每日HackerNews RSS
在 2026 年美国广播电视展（NAB 2026）上，精密授时领域最突出的创新是日本国家信息通信技术研究所（NICT）开发的无线同步协议——Wi-Wi STAMP。该技术运行在 900 MHz 频段，实现了卓越的皮秒级相位同步和毫米级定位精度。
目前的原型机展示了 20ps 的抖动和 30ns 的时间同步精度，未来版本的目标是达到 5ns。与全球导航卫星系统（GNSS）不同，Wi-Wi STAMP 具有更强的室内信号穿透能力，使其成为复杂环境下的一种可行的无线替代方案。展会上的演示突显了其多功能性，应用范围涵盖专业广播摄像机的无线黑场同步以及移动物体的实时追踪。
随着广播行业向 SMPTE 2110 和 AES67 等标准转型，高精度授时变得至关重要。对于传统的有线基础设施或 GNSS 覆盖不可行或成本过高的行业，Wi-Wi STAMP 提供了一种突破性的解决方案。随着行业向更加集成化的网络授时方向发展，这项技术代表了无线同步领域的重大飞跃。
**Models.dev** 是一个社区驱动的开源数据库，提供 AI 模型的标准化规格、定价和能力信息。它旨在填补集中式注册表的空白，并为 AI SDK 及其他工具提供可靠的数据源。
该数据库的结构为按提供商和模型组织的 TOML 文件集合，Logo 以 SVG 格式提供。数据可通过公共 API (`https://models.dev/api.json`) 获取。
**如何贡献：**
* **添加提供商：** 在 `/providers` 下创建一个目录，包含 `provider.toml`（配置文件）和 `logo.svg`。
* **添加模型：** 在提供商的 `/models` 目录下创建一个 TOML 文件，定义上下文限制、成本和支持的模态等技术规格。
* **复用模型：** 使用 `[extends]` 功能，让封装模型继承来自规范提供商的定义，从而保持数据库的 DRY（不要重复自己）原则。
所有贡献都会通过 GitHub Actions 进行自动化验证，以确保符合架构要求。开发者可以使用 Bun 在本地运行项目以预览更改。Models.dev 由 SST 团队管理，诚邀社区共同维护和扩展这一全面的 AI 资源。
Linux 音频子系统正经历着活跃度的激增，这与近期网络子系统补丁数量的上升相呼应。维护者 Takashi Iwai 指出，虽然大多数更新属于微小调整，但其中包含了针对 HD-audio 中断请求 (IRQ) 处理、核心系统“释放后使用”(UAF) 漏洞以及各种特定设备异常行为的重要修复。
值得注意的是，目前相当一部分贡献被标记为由 Claude Code 和 GPT-5.5 等人工智能工具“辅助完成”。最新的合并请求包含了一系列广泛的改进，包括针对惠普和华硕笔记本电脑的 Realtek 驱动程序调整、音频 LED 修复，以及为英特尔即将推出的 Panther、Nova 和 Arrow Lake 处理器所做的准备性更新。
近期有报道称 Anthropic 即将迎来首个盈利季度，但这遭到了外界的强烈质疑。《华尔街日报》指出该公司有望在 2026 年第二季度实现营业利润，但批评者认为这并非业务本身的成功，而是“财务工程”的结果。
所谓的盈利似乎只是短期内的反常现象，由 SpaceX 提供的临时性计算折扣优惠所驱动，而非公司经济模式的根本性转变。批评者指出，Anthropic 的成本通常随收入线性增加，其“利润”依赖于非公认会计准则（non-GAAP）的核算方式，且收入报告可能存在水分，这与其首席财务官此前在宣誓下的陈述存在矛盾。
此外，这些消息泄露的时机恰逢融资轮次及英伟达发布财报之际，暗示这是一种维持人工智能行业估值的战略手段。怀疑论者将这些模糊的指标与 WeWork 等公司过去使用的财务手段相提并论，并警告称 Anthropic 的真实财务状况依然不透明。在缺乏公开财务报表的情况下，这些数字应被视为宣传叙事，而非证明当前人工智能商业模式可持续的确凿证据。
arXivLabs 是一个允许合作者直接在我们的网站上开发并分享 arXiv 新功能的框架。与 arXivLabs 合作的个人和组织都认同并接受我们对开放、社区、卓越和用户数据隐私的重视。arXiv 始终坚持这些价值观，并仅与遵循这些价值观的合作伙伴进行合作。如果您有能为 arXiv 社区创造价值的项目构想，请了解更多关于 arXivLabs 的信息。
我再次开始写作了。对于那些仍在这里的读者——考虑到已经过去了这么久，“仍在这里”实在是一种真正的耐心——谢谢你们。自 2022 年以来，我一直没有写过专栏。像其他人一样，这段时间我一直忙于人工智能，与两位合伙人共同创立了一家名为 2Brains 的公司（为什么不是 3Brains 我永远也不会知道），我很快会向大家解释。我们共同进行的工作尚未完成，但并没有停止。专利已经申请，架构已经记录在案，而继续这项工作的小型团队中也包括我。写作是我思考方式的一部分；三年没有写作，感觉……
访问被拒绝。您没有权限访问此服务器上的 "http://www.uscis.gov/newsroom/news-releases/us-citizenship-and-immigration-services-will-grant-adjustment-of-status-only-in-extraordinary"。参考编号 #18.cd753617.1779480220.3dc4a96e https://errors.edgesuite.net/18.cd753617.1779480220.3dc4a96e
对 Bun 未发布的 Rust 移植版本的审计显示，该项目中存在 13,365 个 `unsafe` 代码块。这些代码块主要源于项目从最初的 Zig 实现迁移、FFI 边界以及追求高性能的设计。 审计的主要结论包括： * **当前状态：** 目前可用的 Bun 版本仍为最初的 Zig 实现；Rust 移植版本尚未发布。 * **安全性审计：** 分析发现在计数的 `unsafe` 代码块之外，还存在 5 处可触发的未定义行为（不健全/unsoundness）。 * **重构潜力：** 在 13,365 个 `unsafe` 代码块中，约有 9,300 个被认为可以使用安全的 Rust 代码替代。其余 4,000 个因必要的 FFI 边界和性能要求，预计将保持 `unsafe` 状态。 * **方法论：** 审计团队采用严格的分类流程，根据根本原因和“可修复性”对每个代码块进行了分类。他们提供了完全透明的信息，包括 `ripgrep` 命令和原始数据，允许开发人员独立验证审计结果。 Bun 计划遵循一份八步路线图，在移植版本发布前解决已识别的不健全问题，并将大部分 `unsafe` 代码迁移为安全实现。
Anthropic 的“玻璃翼计划”（Project Glasswing）是一项协作倡议，旨在利用其“Claude Mythos 预览版”AI 模型，在恶意攻击者利用软件漏洞之前识别并修复关键漏洞。仅在一个月内，该项目及其 50 多家合作伙伴就在关键基础设施和开源软件中识别出了超过 10,000 个高危或严重级别的漏洞。 该项目表明，AI 能够以空前的速度和精度发现漏洞，往往优于人工测试人员。然而，这些成果带来了新的瓶颈：人类在验证、分类和修复这些缺陷的能力上存在限度。尽管发现漏洞变得更加容易，但行业仍受限于手动安全更新的缓慢节奏。 为解决这一问题，Anthropic 提供了“Claude Security”和专业研究资源等工具，帮助开发者加快修复周期。出于对潜在滥用风险的安全考量，Anthropic 尚未向公众发布 Mythos 级模型。相反，该倡议专注于赋能防御者，以加强系统抵御不断变化的威胁环境。其最终目标是转向一个更安全的数字生态系统，通过人工智能辅助的主动修复，显著降低可被利用软件的普遍性。