每日HackerNews RSS
对不起。
为什么没有采用对称亚铁氰化物电解液的液流电池？ Why are there no flow batteries with symmetric ferrocyanide electrolytes?
45 天前
亚铁氰化钾/铁氰化钾氧化还原电对因其稳定性、动力学特性及溶解度，常被应用于液流电池。然而，由于以下几个关键原因，它并不适用于使用相同电解质的“对称”电池系统。 首先，亚铁氰化钾在与许多电池设计中所用的重金属阳离子相互作用时，易形成不溶性的普鲁士蓝沉淀。虽然可以通过添加螯合剂等化学策略来缓解沉淀问题，但这并不能解决电化学不稳定性这一根本问题。 至关重要的是，亚铁氰化钾在对称电池所需的极端电位（通常为氧化还原电位±1V）下是不稳定的。在低电位下，它会分解为游离铁和有毒氰化物；在高电位下，它会发生氧化破坏。除了导致电池技术失效外，这些分解产物还会带来严重的安全风险，包括释放出致命的氰化氢气体。 鉴于这些固有的电化学限制和巨大的健康危害，应避免在对称液流电池的研究中使用亚铁氰化钾。它仅在受控的非对称系统中保持高度稳定，除非由具备专业安全设备的专业人员操作，否则不建议使用该化学体系进行对称设计实验。
这场 Hacker News 讨论探讨了在液流电池中使用对称铁氰化物电解液的可行性。尽管这一概念在大规模储能方面具有理论吸引力，但参与者强调了几个关键挑战：
* **安全隐患：** 虽然铁氰化物本身相对稳定且低毒，但电化学降解可能会释放出游离氰化物气体，带来重大风险。用户认为，尽管名字中带有“氰化物”，但只要在工业规模上进行妥善管理，其风险与铅酸或锂离子电池等现有电池技术相比相当甚至更低。
* **工程复杂性：** 液流电池更像是化工厂而非消费产品。它们需要复杂且昂贵的管道系统，而隔膜往往存在寿命问题。
* **经济现实：** 参与者指出，公用事业级储能目前由锂电池主导，并正向钠电池方向发展。虽然液流电池在长时储能方面具有优势，但在面对传统电池化学技术迅速降低的成本时，竞争力不足。
* **实用性：** 共识认为这些系统不适合家庭使用，仅限于公用事业基础设施领域。例如，瑞士的一些项目已经在进行大规模液流电池设施建设，但它们正面临来自现有技术的激烈竞争。
我们网站的安全防护机制触发了拦截。如果您认为这是误判，请发送电子邮件至 [email protected]。邮件中请说明您是如何访问该网页的，并提供页面底部的 Cloudflare Ray ID。 Cloudflare Ray ID: a375bce09cd0fd71 返回《大西洋》
抱歉。
本文档旨在汇编自由及开源软件（FOSS）社区中，被作者认定曾公开宣扬极右翼、偏执或反民主政治主张的影响力人物。名单涵盖了知名开发者、项目创始人及科技创业者。
作者根据这些人物的重大影响力、公开的政治立场及其对FOSS开发的直接参与，为将其列入名单提供了理据。文中指出，尽管这些人中有许多曾做出过技术贡献，但其个人意识形态——通常涉及反跨性别言论、支持民族主义运动、参与极端主义政治组织或有骚扰史——引发了巨大争议。部分条目详细说明了其财务关联，例如接受杰克·多西（Jack Dorsey）或 FUTO 等组织的支持，这些组织正资助着一个持有相似反动观点的开发者网络。
作者明确表示，这并非一份“酷”人名单，并指出此类名单会制造有害的人气竞赛并招致骚扰。相反，该项目旨在作为一个关于这些人物争议性关联与政治行为的公共档案，记录他们与作者认为有损于开源精神及更广泛社会之意识形态的趋同。
抱歉。
智能手机制造商无意遵守欧盟的维修合规要求。 Smartphone makers don't bother to comply with EU repairability requirements
45 天前
在欧盟针对智能手机和平板电脑实施强制性可维修性标签一年后，合规率仍然低得惊人。根据“欧洲维修权”（Right to Repair Europe）组织的一份报告显示，欧盟登记在册的 2,334 款设备中，超过 80% 未能提供必要的维修说明或备件信息。 许多制造商无视相关规定，要么将登记表格留空，要么提供失效的链接。尽管缺乏透明度，这些公司却经常自诩拥有顶级的“A 类”可维修性评分。报告还指出，即使是合规的制造商，也经常将相关信息隐藏在复杂的菜单之后，或者提供极具误导性的模糊定价。 “维修权”联盟认为，目前的“自我评分”制度效率低下且缺乏监管。他们呼吁加强执法力度，要求制造商提供强制性文档以支持其可维修性声明，并为消费者提供更便捷的渠道来举报违规行为。虽然定于 2026 年 2 月生效的法规将强制要求设备配备可由用户更换的电池，但倡导者们强调，如果不对制造商提供的数据进行即时的监管核查，目前的“维修权”进展在很大程度上仍流于形式。
一份最新的 iFixit 报告指出，智能手机制造商在很大程度上未能遵守欧盟的维修权规定，并经常采取“狡猾”的手段，例如将客户引导至 AliExpress 等第三方市场购买零部件。
随后在 Hacker News 上引发的讨论反映出人们对监管有效性的意见分歧。批评者认为欧盟的执法力度不足，认为如果没有“巨额”且及时的经济处罚，跨国公司只会将罚款视为一种可控的“经营成本”。许多参与者表示感到沮丧，认为欧盟虽然擅长通过雄心勃勃的消费者保护法，却往往缺乏资源或政治决心，难以确保强大的全球科技巨头遵守规定。
相反，一些评论者为监管进程辩护，指出执法通常需要时间，而且这些法律的存在已经促使三星和苹果等制造商为了应对未来的审计而改善其维修基础设施。尽管一些用户怀疑普通消费者是否真的将维修便利性置于便捷性或品牌忠诚度之上，但这一讨论凸显了人们对优先考虑可持续性和个人所有权政策的需求日益增长，尽管这面临着国际贸易和政治压力的复杂挑战。
为了将 Withings Body+ 体重秤的数据直接接入 Home Assistant，且无需依赖 Withings 云服务，作者使用了一块原装 ESP32 开发板创建了本地集成。 尽管目前已有官方的 Withings 至 Home Assistant 集成方案，但其严重依赖外部云端服务器。通过使用支持必要蓝牙经典协议（Bluetooth Classic）的原装 ESP32 和 ESPHome，作者完全绕过了云端。在 AI（Codex）的辅助下，他成功逆向了体重秤的通信协议，通过多次固件构建迭代，最终实现了体重秤直接向 Home Assistant 传输数据。 该方案运行流畅：当用户站上体重秤时，ESP32 会捕获蓝牙广播，根据存储的 ID 识别特定用户，并更新 Home Assistant 中相应的传感器数据。这种方法确保了所有数据均保存在本地，用户无需使用 Withings App，体重秤也无需连接 Wi-Fi。作者还在 Home Assistant 中添加了模板传感器，以确保即便 ESP32 暂时断开连接，最后一次测量结果依然可见。该项目为注重隐私和本地数据控制的 Withings 用户提供了一种完全本地化的“居家”替代方案。
该 Hacker News 讨论帖探讨了一个日益增长的趋势：放弃专有的云端智能设备应用程序，转而使用 ESP32 硬件和人工智能进行本地化、自托管的集成。
对话围绕“Withings Body+”体重秤展开，用户更倾向于使用本地蓝牙连接，以避免对云服务的依赖及基于订阅的应用模式。参与者分享了多种实现方法：
* **ESP32 蓝牙代理：** 用户描述了如何利用 ESPHome 将本地蓝牙低功耗（BLE）设备直接接入 Home Assistant，从而无需外部云同步。
* **人工智能辅助逆向工程：** 一位用户详细介绍了如何利用 AI（Claude Opus）反编译一款“糟糕的”房车控制应用，并构建属于自己的、无缺陷的界面。这突显了大型语言模型（LLM）如何让非专业人士也能进行逆向工程。
* **替代方案：** 尽管一些用户指出存在官方 API，但参与者的共识是强烈倾向于本地化、离线控制，以防止数据外泄。
该讨论帖反映了社区对“解放”消费级硬件、重获个人数据控制权，以及在不依赖制造商服务器的情况下延长智能设备使用寿命的广泛兴趣。
这篇 Hacker News 讨论聚焦于 2017 年发表在《Edge.org》上的一篇题为《阻抗匹配》（Impedance Matching）的文章。评论区呈现出两极分化的争论：一方认为将物理概念进行广泛的隐喻式应用很有见地，另一方则批评其科学严谨性不足。
支持者赞赏作者试图将“高效的能量或信息传输需要源头与目标之间保持兼容”这一原理，应用到生物学、信息论和组织沟通等多个领域。他们认为这些隐喻是理解系统效率的有益启发式方法。
相反，专业工程师则认为该文章滥用了严格的技术定义。电气和机械工程师指出，“阻抗匹配”具有特定的数学和物理含义（例如电路中的最大功率传输或谐波结构动力学），并不适用于作者列举的许多案例。
讨论还扩展到了相关话题，包括如何在不依赖繁杂数学的情况下教授量子力学、*Edge* 出版物的历史，以及将“阻抗匹配”作为气候工程概念框架的争议性影响。总体而言，这次讨论凸显了在将技术术语用作广义哲学视角与保持学科严谨性之间的张力。
重新定位。按回车或空格键选中节点。之后可以使用方向键移动节点。按删除键移除节点，按退出键取消。按回车或空格键选中连线。之后可以按删除键移除连线，或按退出键取消。
抱歉。
推测解码通过将令牌预测与验证分离，优化了大语言模型（LLM）的服务性能。在 vLLM 中，轻量级的“草稿”组件负责预测多个未来令牌，随后由目标模型在单次传递中进行评估。如果预测被采纳，这些令牌将同时确认，从而大幅提升吞吐量，优于标准的逐个自回归解码。
本文评估了五种草稿生成方法：**Native MTP**（内置）、**Gemma 4 MTP**（配对），以及专用网络如 **EAGLE-3**（自回归）、**DFlash**（并行）和 **DSpark**（带顺序校正的并行）。这些方法的区别在于如何利用目标模型的隐藏状态，以及生成候选令牌的方式是顺序还是并行。
在 AMD Instinct™ MI300X/MI355X GPU 上的实验表明，虽然吞吐量普遍有所提升（在某些工作负载下常超过 2 倍），但性能高度依赖于模型、草稿方法、预测长度和工作负载特性。因此，推测解码应作为运行时优化手段进行调整。关键的可观测性指标（如各位置的采纳率和平均采纳长度）对于确定最佳预测窗口至关重要。部署时需要选择兼容的草稿检查点，并进行特定任务的基准测试，以平衡草稿生成成本与验证带来的收益。
这篇 Hacker News 讨论帖探讨了 vLLM 对 AMD GPU 推理加速（Speculative Decoding）的支持。尽管 vLLM 团队正在推进对 AMD 的支持，但讨论中强调了几个关键点：
* **硬件支持：** 用户表示，AMD 往往优先考虑数据中心和消费级 AI 硬件，却忽略了 R9700 等工作站级显卡。不过，像 Radiance 这样由社区驱动的分支版本显著提升了 R9700 的性能，使其成为能够胜任大模型推理的日常工作卡。
* **AMD 与 NVIDIA 的差距：** 用户对 AMD 在软件质量方面的投入仍持怀疑态度。许多用户因其更完善的驱动支持和稳定的性能而更倾向于 NVIDIA；但发烧友指出，如果愿意投入时间进行社区驱动的优化和使用自定义内核，AMD 显卡同样极具竞争力。
* **推理加速机制：** 该帖讨论了推理加速（Speculative Decoding）的技术原理，指出“目标模型”会并行验证由较小的“草稿模型”生成的 token。这种方法有效地分摊了内存密集型权重加载的高昂成本，通过同时检查多个 token 而非逐个检查，实现了更快的生成速度。
总体而言，社区对近期的进展感到振奋，但与 NVIDIA 的主导地位相比，仍对 AMD 的长期稳定性持谨慎态度。
加州理工学院数学马拉松（Caltech Mathathon）将于 2026 年 10 月 30 日至 11 月 1 日在加州理工学院举行，这是首个专门针对研究级数学的黑客马拉松。
受近期人工智能解决数十年数学猜想的突破性进展驱动，本次活动旨在探讨数学家在人工智能辅助环境下不断演变的角色。参与者将研究人工智能如何加速数学发现，并重新定义从构思到同行评审发表之间的桥梁。
活动期间，100 支团队将利用前沿人工智能模型来攻克开放性猜想并发展新理论。各团队将在专家数学家小组面前展示并捍卫其研究成果，首批奖项将颁发给最具潜力的成果。第二轮奖项将在经过更广泛数学界的正式验证后颁发。
欢迎有意者立即报名参加这一探索数学研究未来的历史性活动。如有疑问，请联系 [email protected]。
**加州理工数学马拉松**（Caltech Mathathon）是一场由学生主导的黑客马拉松，旨在利用人工智能开展科研级别的数学研究。组织者希望通过这场 40 小时的活动，将数学工作的重点从机械的证明生成转向问题选择、验证以及数学直觉的培养。
该活动在 Hacker News 上引发了关于人工智能在学术界作用的激烈辩论。支持者将其视为一种必要的演进，认为人工智能可以提高效率，并推动该领域向更好的教学法和问题解决方式发展。然而，怀疑论者则提出了对人工智能驱动研究的伦理担忧，质疑这是否会导致数学家技能退化，以及当前的人工智能模型究竟是具备真正的创新见解，还是仅仅在制造“数字摆设”。
一些评论者批评了“黑客马拉松”这一品牌名称，指出协作式研究研讨会已经存在了几十年，并认为该活动是在为寻求验证其模型的人工智能公司提供免费劳动力。组织者坚持表示，他们不隶属于任何院系或企业实体，其主要目标是为人工智能在现代数学中的负责任整合建立透明且高标准的要求。