暴雪娱乐已正式宣布重启《星际争霸》系列，计划于2030年发布。与该系列作为即时战略游戏巨头的传统不同，这部新作将开发为一款开放世界射击游戏。 此次公告由副总裁丹·海（Dan Hay）在暴雪嘉年华上发布，并展示了一部写实风格的电影预告片，重点呈现了地球联合理事会（UED）与异虫之间残酷的冲突。片段强调了战争严酷且毫不妥协的本质，将人类士兵描绘成这场冷酷斗争中可牺牲的棋子。虽然预告片高度聚焦于人类视角，并呈现出一种更黑暗、更具电影感的基调，但值得注意的是，神族仅在片中被轻描淡写地提及。 尽管这一沉寂已久的经典IP的回归引发了极大的轰动，但许多粉丝仍持怀疑态度。《星际争霸II》于2010年发布，部分玩家群体仍希望能回归该系列作为战略即时战略游戏的本源，而非涉足这一全新的射击游戏领域。
每日HackerNews RSS
输入与对齐 × 摄像机：默认摄像机 计算机麦克风：默认麦克风 定位方法：追踪的 iPhone + 网络摄像头 动作 + 麦克风估算 立体声麦克风方向 高保真环绕声 (Ambisonic) · AmbiX W,Y,Z,X 高保真环绕声 (Ambisonic) · FuMa W,X,Y,Z 保持摄像机静止。通过可见的动作进行拍手、敲击或说话。多个无关的移动物体可能会干扰此估算。 麦克风间距 (cm) 摄像机水平视野 (度) 麦克风相对于摄像机的旋转角度 (度) 反转左/右方向 镜像摄像机与叠加层 静音阈值 −55 dBFS 摄像机对齐方式与麦克风格式必须匹配方可进行定向输入。高保真环绕声 (Ambisonics) 需要 B-format 格式；原始麦克风拾音头并非 B-format 格式。 关于 360radar 参考 ↗
“Show HN”项目《在网络摄像头上看到声音》(See Sounds on Your Webcam) 收到了来自 Hacker News 社区的批评反馈。用户指出该项目存在显著的易用性问题，包括流程混乱以及缺乏关于如何正确设置或使用该工具的清晰说明。
技术性能是主要担忧所在；用户注意到打开网站时 CPU 占用率很高，存在明显的延迟，且网络摄像头权限的持久性可能存在问题。此外，视觉输出效果似乎不稳定。一些测试者反映，该工具在安静的房间里会生成随机图案，这可能归因于麦克风的自动增益设置放大了背景噪音。其他人则发现该工具无法准确检测语音或无法正确同步。总体而言，社区反馈表明，该项目目前需要更好的文档和性能优化，才能对大多数用户实现可用。
抱歉。
OpenAI首席执行官山姆·奥特曼明确表示，公司今年或2026年都不会进行首次公开募股（IPO）。尽管此前有报道称公司计划在2026年上市，但奥特曼表示公司并不急于求成，并强调需要优先考虑人工智能安全，确保业务完全准备就绪。 针对有关快速扩张压力的担忧，奥特曼强调，IPO的时机既需要内部准备充分，也需要社会对人工智能技术持有利好的态度。鉴于当前科技市场的波动以及公司内部面临的挑战，OpenAI似乎正在推迟上市计划（可能推迟至2027年或更晚），以便更好地处理安全顾虑并实现组织目标。
抱歉。
Apple M3 神经网络引擎存在一个 RTL 勘误，当每个核心的权重总量恰好是 1 MiB（相当于 16,384 行）的整数倍时，DRAM 权重传输吞吐量会从 45–60 GB/s 骤降至 17–19 GB/s。
**发现：**
分析显示，内核 DMA 引擎在每个 1 MiB 边界处都会出现性能“断崖”。该问题源于预取环的地址算术逻辑，其使用了 14 位（16 KiB 页）的指针逻辑。当数据传输触及 1 MiB 边界时，预取控制器的内部计数器会发生错误的绕回（wrap around），导致请求流水线陷入停滞。这迫使系统进入高延迟的“走走停停”执行模式。
**影响与解决方案：**
此错误影响了众多的 LLM 架构（例如 Llama 3.2、Qwen3-8B）。通过修改编译器，将受影响的 1 MiB 内核 DMA 任务拆分为更小的块（例如两次 512 KiB 的传输），即可绕过这种“走走停停”的行为。该软件补丁恢复了正常性能并带来了显著提升，例如将 Llama 3.2 1B 的标记吞吐量从 10.0 提升至 24.3 tokens/s，将 Qwen3-8B 从 1.36 提升至 2.97 tokens/s。
对不起。
若要使用 Mastodon 网页应用，请启用 JavaScript。或者，您也可以尝试在您的平台上使用 Mastodon 的原生应用。
近期 Hacker News 上的一场讨论强调了对 Linux 版 Zoom 客户端主动监控 X11 剪贴板的担忧。用户反映该应用程序会持续请求剪贴板访问权限，许多人认为对于一款视频会议软件而言，这种行为具有侵入性。
讨论集中在以下几个核心议题：
* **X11 的局限性：** 批评人士指出，X11 的设计并未考虑到现代安全性；任何连接到 X 服务器的应用程序都有可能窃听输入事件和剪贴板数据，这使得传统的沙盒机制失效。
* **根本原因：** 一些用户发现，这种行为源于底层 Qt 框架（特别是 Qt 6.8.8 版本中的一个已知错误），而非 Zoom 本身的恶意企图。
* **信任与专有软件：** 许多贡献者认为，Zoom 过去存在的安全争议使其桌面客户端不可信。因此，一个普遍的建议是使用基于浏览器的版本，尽管其功能偶尔不及原生应用程序，但能提供更好的隔离性。
* **替代方案：** 高级用户建议使用 Qubes OS 等工具进行严格隔离，或者干脆完全弃用桌面客户端，以防止个人数据受到可能具有“类恶意软件”特征的专有软件的威胁。
2004 年至 2006 年间，作者曾在苹果公司担任 UI 工程师，专注于为在线商店增添交互元素。其中一个值得注意的项目是改进“定制你的 iPod”页面，该页面此前仅是一个静态表单。
为了提升用户体验，作者引入了多项创新功能：可旋转的 3D 效果 iPod（通过 JavaScript 循环切换 JPEG 图片实现）、实时“镌刻”文字预览（通过 ImageMagick 生成），以及使用 CSS “黄色渐变”效果实现的发货预估动态高亮。虽然以今天的标准来看这些技术已显过时，但在 2005 年，它们代表了当时最前沿的网页交互水平。作者指出，尽管技术已大幅进步，但这些解决方案在当时确实令人感到十分“神奇”。
抱歉。
关于 新闻 版权 联系我们 创作者 广告 开发者 条款 隐私 政策与安全 YouTube 工作原理 测试新功能 © 2026 Google LLC
Real-SWE 是一项旨在评估前沿 AI 模型的新基准，它使用私有的真实企业代码库，而非合成或公开数据集。通过利用来自金融科技和 AI 销售平台等具有高风险生产环境公司的授权代码，Real-SWE 挑战模型处理专有系统、复杂业务逻辑以及特定组织编码规范的能力。 与传统基准不同，Real-SWE 测试的是智能体作为专业软件工程师的工作能力。任务被刻意设定得不够详尽，要求智能体自行发现实现细节、维护现有系统的完整性，并处理影响实际业务运营（如计费或税务计算）的跨职能约束。通过采用原生工具在现场评估模型与工具的组合，该基准能够准确衡量 AI 是否能成功应对生产级软件开发的细微差别，而在这些领域，代码质量和运行可靠性至关重要。
抱歉。
本报告总结了 **OpenSCAD** 与 **CadQuery** 的对照测试，旨在确定哪种工具更适合自主式人工智能 CAD 生成。六个智能体被要求设计三个可打印部件——支架、卡扣式外壳和螺旋螺纹，并由独立的网格解析器而非工具自带反馈来验证成功与否。
**主要发现：**
* **性能：** 两种工具均能产生高质量的可打印部件，迭代次数相同。
* **故障模式：** OpenSCAD 倾向于静默失败（产生外观正常但损坏的几何体），而 CadQuery 则会通过报错显性失败，这对无人值守的自动化任务更为安全。
* **验证：** 可视化预览在捕捉严重缺陷方面效果有限。成功与否依赖于数值断言（如体积、干涉、壁厚）。
* **可查询性：** CadQuery 的 B-rep 内核允许 AI 直接查询几何结构，而 OpenSCAD 的“三角网格”迫使智能体必须编写自定义代码才能测量其工作成果。
**结论：**
尽管 CadQuery 在验证方面更胜一筹，但 ModelRift 将保留 OpenSCAD，因其具备速度快、沙盒化及格式简单等优势。未来的开发重点将集中在实现数值验证和基于边缘的渲染，以弥补 OpenSCAD 缺乏原生几何查询功能的不足。
这篇 Hacker News 讨论评估了一篇对比 CadQuery 与 OpenSCAD 在 AI 驱动 CAD 生成方面差异的博文。社区共识对该文评价极低，认为其缺乏深度且忽视了基本的 CAD 原则，属于“AI 垃圾内容”。
**讨论要点：**
* **OpenSCAD 与 CadQuery：** 批评者认为将两者进行对比具有误导性。OpenSCAD 是一种基于 CSG 的声明式工具，易于嵌入，但缺乏可扩展性和真正的工程约束；CadQuery 使用 bRep 内核（NURBS），在功能性、专业级机械设计方面具有数学上的优势。
* **“AI-CAD”的问题：** 经验丰富的用户警告称，从文本生成 CAD 的模型往往会产生脆弱且“幻觉”严重的几何结构。他们指出，成功的 CAD 设计需要领域知识（如理解公差、拔模角度和参数化约束），而 AI 目前难以复刻这些能力。
* **实用性：** 虽然一些业余爱好者认为 AI 在简单的修补（如打印家用物品的替换零件）方面很有用，但工程师们强调，功能性零件需要 100% 的精确度，若没有人工监督和专业的约束化工作流程，通用型 AI 目前无法保证这一点。
参与者普遍认为该领域发展迅速，但提醒人们不要将 AI 视为学习基础工程原理的捷径。