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。
每日HackerNews RSS
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。
为了避免在 iOS、Android 和 Web 上重复编写相同功能所带来的错误和维护开销，作者正将应用程序逻辑整合到一个共享的 **Rust 核心**中。
该策略不再将各个平台视为独立的实现，而是利用 Rust 处理“业务逻辑”（如账户状态、游戏引擎和网络协调），仅让原生外壳（Swift、Kotlin 和 JavaScript）处理 UI 渲染和操作系统集成等设备特有的事务。
**主要优势包括：**
* **一致性：** 逻辑（例如用户名验证、存档处理和会话管理）只需编写和测试一次，消除了各平台之间行为的差异。
* **解耦架构：** 通过使用序列化 JSON 和 ABI 绑定，Rust 运行时与宿主的 UI 框架保持解耦。
* **简化工具链：** 通过将资产验证、变形几何处理和多人游戏状态协调等复杂任务卸载到共享的 Crate 中，团队无需发布三个单独的平台版本即可更新游戏内容或规则。
最终目标是将原生代码减少到集成所需的最低限度，将多元化的客户端生态系统转化为围绕单一稳健基础构建的精简且可靠的外壳。
这篇 Hacker News 帖子讨论了 **Cubacadabra** 的技术实现，该项目使用了 Luau 语言。
讨论始于一位用户对该项目使用 `-- @import` 语法进行跨文件类型检查，而非使用标准 Luau `require()` 调用的质疑。项目创建者 Andrew 承认了这一批评，并坦言这种自定义语法是一个设计失误。因此，团队更新了工具链以支持标准的 `require("./file")` 导入，同时对 SDK 模块使用了别名（例如 `@cubacadabra/shared-state`）。
除了技术问题外，讨论还转向了其他方面的评价。用户抱怨其落地页缺乏清晰的项目描述，导致访客必须深入挖掘链接才能了解产品内容。另一些用户则嘲笑了其 UI 设计，特别是那个“抖动”的标题图片，部分用户将其归因于“氛围编程”（vibe coding）——这是一个贬义词，用来形容目前利用人工智能生成软件的趋势。批评者认为，这种方式往往导致软件体验糟糕、粗糙或不符合常规。
作者向 Anthropic 公司首席执行官达里奥·阿莫代（Dario Amodei）发起挑战，要求他超越近期提出的“嵌入式评估员”方案，转而倡导一项真正能减缓人工智能发展的政策：**强制要求所有公开发布的人工智能模型必须采用开放权重。**
作者认为，当前的监管提案（如算力阈值和行业协调）容易受到“监管俘获”的影响。这些规则通过制造小型竞争对手难以负担的复杂合规负担，有效地保护了成熟企业，最终不仅没能减缓发展，反而巩固了现有巨头的市场垄断地位。
相比之下，要求任何面向公众的模型必须以开放权重的形式发布，将从根本上改变该行业的经济模式。通过削弱这些模型的专有价值，可以减少驱动快速、失控训练运行的大规模资本投入。作者呼吁阿莫代秉持其一贯的原则与使命感，并指出作为一家公益公司，Anthropic 具有独特的地位来引领这一牺牲。通过呼吁开放权重，阿莫代可以证明其将安全置于利润之上的承诺，并迫使整个行业实现无法被操纵或规避的减速。
Hacker News 最近的一篇帖文《致 Dario 的一封公开信：如果你是认真的，就公开模型权重》引发了关于人工智能安全与监管的两极化讨论。作者认为，由于前沿人工智能的发展依赖于巨额资本，而资本又依赖于专有模型，因此如果美国法律强制要求所有公开的人工智能模型必须“开放权重”，这将导致估值缩水、训练资金减少，从而有效地减缓人工智能的进步。
讨论区中的批评者称该提案逻辑不通且不切实际，认为它忽视了全球竞争，因为非美国实验室将继续推进自己的专有模型，同时还能从泄露的权重中获益。另一些人则认为，此举只会将人工智能开发推向“黑暗”或仅限企业的孤岛，进一步集中权力。
许多评论者将该提案视为一种“减速主义”策略或监管俘获的形式。怀疑论者指出，人工智能实验室的动力源于利润和权力，它们不太可能同意这种被批评者称为“经济自杀”的行为。总而言之，这场讨论反映出人们对人工智能公司首席执行官动机的深切怀疑，以及关于透明度与保密性孰优孰劣以实现人工智能安全问题的广泛分歧。
经过两年多的开发，Rust 贡献者“waffle”成功稳定了“never”类型（`!`）。该类型表示永远不会返回结果的计算，例如无限循环或会导致程序退出的函数。 此次稳定化带来了两大主要优势： 1. **效率：** 它允许编译器通过消除不可达的分支，来优化泛型代码（例如无失败转换）。 2. **类型推断：** 它通过为不返回的表达式提供统一类型，简化了语言本身，使其能够自动强制转换为任何其他类型。 这一过程涉及处理复杂的“never fallback”问题，需要对类型推断进行细微的向后不兼容更改。通过利用“crater”工具对整个 Rust 生态系统进行测试，维护者识别并解决了数千个 crate 中潜在的破坏性问题。尽管一些旧代码可能需要显式类型标注才能编译，但这一更改实现了该语言长期以来的目标。从 Rust 1.99 版本开始，`Infallible` 类型将成为 `!` 的别名，从而完成过渡，使语言的类型系统更加一致且高效。
彭博 (Bloomberg) 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 为继续操作，请勾选下方方框以验证您不是机器人。 为什么会发生这种情况？ 请确保您的浏览器已启用 JavaScript 和 Cookie，且未阻止其加载。 欲了解更多信息，您可以查阅我们的服务条款和 Cookie 政策。 需要帮助？ 有关此消息的咨询，请联系我们的支持团队并提供下方的参考 ID。 拦截参考 ID：02caf6a2-aedd-11f1-970c-9ab8954f30bd 订阅 Bloomberg.com，随时随地获取最重要的全球市场资讯。 立即订阅
抱歉。