每日HackerNews RSS
Remember Hong Kong
40 天前
此仓库包含跟随博客 https://werwolv.net/posts/linux_bringup/ 所需的所有源代码。 /lib 包含完整的 rv32ima 指令集模拟器代码以及一组最小化的模拟设备。 /main 包含机器配置和为 WebAssembly 使用而暴露的函数。 构建 Linux 所需的所有配置文件均位于 /boot 目录下。主可执行文件也要求所有构建出的二进制文件存放在 boot 文件夹中。 riscv32-unknown-linux-gnu.config 是 crosstool-ng 工具链的配置文件。 riscv_emulator_defconfig 是 Linux 内核的配置文件。 device_tree.dts 是最小化的设备树。可以使用 `dtc -I dts -O dtb device_tree.dts -o device_tree.dtb` 编译为 dtb。 init.c 是初始化程序。可以使用 `riscv32-unknown-linux-gnu-gcc -static init.c -o init` 编译。 initramfs.txt 是用于生成 initramfs 的 gen_init_cpio 配置文件。可以使用 `usr/gen_init_cpio initramfs.txt -o initramfs.cpio` 编译为 cpio。
Instagram负责人表示，如果没有算法，用户互动量将减半。 Instagram's head says engagement falls by half without the algorithm
40 天前
本网站正在使用安全服务来保护自身免受网络攻击。您刚才的操作触发了安全防御机制。触发此拦截的原因可能有多种，包括提交了特定的词汇或短语、SQL 命令或格式错误的数据。
这篇 Hacker News 讨论聚焦于 Instagram 负责人亚当·莫塞里（Adam Mosseri）的承认：当关闭平台的推荐算法时，用户参与度和满意度会显著下降。
大多数用户将这种“参与度下降”视为一种积极的发展，认为这证明了算法主要是一种让人上瘾的工具，而非为了使用者的利益。许多评论者将这种情况与烟草行业相提并论，认为社交媒体公司本质上是“毒品供应商”，通过武器化人类心理来最大化网站停留时间，从而赚取广告收入。
该讨论帖突显了用户对 Instagram 和 Reddit 等社交平台“粪化”（enshittification）的普遍不满。用户强烈偏好简单的按时间顺序排列的信息流，而非算法推荐，即使这意味着看到的“内容”会变少。许多人建议，行业对成瘾性、强制推送信息流的依赖应通过监管来解决，例如禁止无限滚动，或将推荐算法视为受健康法规监管的产品。归根结底，大众的共识是，如果取消算法会导致参与度下降，那并不是需要解决的“问题”，而是说明当前的模式本身就是有害的。
Waymo 效应：人工智能正如何悄然削弱科研协作 The Waymo effect: how AI is quietly making research less collaborative
40 天前
在这篇文章中，丹尼尔·胡克（Daniel Hook）探讨了“Waymo效应”——即将消除摩擦等同于进步的倾向。正如自动驾驶汽车通过消除司机的社交“摩擦”，为内向者提供了舒适的独处通勤方式一样，大语言模型（LLMs）也通过取代不可预测的人类合作者，为研究人员提供了一种毫无阻碍的写作与润色工作的方式。 胡克认为，这种转变是危险的，因为人类协作中的“不便之处”——即自我意识、反方观点和独特的视角——正是推动学术严谨性和新发现的根本机制。当前的学术结构通过激励速度和产出，鼓励了一种“去合作化”的趋势，使研究人员优先选择 AI 的便捷，而非与他人共同思考时产生的“必要的困难”。 他警告称，我们正在用偶然性换取吞吐量，这场全球性的实验存在缩小思想多样性的风险。为了应对这一点，胡克敦促研究机构的领导者“资助摩擦”。机构必须认识到，思考是一个社会化的过程，并优先建立那些激励人际联系而非单纯产出的结构。他最后总结道，虽然 AI 可以作为强大的“自动驾驶仪”，但我们必须确保人类研究人员始终是掌控全局的飞行员。
这份来自 Hacker News 的讨论围绕着一篇题为《Waymo 效应：人工智能如何悄然降低研究的协作性》的文章展开。讨论主要集中在两个核心争议：文章是否由人工智能生成，以及自动化消除人际摩擦带来的深层社会影响。
**1. 关于“AI 垃圾内容”的争论：**
许多评论者一眼便指出该文章是由 AI 生成的，并指出了其中的重复性套路（例如“这不是 X，而是 Y”）、对“悄然”一词的过度使用，以及缺乏真实的人类“声音”。这场讨论反映出人们对各大平台上日益增多的“AI 撰写”内容感到愈发厌倦。像 *Pangram* 这类检测工具的支持者认为，这些工具对于维护以人为本的讨论质量至关重要；而另一些人则批评这种“猎巫”氛围，认为讨论的重点应在于内容本身的有效性，而非其来源。
**2. 无摩擦生活的代价：**
文章认为，“摩擦”——例如与出租车司机尴尬的对话，或是团队合作中的磨合——实际上是人类连接的本质。这一观点的批评者认为，像 Waymo 这样的人工智能工具和服务使人们能够绕过琐碎、不必要的互动，从而专注于高价值工作或个人独处。相反，怀疑论者警告称，“无摩擦”的 AI 代理正在制造一个个“肉身代理”孤岛，这些人缺乏真正的领域专业知识，进而侵蚀了研究和专业环境中的集体智慧及真实的点对点协作。
开发者 dmonterocrespo 最近在 Hacker News 上分享了一个项目：一个基于 QEMU 的 iPod Classic 6G 模拟器，能够运行未经修改的苹果原始零售版操作系统。经过数月的逆向工程，作者成功克服了加密固件和缺乏 SoC 数据手册等难题，实现了用户界面、音乐库和屏幕渲染功能。
该项目引发了关于人工智能在技术工作中作用的激烈辩论。模拟器社区的一些资深开发者表达了不满，认为作者过度依赖 AI 生成的内容，将其视为掩盖深层手动技术工作并存在文档不准确风险的“垃圾内容”。批评者还对作者最初的项目呈现方式提出了异议，指出其对社区项目名称的使用错误，且缺乏严谨的方法论。
对此，作者坚称虽然在过程中使用了 AI 工具辅助，但该项目仍需要大量的研究、手动调试以及与现有模拟社区的合作。目前该项目仍在进行中，未来的目标包括启用 Cover Flow 功能，并可能在树莓派 Zero 等硬件上运行该模拟器，以重现经典的 iPod 体验。
RTK 报告显示节省了 token，但我们的成本基准测试结果并不一致。 RTK reports token savings, but our cost benchmarks disagree
40 天前
RTK（Rust Token Killer）是一款旨在通过压缩终端输出以降低 AI 编码成本的常用工具。然而，通过 Terminal-Bench 2.1 对 1,740 次测试进行的严谨分析表明，RTK 并不能持续节省成本，在某些情况下反而会增加开支。 研究结果指出了以下几个关键问题： * **指标误导性**：RTK 的“收益”指标追踪的是压缩字节数，而非实际计费的 Token 数。报告中显示的大额节省通常源于那些本身输出就有限的命令。 * **影响微乎其微**：终端输出在总上下文中所占比例较小，且现代 AI 模型已经能够通过 `head` 或 `tail` 等命令熟练地控制输出。 * **“回合”惩罚**：RTK 有时会迫使智能体进入不必要的循环或产生更长的序列来达到相同结果。由于额外一次智能体交互的成本通常高于压缩节省的费用，该工具可能会无意中推高总账单。 * **结论**：虽然 RTK 对旧版模型或许有用，但如今它已基本沦为一种小众优化手段。对于现代前沿模型，它无法提供可靠的经济效益，因此不建议作为通用的成本节约方案使用。
最近的一场 Hacker News 讨论凸显了人们对 RTK 等“节省 Token”工具的普遍怀疑，这类工具号称可以通过压缩 CLI（命令行界面）输出来降低 AI 编程成本。
用户大多认为这些工具是“江湖骗术”，并提出了三点主要顾虑：
1. **基准测试有误：** 批评者指出，像 RTK 这类工具往往呈现误导性的指标（例如，声称“节省”了模型本就会忽略的 Token），或者未能考虑到模型因困惑而重试任务时所产生的额外 Token 成本。
2. **模型性能下降：** 大语言模型是在标准 CLI 输出格式上训练的。通过修改或“压缩”这些数据，这些工具往往会破坏模型的预期，导致幻觉、死循环和任务失败。
3. **更简单的替代方案：** 参与者建议，真正的效率提升来自更好的提示词技巧（例如，指示代理使用 `--quiet` 模式，或使用 `head -c` 手动限制输出），而不是安装外部封装工具。
尽管一些用户尝试了语义搜索或结构化导航（如基于 tree-sitter 的工具），但普遍共识是，这些“魔法”压缩工具往往适得其反。许多贡献者得出的结论是，最可靠的方法是依赖模型原生的推理能力，或是简单的手动终端覆盖指令。
Claude 仅限 18 岁及以上用户使用。为确保合规，我们利用安全系统检测潜在的未成年人活动。若账户被标记，用户必须通过年龄验证才能恢复访问权限。 我们与安全第三方平台 **Yoti** 合作进行验证。用户可选择以下三种方式之一：面部年龄估算（自拍）、上传身份证件（如护照或驾驶执照），或使用 Yoti Digital ID 应用程序。 隐私至上：Yoti 符合 SOC2 标准，并在验证过程结束后立即删除所有提交的图像和个人数据。Anthropic 绝不会查看或存储您的身份证件或照片；我们仅会收到简单的“通过/失败”通知，以确认您的使用资格。
此次讨论反映了 Hacker News 上关于 Anthropic 为其 AI 平台实施年龄验证（通过 Yoti）所引发的两极化争论。
**核心观点：**
* **支持限制派：** 许多人认为 AI 公司优先考虑的是规避法律责任。通过排除未成年人，他们可以避免潜在的监管处罚（如 COPPA 或加州的 SB-1119），以及因 AI 诱导伤害（例如鼓励自残或提供不当心理健康建议）而引发的舆论风波。
* **怀疑与隐私派：** 大量用户将其视为“合规表演”或变相的“身份搜集”。批评者担心，即便通过第三方，要求提供政府签发的身份证件或生物识别数据也会带来巨大的安全风险，并提到了近期此类验证服务发生的高调数据泄露事件。
* **发展与自由派：** 许多评论者（包括家长）认为，限制青少年使用大语言模型（LLM）是有害的。他们将 AI 视为一种培养创造力、编程技能和智力发展的“博学”工具，并将其比作早期的互联网或公共图书馆。他们认为，“保护儿童”往往是推行渐进式极权主义的借口，孩子的使用权限应由家长而非企业或国家来管理。
目前的共识是，尽管诉讼风险使这成为 Anthropic 合理的商业举措，但这正在推动一场转向本地部署、开放权重 AI 模型的广泛运动，以此作为规避企业和政府监控的一种方式。
抵制“人工智能” Resist "AI"
40 天前
本文认为当前的“人工智能”从根本上是有害的，并敦促个人、企业和开发者积极抵制其应用。作者主张，尽管人工智能具有诱惑力且看似有益，但它对社会、环境和个人而言并非净收益。 反对人工智能的核心论点包括： * **环境影响：** 训练和运行大规模模型会消耗大量的电力和水资源，对地球构成威胁。 * **智力退化：** 依赖人工智能会阻碍深度理解和精通，因为它鼓励被动消费而非积极的批判性思维。 * **人力成本：** 人工智能正被用于取代工人，在缺乏社会保障网的情况下，造成了严重的经济不稳定。 * **诱导性：** 人工智能被设计成能够模仿同理心和尊重，通过“伊莱扎效应”（Eliza effect）操纵用户。 作者建议以怀疑和实验的态度对待人工智能，敦促领导者和专业人士将真相和人类福祉置于效率之上。文章最终得出结论：人工智能充其量是“混乱中立”的——这是一种既不理解真理也不关心人类福祉的技术——应当以极度谨慎的态度对待，甚至应彻底拒绝。
Hacker News 上关于 Ron Jeffries 呼吁“抵制 AI”的讨论，凸显了软件从业者在大型语言模型（LLM）职场定位上的严重分歧。
许多参与者表达了深刻的职业疏离感，指出依赖 AI 会导致与代码产生“脱节”，并使工作环境中充斥着低质量的 AI 生成内容。批评者认为，这些工具正在侵蚀工匠精神，导致技能退化，且因未经授权使用人类创作的数据而存在伦理问题。
相反，一些评论者则认为这种抵制是徒劳的，将其比作历史上的卢德运动。他们主张 AI 是不可避免的生产力提升工具，能够让开发者专注于更高级的问题解决，而非琐碎的体力劳动。支持者认为，“抵制”不过是那些不愿适应的人产生的情绪化反应，最终可能导致他们被行业淘汰。
这场辩论背后的根本问题，是对知识工作“工业化”的广泛担忧。虽然有些人提倡在严格的人工主导防护下使用 AI，但另一些人认为，真正的核心问题在于企业优先追求速度和利润，而非人的能动性和专业质量。