本指南介绍了如何在 ZTE B860H (V1/V2) 机顶盒上安装 Armbian。
**重要提示：** 请勿将这些型号与 V5 版本混淆，它们的硬件有显著差异。
### 前置要求
* 一张 microSD 卡（建议使用 Class 10）。
* 一个专用的 HDMI 引导加密狗（用于强制机顶盒进入引导模式）。
* 一台用于刷入系统的 Linux 电脑。
### 安装步骤
1. **准备 microSD 卡：** 下载适用于 S905X/B860H 的 Armbian 镜像，并使用 `dd` 命令将其刷入 microSD 卡。
2. **刷入 U-Boot：** 将所需的 `u-boot.bin` 刷入 microSD 卡，以确保设备能够引导 Linux 内核。
3. **引导系统：** 将 HDMI 加密狗插入机顶盒并接通电源。LED 指示灯应变为橙色，表示正在从 microSD 卡引导。系统运行后，您可以通过 SSH 连接（默认用户名：`root`，密码：`1234`）。
4. **永久安装：** 运行 `armbian-install` 将系统迁移到内置的 eMMC 中。最后，将 `u-boot.bin` 重新刷入 eMMC，以完成永久安装。
本指南同样适用于 FiberHome HG680P，前提是在安装过程中选择了正确的设备树 (DTB)。
每日HackerNews RSS
随着对大型语言模型（LLM）的需求给集中式云基础设施带来压力，研究人员正在探索本地推理的可行性。本文引入了“瓦特智能”（IPW）这一统一指标，用以衡量任务准确率与功耗之比，从而评估小型本地语言模型在功耗受限的硬件上处理真实查询的有效性。 这项研究分析了超过一百万次真实查询，涵盖了 20 多种本地模型和 8 种硬件加速器。作者报告了三个关键发现： 1. **高性能：** 本地语言模型成功回答了 88.7% 的测试查询。 2. **快速进步：** 2023 年至 2025 年间，IPW 提升了 5.3 倍，使本地设备可处理的查询占比从 23.2% 提高到 71.3%。 3. **效率提升：** 在运行相同模型时，本地加速器的能效至少比云基础设施高出 1.4 倍，这表明本地硬件优化具有巨大潜力。 研究结果表明，本地推理是一种成熟且可行的策略，能够减轻集中式服务器的负担。IPW 是追踪向高效边缘人工智能持续转型的重要基准。
彭博社 需要帮助？请联系我们 我们检测到您的计算机网络存在异常活动。 为继续访问，请勾选下方方框以证明您不是机器人。 为什么会出现这种情况？ 请确保您的浏览器支持 JavaScript 和 Cookie，且未阻止其加载。 欲了解更多信息，请查阅我们的服务条款和 Cookie 政策。 需要帮助？ 如有关于此消息的疑问，请联系我们的支持团队并提供下方的参考 ID。 拦截参考 ID：25988394-b1a9-11f1-9257-9a7eb1b0e4cb 订阅 Bloomberg.com，随时随地掌握全球市场要闻。 立即订阅
1993年，在消费级GPS设备普及之前，一位嵌入式系统开发人员接手了一项任务：在仅有25MHz主频的486-SX处理器上，构建一个高分辨率、实时的GPS动态地图显示系统。 由于该CPU缺乏数学协处理器，开发人员采用了“Hipparchus”库。该库利用泰森多边形（Voronoi Cells）技术，以高效的8位和16位整数运算替代了繁重的浮点三角函数运算。这种创新方法使软件能够每两秒更新一次1024x768分辨率的彩色显示，其性能表现远超多年后发布的第一代Garmin和Magellan设备。 由于客户公司破产，开发人员被迫交出了知识产权，且无法为其他感兴趣的合作方复刻该项目。当时他并不知道，通过“净室设计”可以合法地保护其底层架构。因此，这项领先现代智能手机集成GPS十余年的先驱技术，最终消失在了历史长河中。
这篇 Hacker News 的讨论围绕着一个项目展开，该项目在 25MHz 486-SX 处理器上实现了一个实时 GPS 驱动的动态地图。
讨论涵盖了几个技术主题：
* **旧硬件与优化：** 参与者分享了关于早期手持式 GPS 设备（如使用 386 处理器的 Garmin eMap）的趣闻，并讨论了该项目如何利用沃罗诺伊图（Voronoi cells）和整数运算来避免繁重的浮点计算。
* **信号处理：** 讨论串解释了 GPS 信号捕获的“神奇”之处，详细说明了直接序列扩频（DSSS）和 Gold 码如何使设备能够从远低于热噪声水平的环境中提取信号。
* **地图投影：** 讨论中出现了一个关于墨卡托投影在导航中持续重要性的分支辩论，指出尽管与等面积投影相比其地缘政治准确性存在争议，但它对于地图应用而言仍具有功能上的必要性。
* **现代关联：** 用户将该项目对定点数学的巧妙应用与大模型（LLM）量化等现代技术进行了类比；另一些用户则回忆起早期移动数据的局限性，例如在有损的 9600 波特语音压缩链路上进行数据传输的艰辛。
Google Sheets 的评论无法排序、统计或导出。只需将导出的工作簿拖放到此处，即可按顺序找回所有评论对话，包括其所在的标签页、单元格位置、回复内容及是否已解决。仅限电子表格 · .XLSX 格式 · 暂不支持文档和演示文稿。 现在可以使用一款插件在 Google Sheets 内直接操作，无需下载：点击按钮，评论即可自动生成在当前工作表的一个新标签页中。 工作原理 → 在 Google Sheets 中打开您的表格。文件 → 下载 → Microsoft Excel (.xlsx)。将下载的文件拖放到左侧。文件不会上传。无需账户、无需登录、没有服务器。文件在您的浏览器中解压并由本页面读取。关闭标签页后，一切即刻清除。
MartyPC 是一款高精度、开源的 IBM PC 模拟器，主要面向复古 PC 开发和硬件爱好者研究。该模拟器支持 Windows、Linux 和 macOS，涵盖了包括 IBM PC (5150)、XT、PCjr 和 Tandy 1000 在内的多种经典系统。
MartyPC 使用 Rust 语言编写，其核心优势在于周期精确（cycle-accurate）的 8088 CPU 模拟，并已通过自定义测试工具与真实硬件进行了严格比对验证。得益于这种高精度，它能够运行诸如《8088 MPH》和《Area 5150》等对性能要求极高的演示程序。除了 CPU 模拟外，该模拟器还提供了丰富的周边设备支持（包括 CGA、EGA、VGA 和 Adlib 音频），并配有一套强大的调试工具，例如指令级日志记录、内存查看器和基于周期的断点设置。
尽管相比某些主流模拟器，MartyPC 的“即插即用”属性较弱，但它可通过配置文件进行高度自定义，并支持多显示器配置和多种硬件扩展等复杂设置。无论你是进行底层代码开发，还是旨在探索经典 PC 架构，MartyPC 都能为你提供一个深入了解早期计算硬件精确时序与运行机制的绝佳窗口。源代码及构建版本可在 GitHub 获取。
请启用 JavaScript 和 Cookie 以继续。
为了实现组织目标，你必须愿意承担他人所忽视的工作，即使这些工作超出了你的职责范围。虽然这常被斥为“多管闲事”，但主动介入并将你的工具与他人系统整合，或是修复被僵化官僚体制所搁置的瓶颈，对于公司的生存至关重要。组织往往因为员工将僵化的层级制度置于成果之上而停滞不前；通过在他人不愿涉足之处主动贡献——例如提交补丁或跨部门协调——你可以规避僵局，并深入了解公司实际的运作方式。 这种方法的核心并非抢功，而是确保关键任务在系统摩擦中依然能够完成。尽管有人认为增加人手或内部开发以维持控制权是更稳妥的路径，但这些选择往往掩盖了更深层的效率低下。最终，最优秀的专业人士是那些掌握了“互补能力”的人：既懂得在必要时完成他人的工作，又学会管理那些拥有更专精技能的人。去完成那些他人拒绝或受阻于客观环境而无法完成的工作，往往是避免可预见的失败并确保长期成功的唯一途径。
Datamimic – 别让你的编码智能体构建它自己的测试世界 Datamimic – don't let your coding agent invent its own test world
33 天前
DATAMIMIC 是一个基于 Python 的 MIT 许可引擎，专为确定性合成数据生成和具备个人身份信息（PII）感知能力的伪匿名化而设计。它提供了一种比随机生成器更稳健的替代方案，确保在相同的模型、种子和引擎版本下产生字节级完全一致且可复现的输出，这对于回归测试和可审计性至关重要。
**主要特性：**
* **社区版 (CE)：** 一款独立的开源工具，具备命令行界面 (CLI)、Python API 和 MCP 适配器。它支持合成数据生成、手动伪匿名化以及多系统集成（PostgreSQL、MongoDB、XML 等）。它采用模型驱动的 DSL，允许 AI 代理通过结构化的脚手架工作流来编写、检查和验证数据集。
* **企业版 (EE)：** 专为受监管行业构建，增加了受控的操作层，包括基于角色的访问控制、审计仪表盘和自动 PII 扫描器。它通过基于 Rust 的执行引擎提升了性能，并支持复杂的行业报文格式（EDIFACT、SWIFT、HL7/FHIR）以及协调的多系统执行。
DATAMIMIC 使组织能够消除在非生产环境中使用生产数据的需求，提供符合 DORA、GDPR 和 HIPAA 合规性要求的可复现性和数据溯源。
**资源：**
* **文档：** [docs.datamimic.io](https://docs.datamimic.io)
* **企业版：** [datamimic.io](https://datamimic.io)
* **代理工作流：** 请参阅 `AGENTS.md` 以了解 CLI 驱动的模型编写方式。
这篇 Hacker News 讨论聚焦于 **Datamimic**，这是一款旨在为 AI 编程智能体生成合成测试数据的工具，用以防止智能体在测试环境中产生“幻觉”。
主要内容包括：
* **功能性**：Datamimic 社区版（CE）支持复杂的关系型数据库约束，包括外键、复合键和父子关系。企业版通过模式扫描、个人身份信息（PII）检测和推荐流水线进一步实现了自动化。
* **智能体集成**：用户讨论了智能体是应该直接生成数据，还是先编写并执行代码来生成数据。一位开发者指出，可以将 Datamimic 与限制智能体数据访问的系统进行集成。
* **反馈**：社区提供了建设性的批评意见，包括建议移除公司网站上令人分心的“1 条新消息”闪烁通知，创始人已迅速采纳并解决。
* **命名**：一些用户最初将该项目与知名数据库“Datomic”混淆。
总体而言，该讨论反映了业界日益关注如何解决 AI 智能体在高质量、具有约束意识的合成数据生成方面的瓶颈问题。
请提供您需要翻译的内容。