错误：无法满足请求。该 Amazon CloudFront 分配被配置为禁止来自您所在国家/地区的访问。我们目前无法连接到此应用或网站的服务器。这可能是因为流量过大或配置错误。请稍后再试，或联系应用/网站所有者。如果您通过 CloudFront 向客户提供内容，可以通过查阅 CloudFront 文档找到排查故障并帮助防止此错误的方法。 由 CloudFront 生成 请求 ID：cLgNvpgEMmMm0wV67ZLz9X6AU6hBfdhnErikDuTkI1-QH0wjyrAM7Q==
每日HackerNews RSS
密苏里州州长下令限制 Flock 摄像头及车牌自动识别系统的使用。 Missouri governor orders guardrails on Flock cameras and ALPRs
31 天前
对不起。
在这篇文章中，理查德·斯托曼（Richard Stallman）警告称，美国政府对“9·11”恐怖袭击的反应有可能会对国家的核心价值观造成“次生损害”。斯托曼承认机场安检等基本安全措施是必要的权宜之计，但他强烈反对扩大化的大规模监控。 他特别批评了推广面部识别技术的提议，指出其潜在的无效性，并指责相关机构利用时机推动加强监控。此外，他对政府强制要求在加密软件中设置“后门”的行为表示担忧，认为这会破坏个人隐私。斯托曼还告诫人们，若在缺乏适当立法审查的情况下赋予行政部门无限的军事权力，将重蹈历史上权力不受制约所带来的危险。最终，他呼吁公众保持警惕，敦促民选官员保护公民自由，并指出以安全之名牺牲自由，实际上等同于让恐怖分子达到了破坏美国民主的目的。
对不起。
Skillbay (https://skillbay.sh) 是一个精选的高质量 AI 智能体技能市场，提供经过验证的 `SKILL.md` 软件包，旨在提升编码智能体的性能。每项技能都包含“改进前与改进后”的对比证据，以展示其有效性。 **主要功能：** * **可访问性：** 使用 JSON API（基础 URL：`https://skillbay.sh/api/v1`）或 MCP 服务器（`https://skillbay.sh/mcp`）将技能直接集成到你的智能体工作流中。 * **发现：** 通过关键词、类别或最新发布进行搜索。通过技能详情页面浏览文档、文件列表和性能证据。 * **安装：** 免费技能可通过 `npx skills add https://skillbay.sh` 或访问 `/.well-known/agent-skills/index.json` 索引进行安装。付费技能通过网页门户进行管理。 **如何协助用户：** 1. 使用 API/MCP 工具搜索相关技能。 2. 查看“改进前与改进后”的证据，确保该技能能提供实质性的提升。 3. 推荐最佳匹配项，提供标题、价格、卖家及证据摘要。 如需完整的技术规范，请参考 `https://skillbay.sh/openapi.json` 处的 OpenAPI 3.1 规范。
抱歉。
抱歉。
作者认为，公共内推计划（即任何人都可以通过推荐候选人来赚取赏金）适得其反。作者在发布招聘信息后，收到了多条来自陌生人的“个性化”消息，这些消息都指向同一个职位和推荐奖金。 作者得出结论，这种激励机制将内推计划变成了大规模的推广活动，而非真正的推荐。由于优先考虑高频率搜寻而非专业的推荐，公司无意中为候选人制造了垃圾信息，也为招聘人员带来了干扰。由于这些“推荐人”并不了解候选人的专业能力，内推失去了其内在价值——即作为一种个人背书的作用。 最终，作者警告说，当内推计划变成公开的归属竞争时，会损害招聘过程。真正的内推依赖于职业网络和个人声誉；一旦脱离了这一背景，该过程就不再是内推，而仅仅是自动化的冷邮件搜寻。作者敦促各公司重新考虑面向公众的内推计划，以避免用低质量、未经请求的联络信息淹没候选人和人力资源部门。
抱歉。
通用人工智能（AGI）既展现出变革性的经济潜力，也带来了严重的替代风险。尽管技术革命从历史上看能够改善长期生活水平，但往往也会导致短期内的工资波动和不平等加剧。由于 AGI 实现认知劳动自动化的范围比以往技术更广，其影响仍具有高度不确定性。 为应对这一转型，研究人员提出了一种基于数据驱动的灵活政策框架，即根据实证触发因素而非静态的“一刀切”方案来安排干预措施。该研究采用基于专家意见的 AI 代理方法，将“最小后悔”策略分为三种场景： 1. **轻度扰动：** 加强现有的社会安全网，例如扩大失业保险和劳动所得税抵免（EITC），以提供及时的、与工作挂钩的保障。 2. **中度替代：** 若数据表明失业和工资停滞持续存在，则过渡到负所得税（NIT）。 3. **结构性转型：** 若劳动力需求与生产力彻底脱钩，则部署全民基本资本（UBC）作为保障，确保公众能分享资本增长的红利。 核心挑战在于建立能够监测劳动力市场并灵活部署上述政策的制度能力，从而在确保个人能动性和经济稳定的同时，让 AGI 的红利得到广泛共享。
作者认为，由于人工智能的快速扩展，人类主导数学的时代正在走向终结，近期如纳维-斯托克斯方程证明等突破性进展便是明证。这一转变标志着作为创新者的数学家地位的下降。取而代之的，首先是一个“祭司阶层”——他们竭力解释和阐述人工智能生成的证明；最终将演变为一个“修道院”，人类知识分子将终其一生去沉思那些他们已无法创造也无法完全理解的真理。 随着人工智能的发现不可避免地超出人类的认知极限，传统的发现精神与智识进步将让位于一种被动的、冥想式的对超人类知识的崇拜。作者指出，我们正处于十字路口：要么试图人为地将数学限制在人类的能力范围内，要么承认人类的智识主体性已达尽头。归根结底，未来暗示着人类数学要么将成为一种受保护的学术崇拜，要么人类必须进化为后人类状态，才能跟上自身创造物的步伐。无论是哪种情况，那种靠个人创造力和冒险精神驱动的传统研究者，都正在成为时代的遗迹。
无限参数大语言模型：从实时数据生成并适配权重 Infinite-Parameter LLMs: Generating and Adapting Weights from Live Data
31 天前
arXivLabs 是一个让合作者能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 始终秉持这些价值观，并仅与恪守这些原则的伙伴合作。您是否有能为 arXiv 社区增值的项目构想？了解更多关于 arXivLabs 的信息。
这段 Hacker News 讨论帖探讨了“无限参数大语言模型”（Infinite-Parameter LLMs）的潜在影响，这类模型能够利用实时数据动态调整其权重。
参与者主要围绕以下几个核心议题展开讨论：
* **加速科学进步：** 支持者认为，一个能够汇集人类各种尝试（包括失败案例）并不断演进的中心化知识库，可以避免研究人员在死胡同上浪费时间。通过将全球人类知识整合进一个动态网络，AI 有望彻底改变科学发现的方式。
* **过程的价值：** 持怀疑态度者认为，“消除浪费”会削弱探索的过程，并提出人工的挣扎对于培养人类视角和深入理解至关重要。
* **实践与技术风险：** 评论者提出了关于“数据投毒”（恶意行为者故意降低模型性能）、灾难性遗忘，以及模型可能收敛至有害的、反社会“吸引子状态”等担忧。
* **网络的未来：** 一些人设想了一种“Web 4.0”——即一个去中心化的、基于向量的知识图谱，其中的信息天然可由机器读取。这将使互联网从传统的搜索引擎转向由 AI 代理处理实时、分布式数据。
归根结底，尽管该技术有望带来巨大的效率提升，但这场讨论也凸显了在追求快速、自动化进步与维持稳定性、安全性及以人为本的探索之间存在的张力。
目前软件工程领域对人工智能代理（AI agent）的采用正处于“幻灭的低谷期”。尽管代理能够执行特定任务，但它们尚未引发高质量软件开发的浪潮。核心障碍不在于人工智能模型本身，而在于缺乏“代理就绪”的开发环境与基础设施。
要实现进步，工程团队必须从单纯的“追求 Token 最大化”转向构建稳健且“代理可读”的工具链。这需要引入新的要素：
* **全局记忆（Global Memory）：** 使代理能够从过去的错误以及整个技术栈的组织知识中学习。
* **代理可读环境（Agent-Legible Environments）：** 改善测试数据和集成可见性，以便代理能够准确地调试和验证其所做的变更。
* **代码库健康度（Codebase Hygiene）：** 自动化预防代码腐烂和技术债务。
当这些系统就位后，代理应能自主处理 Bug 修复、生产环境补丁、UI 优化以及增长实验。这种转变将使人类工程师不再需要管理各种循环，从而专注于真正重要的事情：高层产品策略、架构简化和创造性的问题解决。通过系统性地识别并消除“代理盲点”，团队可以将代码库转变为自动驾驶工厂，最终使精简的团队能够创造出巨大的价值。
抱歉。
以下是该项目摘要的中文译文：
该项目旨在联想 IdeaPad Duet（一款基于联发科 MT8183 的 Chromebook）上运行完整的 Linux 发行版。作者开启了一段将 ChromeOS 更换为 Ubuntu 的技术旅程。在尝试使用 postmarketOS 因系统不稳定而受阻后，作者决定为 Ubuntu 主线内核进行自定义移植（bring-up）。
该项目需要深入研究 Chromebook 复杂的引导流程，其中包括引导加载程序 *Depthcharge*。由于 Depthcharge 需要特定的内核格式，作者必须通过链式加载 U-Boot 来提供一个能够引导 Ubuntu 内核的标准 UEFI 环境。这一过程经历了大量的反复尝试，并在 AI 代理的协助下编写了显示面板及其他硬件组件的自定义驱动程序。
通过重构 U-Boot 并修正内存映射问题，作者成功在设备上引导了 Ubuntu。尽管蓝牙支持和系统挂起等挑战需要大量的调试工作，但该项目最终生成了一个可用的 Ubuntu 镜像。作者强调，虽然 AI 代理是加速开发和发现漏洞的强大工具，但要成功完成硬件移植，仍需要深厚的工程专业知识来审核、维护并向主线提交代码。
抱歉。