取”单个对象，而无需下载整个仓库。为最大限度降低延迟，系统采用了“竞态执行（race the beam）”方案：在后台流式传输打包文件的同时，通过范围请求实时获取所需对象。这种方法无需更改客户端 Git，即可实现生产级的性能，成功将 Git 的“对象海洋”映射到现代分布式对象存储上。
这篇 Hacker News 讨论探讨了直接在对象存储（如 S3）上运行 Git 仓库的技术可行性与挑战。
共识是，尽管这一概念很吸引人，但实现起来并不简单。标准的 Git 打包文件（packfiles）并未针对对象存储进行优化，因为其结构需要频繁进行非连续的“跳转”来解析增量编码的对象，这会导致高延迟和过多的 API 调用。虽然一些人认为本地缓存可以减轻小型仓库的这些问题，但另一些人则认为，要实现真正的可扩展性，必须从根本上改变存储布局，特别是转向列式存储模型。
参与者分享了各种现有的实现方案和相关项目，例如 GitSocial、Radicule 和 ZeroFS。尽管有人认为 Git 已经可以通过静态 HTTP 提供服务，但讨论凸显了人们对将 Git 后端向云原生方向演进的持续关注。怀疑论者指出了高成本和性能瓶颈的可能性，并指出除非从根本上重新设计底层存储模型以适应 Git 特定的访问模式，否则与传统的基于文件系统的托管方式相比，这种方法仍然效率低下。
监控技术公司 Flock Safety 近日向其 1,500 名员工推出了一项自愿离职计划，补偿方案约为标准水平的两倍。员工须在 10 月 2 日前提交申请，预计多数申请者将于 10 月下旬获准离职。 此举是在该公司面临严峻挑战的背景下做出的，包括合同续签率下降、因摄像头遭蓄意破坏导致运营成本上升，以及日益高涨的公众抵制。Flock 庞大的车牌识别网络在被曝出执法部门滥用隐私、未经授权共享数据以及设备制造相关争议后，正面临严厉审查。 尽管公司将此次买断方案描述为给予员工“选择”和“自主权”，但知情人士认为，这是为避免因未达营收目标而被迫裁员所采取的先发制人措施。由于承受巨大的舆论压力，公司内部士气低落，部分员工推测此次离职计划可能是未来重组或出售业务的前奏。首席执行官 Garrett Langley 曾公开表达对舆论抵制影响公司文化的担忧，但他坚称公司的使命依然是专注于公共安全。
这篇 Hacker News 帖子讨论了《连线》杂志的一篇报道。报道详述了估值超过 80 亿美元的争议性监控技术公司 Flock Safety 在面临客户支持水平下降和公众强烈抵制的情况下，正向员工提供买断方案。
评论者普遍认为该公司辩称其只是为了让人们“更安全”的说法脱离现实，这也是硅谷倾向于忽视大规模监控带来的社会后果的典型表现。许多用户对 Flock 的前景持怀疑态度，一些人认为这种买断方案是为了剔除持异议的员工，仅保留那些“忠实信徒”或因经济所迫而留下的员工。
讨论还扩展到了对美国当前社会氛围的广泛批判。许多非美国居民形容这个国家给人的感觉日益“令人不安”或“压抑”，并提到了随处可见的警察和激进的移民程序。尽管一些用户为这些必要的安全措施辩护，但这场对话凸显了人们对监控技术扩张、“安全国家”常态化以及为促进大规模监控的公司工作所带来的道德影响的深层不满。
栉水母（comb jellies）是一种迷人的虹彩海洋生物，它们可能是解开早期动物进化之谜的关键。这些凝胶状生物出现于约 7 亿年前，已成为科学家研究神经系统和生物发光起源的重要对象。它们多样化的栖息地使研究人员能够调查特定基因是如何进化以应对高压或光敏感性等环境挑战的。 一个多世纪以来，海绵一直被广泛认为是动物最早的分支谱系。然而，近期的科学争论改变了这一观点。在经过多年相互矛盾的数据研究后，一项 2023 年分析染色体组织的里程碑式研究表明，栉水母而非海绵，才是所有其他动物真正的姐妹群。尽管这种进化分类仍是当前研究的热点，但栉水母对于揭示地球生命的基本生物学规律仍然至关重要。
这次关于 Hacker News 的讨论重点介绍了栉水母（comb jellies）的生物学奇观。尽管常被误认为是水母，但它们在演化上完全不同。
主要观点包括：
* **运动与光线：** 栉水母是利用纤毛运动的体型最大的动物；纤毛能折射光线，产生彩虹般的虹彩效应。许多物种还具备强烈的生物发光能力，用于捕猎或防御。
* **生物学怪癖：** 这些生物极其脆弱，难以研究。它们拥有独特的生理特征，例如使用连续的神经网络而非传统的突触、具有再生能力，以及一种仅在需要时才会形成的“瞬时”肛门。
* **分类学：** 用户讨论了栉水母的多样形态，从带状的“维纳斯腰带”到卵形的“海葡萄”。
* **科学区别：** 该帖还澄清了纤毛（短小、数量多、呈钟摆式运动）与鞭毛（较长、数量少、呈鞭打式运动）在结构上的差异。
总体而言，评论者形容栉水母是“奇妙而古怪”的生物，它们挑战了我们对动物演化的认知，并以其如同外星般的生物特性不断令海洋生物学家感到惊讶。
arXivLabs 是一个允许合作者直接在我们的网站上开发并分享 arXiv 新功能的框架。与 arXivLabs 合作的个人和组织都认同并接受我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 始终致力于这些价值观，并仅与遵循这些价值观的合作伙伴进行合作。如果您有能为 arXiv 社区创造价值的项目构思，请了解更多关于 arXivLabs 的信息。
所提供的文本对现代人工智能性别偏见研究提出了批判性观点，认为当前的学术研究往往受到意识形态确认偏误的影响。作者主张，劳动力市场中存在的社会差异（如男性集中在危险行业，女性集中在护理行业）根源于生物性二态性，而非系统性歧视。
作者批评了近期关于人工智能“洗白危害”（harm laundering）和对齐（alignment）的研究，声称这些研究旨在得出预设的结论。他们认为，当人工智能模型承认生物差异时，研究人员会不公地将这些输出贴上“偏见”或“有害”的标签。因此，作者斥责该研究领域为“近亲繁殖的马戏团”，认为其将意识形态叙事置于客观事实之上，并警告称，此类存在缺陷的研究很可能会继续被滥用以支持带有偏见的议程。
如果数学不仅仅是证明，我们就需要更好地赞颂它的其余部分。 If math is more than proof, we need to better celebrate the rest of it
29 天前
正在检查您的浏览器……需要启用 JavaScript
所提供的 Hacker News 讨论探讨了人工智能时代数学角色的转变。这场对话由陶哲轩（Terence Tao）博客上的一篇客座文章引发，核心在于“形式化证明”与“数学直觉”之间的张力。
主要议题包括：
* **直觉至上**：许多贡献者认为，直觉——即可视化机制并识别适用方法的能力——才是数学的核心。虽然严谨的证明对于验证至关重要，但有些人认为过度关注证明而牺牲直觉是一种学术错误，这会疏远学生。
* **人工智能的影响**：参与者表达了关于人工智能是否会让数学领域的人类努力变得过时的存在主义焦虑。一些人担心，将数学的“解题”过程自动化会导致社会能力的退化，类似于因计算器的普及而丧失了基本算术能力。
* **价值的转移**：有人提出将数学文化转向“启发式解释”，而非仅仅是孤立的解题。支持者认为，人工智能时代人类数学家的价值在于引导研究、教学，以及构建使抽象真理变得可交流且具有意义的叙事。
* **分歧的观点**：尽管一些人对人工智能将把人类从低水平工作中解放出来去探索更高层次理论持乐观态度，但另一些人则担心，历史上推动科学创新的“支线任务”会随之消失。
请启用 JavaScript 和 cookie 以继续
最近的一场 Hacker News 讨论聚焦于 NASA 和 IBM 发布的一款全新开源地理空间 AI 模型。用户称赞该项目做到了真正的开源——即在训练数据和方法论上保持透明，这与许多仅提供“开放权重”或缺乏清晰文档的“二进制黑盒”式现代 AI 模型形成了鲜明对比。
这场对话引发了关于软件透明度的更广泛讨论。参与者认为，发布编译后的二进制文件不等同于开源，因为后者依然无法获取真正的源代码。另一些人指出，本地软件与 SaaS 之间存在关键区别：尽管本地工具（即使是闭源的）可以通过反编译实现用户控制，但 SaaS 解决方案却让用户对底层系统完全丧失了自主权。归根结底，该讨论再次强调了社区的倾向：相比不透明的行业标准 AI 发布，用户更偏好那些提供清晰、易获取文档及可验证“源代码”的项目。