本网站可以通过Nostr在去中心化网络上访问。请安装Nostr Web浏览器扩展程序来查看它。 添加到Chrome 添加到Firefox 对于手动安装或其他浏览器,请访问GitHub。
本网站可以通过Nostr在去中心化网络上访问。请安装Nostr Web浏览器扩展程序来查看它。 添加到Chrome 添加到Firefox 对于手动安装或其他浏览器,请访问GitHub。
## 美国国债超过38万亿美元 本周,美国国债超过38万亿美元,创下历史新高,且在新冠疫情之外,增长速度最快的一次达到万亿美元级别。这一里程碑出现在联邦政府停摆期间,凸显了人们对国家财政健康的担忧。 专家警告说,持续增加债务会导致更高的通货膨胀,削弱购买力,并可能影响未来世代负担住房等重大支出的能力。债务增加也会导致消费者和企业的借贷成本增加,并减少对经济的投资。 特朗普政府声称正在减缓支出——引用自四月以来的赤字减少——但债务仍在迅速增长,几乎每秒增加7万美元。分析师强调债务利息的不断上涨,预计未来十年将达到14万亿美元,这将进一步拉紧预算并阻碍经济增长。彼得·G·彼得森基金会认为,这种情况凸显了立法者缺乏财政责任感。
禁止 您没有权限访问此服务器上的 /~cks/space/blog/web/WeShouldBlockForSocialReasons。
该网站正在使用安全服务来保护自身免受在线攻击。您刚才的操作触发了安全解决方案。 提交特定词语或短语、SQL命令或格式错误的数据等行为可能会触发此阻止。
这个仓库详细介绍了一个为“Easy”编程语言设计的教育性编译器,该语言定义在Charles Wetherell的《程序员练习曲》(1978)中。该项目由一位刚接触编译器设计的开发者使用TypeScript从头开始构建,旨在作为编译器实现和运行时系统的学习练习。
该编译器将Easy代码翻译成C代码,然后使用Clang (17+)将其编译成原生二进制文件。它完全支持Easy语言的语法,但在外部子程序、多个PROGRAM段(只允许一个入口点)和动态数组复制(由于运行时限制,使用浅拷贝)方面存在限制。Easy采用复制语义,深度复制值,但动态大小的数组除外。
一个全面的测试套件,包括像康威生命游戏、Brainfuck和Mastermind这样的程序的实现,验证了编译器。测试生成预期的C输出和控制台结果进行比较。该项目利用手工编写的递归下降解析器,并提供了一个实验性的PEG解析器用于测试。
要运行,需要Node 24+ 或 Bun 和 Clang 17+。程序使用 `easyc run filename.easy` 执行。
启用 JavaScript 和 Cookie 以继续。
美国国务院已移除其人权报告门户(HRG),这是一个于2022年建立的独特在线“举报热线”,用于接收使用美国武器的外国军事单位涉嫌侵犯人权的报告。此举受到了人权组织和负责制定强制建立该门户的法律的关键架构师的批评,他们认为这无视了追踪美国纳税人资助的侵权行为的法律要求。 HRG的设立是为了满足《利希法案》的更新条款,该条款要求美国政府主动征集关于潜在侵权行为的信息,例如法外处决和酷刑。提交的报告包括关于哥伦比亚安全部队在2021年抗议活动中过度使用武力的指控,以及关于以色列国防军在西岸的证据。 国务院表示,它仍然通过其他渠道遵守该法律,但批评人士认为,移除HRG削弱了问责制,并降低了外国政府解决侵权行为的积极性。此举正值国务院进行更广泛的重组,包括削减人权监测办公室的预算,引发了人们对美国对国际人权标准的承诺减弱的担忧。
## CRDT:保持分布式系统同步
无冲突复制数据类型 (CRDT) 是为分布式系统设计的,允许节点之间独立更新,同时保证最终一致性。与需要通信和达成共识的传统协调方法不同,CRDT 通过确定性冲突解决实现收敛。
并发操作被定义为那些*非*因果关系的操作——意味着一方不知道另一方。虽然并发并不总是意味着冲突,但管理它对于数据一致性至关重要。CRDT 提供了一种解决方案,即实现“强最终一致性”——所有副本最终将达到相同状态,而无需持续协调。
主要有三种类型:**基于状态**(共享完整状态)、**基于操作**(共享操作)和 **基于增量**(仅共享更改)。例子包括 G-计数器(仅增长)和 PN-计数器(正负)。
CRDT 在协作编辑(例如 Notion)、离线优先应用程序和高可用系统(例如 Redis)等场景中表现出色,在这些场景中,可用性是优先考虑的。虽然 Google Docs 等系统目前使用操作转换 (OT),但由于 CRDT 的去中心化特性和对中央服务器的依赖性,CRDT 被认为是自然的后继者。
## LLM 偏见:研究结果摘要 一项最新研究调查了 OpenAI、Google 等公司领先的大型语言模型 (LLM) 是否存在意识形态偏见。研究人员设计了一个实验,向模型呈现八个社会政治类别的成对陈述——从进步 vs. 保守到市场 vs. 国家——并要求它们选择“更符合事实且逻辑支持”的选项。每个提示对每个模型运行 100 次,以评估响应分布。 结果表明,LLM *并非*意识形态中立。不同的模型表现出不同的“个性”,偏爱各种立场(进步、自由主义、监管等)。一些模型经常拒绝回答,尤其是在堕胎等敏感话题上。 这种可变性凸显了所选模型可以显著影响用户接收到的信息。该研究发现响应存在明显差异,一些模型始终偏向于某个论点的一方,而另一些模型则保持犹豫。对于依赖 LLM 的用户和构建这些系统的开发者来说,意识到这些偏见至关重要,因为隐藏的偏见可能会微妙地塑造理解和决策。研究结果强调,LLM 并非仅仅是客观工具,而是反映了其训练数据和对齐过程中固有的偏见。
本文探讨了繁忙海狸问题(寻找在停止前输出最多1的图灵机)与考拉兹猜想之间的潜在联系。考拉兹猜想涉及重复应用一个函数到一个数字:如果数字是偶数则除以2,如果是奇数则乘以3并加1,目标是达到1。
作者研究繁忙海狸图灵机,已知其磁带模式有时会表现出类似考拉兹的行为,是否实际上*模拟*特定的考拉兹序列。描述了一种修改后的“考拉兹磁带”——一个根据考拉兹函数输出(模3)翻转磁带单元格的磁带,读写头根据数字是奇数还是偶数向左或向右移动。
提出的问题是,繁忙海狸是否可以使用这种磁带机制生成镜像考拉兹数字行为的模式,特别是达到类似于考拉兹序列达到1的状态。以n=371581为例来说明磁带的发展。