21 世纪课堂乐理 跳转至主要内容 目录 索引 上一页 向上 下一页
每日HackerNews RSS
抱歉。
四色定理指出，任何地图最多只需四种颜色即可完成着色。该定理的历程充满了争议与创新。阿尔弗雷德·肯普（Alfred Kempe）于1879年提出的最初证明虽包含瑕疵，却引入了极具价值的“肯普链”概念。最终，该定理的证明依赖于计算机：1976年，肯尼斯·阿佩尔（Kenneth Appel）和沃尔夫冈·哈肯（Wolfgang Haken）将问题简化为1482种构型，并通过超级计算机完成了验证。这种对计算的依赖引起了数学界的质疑，人们对机器辅助证明的可靠性存有疑虑。 该证明在1997年得到改进，仅需633种构型，从而获得了更广泛的认可。然而，河原林健一（Ken-ichi Kawarabayashi）和米克尔·索鲁普（Mikkel Thorup）等现代研究人员对这些结果的效率仍不满意。尽管现有方法证实了该定理的有效性，但为具有 $n$ 个顶点的图进行着色的算法过程计算成本依然很高，需要 $n^2$ 个步骤。如今，人们对该经典问题的探索仍在继续，目标是从单纯的验证转向寻求更优雅、更高效的计算解决方案。
这篇 Hacker News 的讨论聚焦于近期关于“四色定理”的一个复杂新证明。许多讨论反映了数学界长期存在的一种挫败感：即依赖计算机辅助的逐案枚举，而非优美且易于理解的人类逻辑推导。
用户们围绕“证明”的定义展开辩论，将传统的数学之美与现代的“形式化验证”进行对比。许多评论者认为，与其他拓扑学问题相比，四色定理因难以用简洁直观的方案解决，其对大规模计算验证的依赖让人感觉更像是一种暴力破解，而非严格意义上的证明。一些参与者希望未来能通过人工智能或新的研究提供一种更易理解的替代方案；而另一些人则怀疑针对这一特定问题是否存在“纯粹”的证明。归根结底，该讨论凸显了数学界对逻辑确信的追求与现代计算机生成结果难以捉摸这一现实之间的张力，并指出，尽管困难重重，但持续尝试通过人工攻克该定理对数学家而言依然是一项至关重要的任务。
**BPF Capsule** 是一个编译器和运行时环境，能够让复杂的 C、C++ 和 Rust 应用程序（如 DOOM、SQLite 和 Python）直接作为 eBPF 程序在 Linux 内核中运行。 通常情况下，eBPF 受限于严格的验证器，该验证器禁止递归、复杂指针和无界循环，导致大型应用程序无法执行。Capsule 通过将程序转换为“区域（regions）”和“纤程（fibers）”的自定义架构，绕过了这些限制。 Capsule 并没有将程序视为单体，而是将其分解为小的、可验证的块（区域）。虚拟机调度程序会按顺序执行这些区域，确保每一步都足够短，从而能够通过验证器的安全检查，同时利用软件定义的栈来处理必须跨越边界持久存在的数据。它还利用 `bpf_arena` 等内存共享技术来维持内核可验证的指针来源。 虽然 Capsule 的目的并非作为安全沙箱，但它证明了复杂的应用程序逻辑可以驻留在内核中，以执行诸如数据包处理等高性能任务。尽管其运行速度明显慢于原生的用户空间代码，但它以极小的开销实现了功能对等，为在现代 Linux 内核的安全约束内运行复杂、长期的逻辑提供了一条途径。
开发者 "ayles" 成功将《DOOM》移植到 Linux 内核的 eBPF 环境中运行，该环境通常受到严格的内存和循环限制。该项目从最初的手动代码重构，演变为利用 LLVM 通路、人工智能辅助开发以及 `bpf_arena` 特性来绕过标准验证器的约束，从而实现自动化移植。
通过虚拟化内存访问并实现用于管理无限逻辑的分派循环（dispatch-loop），开发者成功将该项目扩展至《DOOM》之外。目前，该系统已支持直接在 eBPF 运行时中运行复杂的通用软件，包括 Lua、Llama2（通过软浮点实现）和 CPython。
尽管该项目在内存管理和 eBPF 字节码执行方面展现了深厚的技术功底，但其配套的博客文章在 Hacker News 上引发了讨论。用户在称赞其底层工程成就的同时，也对作者依赖人工智能撰写文章的做法进行了辩论。尽管存在文体方面的争议，该项目仍被公认为是对 eBPF 虚拟机边界的一次重大且创新的探索。
为了缩短 Java 应用程序的启动和预热时间，HotSpot JVM 现在允许将“训练运行”期间生成的优化原生代码存储在提前编译（AOT）缓存中。这些预编译代码在生产环境应用启动时立即可用，从而显著降低了对低效字节码解释器和早期即时（JIT）编译的依赖。
主要功能包括：
* **无缝集成：** 无需对应用程序或配置进行任何更改；系统扩展了现有的 AOT 缓存工作流程。
* **性能灵活性：** AOT 代码与 JIT 代码共存。如果生产环境的工作负载与训练运行不符，JVM 会自动对方法进行反优化和重新优化，确保峰值性能始终保持一致。
* **透明化：** AOT 与 JIT 编译之间的转换对应用程序是不可见的，从而保持了 Java 平台的便携性和动态特性。
* **兼容性：** 支持 AArch64 和 x64 架构，并在相同的 CPU 特性和垃圾回收器之间保持一致。
基准测试显示，启动速度提升了 65%–80%，预热速度显著加快。这既提供了静态编译的速度优势，又保留了动态 HotSpot 环境固有的灵活性和优化能力。
JEP 544 提出了一种让 HotSpot JVM 缓存并复用已优化原生代码的机制，旨在显著提升 Java 应用的启动和预热速度。
尽管该提案被视为积极的一步，但在 Hacker News 的讨论中仍引发了一些争议：
* **复杂性与收益：** 用户担心生成最优代码所需的“训练运行”（training runs）设置过于繁琐。许多人认为，与 Go 或 Rust 等语言相比，当前的 Java 工具链过于碎片化，且分发难度更大。
* **与其他方案的比较：** 评论者指出，类似技术已存在于 OpenJ9、Android 的 ART 以及 Excelsior JET 等商业解决方案中。一些人认为 Java 只是在追赶其他生态系统（包括 .NET）多年来已提供的功能。
* **JIT 与 AOT 的权衡：** 普遍的共识是，虽然 AOT 对降低启动延迟非常有效，但与完全预热后的 JIT 编译器相比，它往往会牺牲峰值吞吐量。JEP 544 试图通过允许 JVM 在加载 AOT 编译代码后继续进行 JIT 优化来弥补这一差距。
* **分发方面的担忧：** 开发者渴望拥有一种统一、简单的构建工具（即“新手友好型构建工具”），能够集成这些功能，而无需他们手动管理复杂的安装脚本或构建配置。
Cognition 推出了 **SWE-2**，这是一个基于 Kimi K3 底层构建的 2.8 万亿参数混合专家模型（MoE）。通过将强化学习（RL）扩展至万亿参数规模，Cognition 在大多数基准测试中将基准性能提升了 5–6 个点。
该模型采用了先进的推理技术，包括 FP8 内核和预填充延迟器（prefill delayer），以提高吞吐量。值得注意的是，SWE-2 在代理编码任务中实现了高效表现：它超越了之前的 SWE-1.7 版本，同时交互轮次减少了 58%，成本降低了 81%。Cognition 声称其在 FrontierCode 上的表现具有竞争力（50.0），仅以微弱差距落后于 Claude Fable 5.1 和 GPT-6 Astra 等顶级模型，且运行成本显著降低。
然而，SWE-2 在长视程任务上表现吃力，其在 Terminal-Bench 4.0 上的得分低于前沿模型便证明了这一点。该模型目前为闭源，仅可通过 Devin 生态系统（桌面端、CLI 和 Fusion）使用，暂不提供公共 API。所有性能数据均由 Cognition 自行报告，尚待独立验证。
抱歉。
Show HN：MultiMatte，一个可提示的图像背景移除模型 Show HN: MultiMatte, a Promptable Image Background Removal Model
41 天前
Feyn 推出了 **MultiMatte**，这是一个强大的背景移除模型，允许用户通过文本提示提取特定对象。MultiMatte 基于 Meta 的 SAM 3 构建，通过从二值掩码转向连续的 Alpha 遮罩，显著提升了分割精度。这种方法使模型能够精准捕捉头发等精细、半透明或模糊的细节，而这些细节通常是二值化模型难以处理的。 为了构建 MultiMatte，研究人员对 1949 万个参数应用了低秩自适应微调（LoRA），这仅占原始模型权重的 2.27%。这种高效的更新在保留 SAM 3 核心文本对齐能力的同时，大幅提升了分割性能。在 DIS-VD 基准测试中，MultiMatte 的 S-measure 指标达到 0.901，远超 SAM 3 的 0.667。 在包括复杂伪装和高分辨率场景在内的多项基准测试中，MultiMatte 的表现均持续优于 SAM 3。该模型旨在简化使用流程，适配器已预先合并到发布权重中，用户可通过 `nobg` 库直接集成。用户可前往 [usefeyn.com/multimatte](https://usefeyn.com/multimatte) 使用自己的图像进行测试。
对不起。
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 如何运作 测试新功能 © 2026 Google LLC
抱歉。
该 Git 终端目前收到大量针对此仓库的请求。为保障 Codeberg 的可用性，您的搜索请求将不会被处理。由此带来的不便，我们深表歉意，请稍后再试。
Forgejo 16.0.3 及以下版本存在一个严重的**已验证远程代码执行（RCE）**漏洞。
**漏洞描述：**
该问题出现在根据模板生成存储库的过程中。当 Forgejo 处理模板变量时，恶意的存储库可以注入一个 `.git` 文件夹，系统会在初始化过程中无意中采用该文件夹。拥有存储库创建权限的攻击者可以利用此漏洞读取主机上的任意数据，或在服务器上执行恶意代码。
**建议措施：**
* **立即升级：** 用户应更新至 16.0.4 或更高版本（若使用 15 LTS 分支，请更新至 15.0.8）。
* **缓解措施：** 如果无法立即更新，开放注册的实例风险最高。由于该漏洞需要经过身份验证，限制可创建新存储库的用户，或限制对不可信模板的使用，可以减少攻击面。
由于 Forgejo 与 Gitea 共享部分旧代码，而 Gitea 今年早些时候已修复了类似问题，因此该漏洞也影响了 Forgejo。安全研究人员已在沙盒环境中成功演示了此漏洞，证实了其严重性。
客户端挑战：您的浏览器已禁用 JavaScript。请启用 JavaScript 以继续。本站的一个必要组件无法加载。这可能是由于浏览器扩展、网络问题或浏览器设置所致。请检查您的网络连接、禁用广告拦截器，或尝试使用其他浏览器。
关于硅谷是否正在“重塑”军工复合体（MIC）的讨论，核心在于一个历史事实：该地区一直与军事资金有着深度的交织。从二战后的雷达研究，到为“民兵”洲际导弹开发微芯片，军方长期以来都是硅谷技术的主要客户和孵化器。
这场辩论的关键主题包括：
* **历史背景：** 许多人认为“重塑”一词并不准确，因为硅谷本质上就是建立在国防合同之上的。持这种观点的人认为，当前对“国防科技”（DefenseTech）的关注，仅仅是在经历了数十年的消费软件转型后，回归到了该地区的本源。
* **伦理关切：** 参与者讨论了为军工复合体工作的道德性。一些人认为国防工作是必要的、爱国的，甚至是面对敌对势力时的“两害相权取其轻”；而另一些人则认为，像帕兰泰尔（Palantir）和安杜里尔（Anduril）这样的公司代表了一种更危险的新型“科技法西斯主义”，它们试图颠覆治理结构，并从监控和全球冲突中牟利。
* **“从业者的困境”：** 讨论的很大一部分集中在科技员工个人的道德选择上——是抗议辞职、留在内部影响决策，还是接受行业现实。在“坚守价值观”与高科技职业的现实经济考量之间，存在着明显的张力。
* **现代动态：** 讨论强调了近期的战争（如乌克兰、加沙冲突）如何加速了风险资本对国防初创企业的兴趣。人们普遍怀疑，这些新公司是否真的比“老牌”国防承包商更有效率，还是仅仅通过将战争“SaaS化”（软件即服务）来攫取政府的税款。
最终，共识倾向于认为这种“重塑”并非新现象，而是现代科技公司与国家互动方式的转变，旨在获取影响力与资本。
**Syq** 是一款功能通用的工具，用于管理、移动和整理本地与远程机器之间的文件。它无需 SSH 服务器或开放入站端口，即可实现从服务器在笔记本电脑上进行文件传输或执行命令，从而简化工作流程。 主要功能包括： * **无缝传输：** 直接在服务器之间或本地与远程环境之间复制、重命名和重新组织文件。 * **远程控制：** 直接从服务器在笔记本电脑上执行命令。 * **开发者友好：** 通过 JSON API 或 Python SDK 自动化任务。 * **安全高效：** 使用 `--dry-run` 预览更改，使用 `--prune` 管理文件清理。同时支持断点续传。 Syq 设计用于通过在标准命令前加前缀（例如 `syq rsync`）来集成到现有工作流程中。尽管它模拟了熟悉的命令结构，但使用的是其专有协议，而非标准的 `rsync`。请注意，目前不支持 ACL、硬链接和稀疏文件等功能。对于寻求安全、可脚本化且无需代理（agentless）的远程文件同步与管理方案的用户来说，这是一个理想的选择。