免费 & 开源 只需输入一次，即可同时向ChatGPT、Gemini和Claude提问。实时并排比较AI回复。 适用于Mac下载 适用于Mac下载 适用于Windows下载 适用于Linux下载 在GitHub上查看 4+ 模型：ChatGPT, Gemini, Claude 一次输入，镜像至所有界面 100% 免费 开源 & 隐私 您的浏览器不支持视频播放。
每日HackerNews RSS
## PolyGPT：AI 响应对比工具
开发者 ncvgl 创建了 PolyGPT，一个免费开源的桌面应用程序（Mac/Windows/Linux），旨在简化同时比较来自领先 AI 模型——ChatGPT、Claude 和 Gemini——的响应。该应用程序解决了不断切换标签页以评估不同 AI 输出的痛点。
PolyGPT 适用于比较技术解释、调试代码和交叉核对信息等任务。重要的是，它在本地运行，确保用户凭据安全。
Hacker News 讨论指出，Open WebUI 具有类似的功能，但用户要求提供 PolyGPT 的网络版本，因为他们对原生应用程序安装的安全性和自定义性有偏好。 进一步的建议包括选择“最佳”响应作为后续查询的上下文，并结合一个判断系统来自动评估和排名 AI 输出。
您可以在 [polygpt.app](https://polygpt.app) 和 [github.com/ncvgl/polygpt](https://github.com/ncvgl/polygpt) 找到该应用程序和源代码。
威廉·加迪斯与难读书籍的问题 (2002)
Mr. Difficult: William Gaddis and the Problem of Hard-to-Read Books (2002)
4 天前
## 乔纳森·弗兰岑论威廉·加迪斯和晦涩书籍 在《纽约客》的文章中，乔纳森·弗兰岑探讨了两种小说模式之间的张力：“声望”模式，重视艺术价值和挑战读者；以及“契约”模式，优先考虑作者与读者之间的愉悦连接。这种反思源于弗兰岑因其小说而受到批评的经历，以及回忆威廉·加迪斯，一位以晦涩难懂著称，鄙视优先考虑读者享受的作家。 弗兰岑回忆起与加迪斯的作品作斗争，特别是《认可们》，在它的复杂性中既感到沮丧，又感到深刻的收获。他承认“声望”方法的吸引力——挑战性作品意味着艺术完整性的想法——但最终认同“契约”模式，认为小说应该促进连接，避免疏远读者。 他认为加迪斯越来越晦涩的根源在于根深蒂固的愤怒和幻灭，拒绝希望得到一个他认为根本有缺陷的世界的认可。虽然钦佩加迪斯的雄心，弗兰岑认为优先考虑难度而非参与最终会削弱小说的力量。他总结道，真正有意义的小说，就像生活本身一样，应该既具有挑战性*又*有回报，从而在作者和读者之间建立真正的关系。
一场 Hacker News 的讨论围绕着威廉·加迪斯那部以晦涩难懂著称的小说《JR》。用户们争论其可读性，一位评论员认为《JR》在客观性上是革命性的——只呈现对话，没有任何作者的干预或解释，就像一部没有旁白的电影。缺乏传统提示（如“他说”、“她说”）需要读者高度集中注意力来追踪说话者。
其他人分享了类似被小说独特风格吸引和精神刺激的经历，并惋惜缺乏类似的作品。对话还涉及加迪斯早期小说《The Recognitions》，其中包含着《JR》语音技巧的预兆。
一个令人感伤的观点浮出水面，关于大卫·福斯特·华莱士和乔纳森·弗兰岑的友谊，一位用户认为华莱士的去世对弗兰岑影响深远，代表着文学界的一大损失，不仅仅是一位作者的逝去。最后，提供了一个文章的存档链接，以便更轻松地阅读。
请启用 JavaScript 并禁用任何广告拦截器。
## 杜拉雷克斯：因公众支持而得救的法国标志 杜拉雷克斯，这家以其几乎坚不可摧的皮卡迪杯而闻名的法国玻璃制造商，最近经历了一次非凡的支持激增。由于能源成本上升，公司发起了一项公众募捐，寻求500万欧元的紧急资金——并在短短48小时内收到了近2000万欧元。 这种爱国热情源于杜拉雷克斯与法国文化的深厚联系，唤起人们童年记忆，并代表着工业遗产。如今，杜拉雷克斯已成为一个由243名员工拥有的合作社（其中180名为“合作者”），它因公众渴望阻止另一家工厂关闭而得救。 这些资金将用于现代化工厂并开发新产品，包括为爱丽舍宫商店特别定制的产品线，以及向英国和美国市场扩张。尽管面临天然气价格飙升等挑战——这家工厂需要消耗大量的天然气来维持其1440°C的熔炉——杜拉雷克斯的目标是在2027年实现盈亏平衡，继续其耐用、标志性玻璃器的传承。
一位专门从事定制视觉植入体的生物工程师收到了一项独特的请求：一位名叫艾普丽尔的客户想“看见”已故之人，特别是她的丈夫。工程师最初犹豫不决，但最终被艾普丽尔的恳求和想要挑战自己技能的愿望所打动，同意了这项工作，他以其创新性的工作而闻名，包括为北极潜水员设计的眼睛。 这个项目被证明极其复杂，远不止于制造一只功能完好的眼睛。它需要将艾普丽尔的记忆和悲伤映射成视觉数据，这个过程得到了以前专门研究梦境技术的室友的帮助。他们开发了一种系统，包括视网膜植入体、皮质桥和海马体回忆界面，将她的情感回忆转化为可见的投影。 经过广泛的测试和改进，包括整合了其他认识她丈夫的人的记忆，植入体最终成功了。然而，艾普丽尔最初沉迷于这些幻象，凸显了心理风险。最终，她学会将这种体验融入到生活中，不沉溺于过去，而是用植入体来规划她的现在。工程师深受这次经历的影响，决定将未来的项目重点放在增强对*活*世界的感知上，认识到重现过去可能造成的危害。
一场关于Hacker News的讨论围绕着一篇虚构故事（来自asimov.press），该故事描述了一种技术，允许人们通过记忆具现化和人工智能重现“重温”已故亲人的经历。用户最初误以为这是真实事件，凸显了技术进步的迅速。
核心概念引发了对记忆和悲伤本质的质疑。虽然看似令人安慰，但评论员认为这项技术可能会产生一种“恐怖谷”效应，将珍爱的记忆变成人工的，并可能带来困扰的体验。一个观点是，人们渴望理想化的回忆，而不是准确的再现，这可能导致对早期技术迭代的幻灭。
对话还与Apple Vision Pro以及《银翼杀手》中关于人工智能和真实体验价值与模拟现实之间伦理考量相提并论。最终，讨论探讨了这项技术是否能提供真正的慰藉，还是仅仅是一种分散注意力、最终令人不满的替代品，用来应对失去。
请启用 JavaScript 并禁用任何广告拦截器。
## 五角大楼对GPS信心减弱：摘要
最近的《华尔街日报》文章强调了美国军方对GPS可靠性的日益担忧，引发了Hacker News的讨论。五角大楼越来越担心GPS容易受到干扰和欺骗，尤其来自中国和俄罗斯等对手。
讨论的重点集中在对具有弹性的替代方案的需求上。 许多评论员提到了2018年的《国家授时弹性与安全法案》以及随后倡导备份系统的路线图。 有人建议恢复较老的Loran导航系统，作为一种相对快速且低风险的解决方案，并举例说明了韩国、英国和中国等国家仍在继续使用它。
人们对过度依赖GPS、缺乏应急计划（特别是关于潜在对空中交通管制的影响）以及对手可能利用GPS弱点表示担忧。 一些人认为，军队应该专注于利用敌方系统，例如中国的北斗系统来对抗他们。 另一些人指出，现有的军用GPS系统具有一定的抗干扰能力，但仍然存在漏洞，尤其是在一些弹药中使用的较不复杂的接收器上。 此次讨论还涉及地缘政治因素，包括潜在的联盟转变以及最近有关对乌克兰援助的政策变化的影响。
## 昆虫的静默衰落与我们的食物供应
昆虫数量的明显减少——通过汽车挡风玻璃上昆虫尸体数量的减少，被称为“挡风玻璃测试”——预示着一个令人担忧的全球趋势。 这种现象常被称为“昆虫末日”，研究表明昆虫生物多样性显著下降，全球蜜蜂多样性下降了25%，近几十年蝴蝶数量下降了22%。
这种衰落是由气候变化扰乱生命周期、城市化和农业导致的栖息地丧失以及广泛的农药使用（特别是新烟碱类农药）造成的。 昆虫对全球粮食安全至关重要，为四分之三的农作物授粉——包括对巧克力和咖啡等食物的完全依赖——每年为经济贡献数十亿美元。
虽然衡量问题的规模具有挑战性，但研究人员正在关注解决方案。 这些包括联邦保护工作、创建授粉者栖息地（即使是小后院花园也能有所帮助）以及通过综合虫害管理减少农药使用。 芬德蓝蝶等成功案例表明，有针对性的保护是有效的。 专家强调采取行动的紧迫性，提倡立即采取措施，同时继续研究，以保障我们的食物供应和生态系统。
arXivLabs是一个框架，允许合作者直接在我们的网站上开发和分享新的arXiv功能。个人和与arXivLabs合作的组织都拥抱并接受了我们开放、社群、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与坚持这些价值观的合作伙伴合作。您是否有为arXiv社群增加价值的项目想法？了解更多关于arXivLabs的信息。
## DETR：实时目标检测的新标准
最近的进展推动检测Transformer (DETR) 在目标检测准确率上超越 YOLO 模型，*同时* 保持可比的速度。像可变形注意力机制和去噪训练等创新实现了实时性能，其中 D-Fine 目前处于领先地位。
DETR 的一个关键优势是其宽松的 Apache 2.0 许可，允许不受限制的商业用途——这比 YOLO 更严格的许可具有显著优势。DETR 还通过将检测视为直接集合预测来简化检测过程，从而消除了非极大值抑制等组件。现代 GPU 非常适合 Transformer 中核心的注意力操作，并且从 DINOv3 等模型进行迁移学习可以进一步提高性能。
目前，有两种主要的 DETR 方法在竞争：RT-DETR（优化原始架构，D-Fine 是领导者）和 LW-DETR（使用纯 Vision Transformer 作为骨干网络，RF-DETR 是一个例子）。基准测试表明，D-Fine 和 RF-DETR 的准确率始终优于 YOLO 11。虽然 RF-DETR 在较小、更快的模型方面表现出色，但 D-Fine 在规模上表现更好，并提供更通用的参数效率。
Datameister 已将这些最先进的 DETR 模型集成到他们的视觉库中，为现实世界的应用提供准确高效的检测系统。DETR 的快速发展标志着计算机视觉领域的重大转变，为传统方法提供了一种强大且具有商业可行性的替代方案。
## DETR 与 YOLO：许可与准确性辩论
一篇近期文章声称 DETR 模型在实时目标检测方面超越了 YOLO，在 Hacker News 上引发了激烈讨论。争论的关键点在于许可：DETR 架构采用 Apache 2.0 许可（允许商业用途），而 Ultralytics 的 YOLO 版本使用 AGPL-3.0，可能限制修改。然而，评论员指出 Ultralytics 并不 *拥有* YOLO – 存在许多具有更宽松许可的实现，源自最初的 Darknet 框架。
许多人批评这篇文章具有误导性，甚至称其为“骗局”，因为它将 YOLO 与 Ultralytics 等同起来。人们还对文章的方法论提出了担忧，缺乏具体的 YOLO 模型版本细节和准确性比较。
尽管存在许可方面的争论，核心问题仍然是：DETR 真的表现更好吗？ 历史上，DETR 在准确性方面优于 YOLO，但速度较慢。最近的进展正在缩小速度差距，使 DETR 更适合实时应用。最终，性能在很大程度上取决于针对特定摄像头设置和部署环境的微调。