**MathKernel** 是一款面向大语言模型（LLM）及相关应用设计的数学引擎，旨在执行高级计算的同时保持严格的溯源性。与传统求解器不同，它将数学意图（由 LLM 处理）与形式化执行及证据追踪（由内核处理）分离开来。
### 核心功能：
* **类型化编排：** MathKernel 不使用扁平化接口，而是采用类型化对象系统（如：图、流形、分布、有限元网格）。每次操作都会记录一个“四重义务有向无环图（DAG）”：输入验证、候选计算、不变量验证以及保守的证据协调。
* **基于证据的信任：** 每个结果都带有信任标签（如：符号运算、精确值、已认证、形式化、经验性）及推导轨迹。信任度受限于推导链中最薄弱的环节，无法人为夸大。
* **引擎集成：** 它能编排多种后端——包括 SymPy（符号）、Z3/Lean（形式化/SMT）、mpmath.iv（认证数值计算）以及 Numba/CUDA 加速内核——以匹配具体计算需求。
* **多模态工件：** 结果可渲染为交互式、自包含的 HTML 可视化内容或科学声化产物。这些工件处于数学计算的下游，无法覆盖或提升底层的证据质量。
MathKernel 以 **Python 库**和 **MCP 服务器**两种形式提供，为可靠的数学推理提供了统一且可审计的基础。
每日HackerNews RSS
**MathKernel** 是一个新兴项目，旨在解决当前人工智能的一项关键局限：即大语言模型（LLM）无法通过严谨的验证来可靠地解决复杂的数学问题。
MathKernel 不再依赖大语言模型的随机输出，而是作为一个 **MCP（模型上下文协议）服务器**，将数学计算和证明生成任务卸载给专门的引擎（包括 SymPy、NumPy 等库，以及 Lean 等形式化验证器）。通过充当“数学即服务”（MaaS）层，它强制人工智能与能够提供经过验证的分步逻辑的外部工具进行交互，从而相比“黑箱”生成方式显著减少了错误。
尽管该项目面临一些建设性的批评——包括对其与 Wolfram Mathematica 内核命名冲突的担忧，以及对其起源的质疑——但社区仍将其视为一种颇具前景的架构方案。通过将人工智能代理执行符号和数值数学的方式模块化，MathKernel 代表了向更稳健、可验证且可靠的高级计算推理迈出的必要一步。随着项目的演进，爱好者们正密切关注其动态，并注意到诸如 *Alkahest* 等类似倡议也在探索这一领域，试图将形式化证明与代理工作流相结合。
作者引入了借用自诗歌的“转折”（volta）这一概念，用来描述小说中那个能让读者从百无聊赖的忍受转变为不由自主、全身心投入的关键时刻。尽管阅读初期可能感觉像是一种苦差事，但“转折”是必然会出现的，它使坚持读完一本书变得意义非凡。
至关重要的是，“转折”具有极强的主观性；不同读者由于审美倾向的差异，体验到“转折”的时间点也不尽相同，无论是被角色的独白、情节的翻转，还是某种特定的文体技巧所触动。作者认为，许多学生放弃阅读并非因为能力不足，而是因为他们不知道这种“转折点”是小说阅读过程中标准的一部分。由于缺乏这种预期，他们往往会误以为开篇缓慢就意味着这本书不适合自己。
通过向学生传授关于“转折”的知识，我们可以培养他们的耐心与好奇心，将阅读从一项艰巨的任务转变为一种有益的、社交性的、甚至如同生活本身般的实践。它提醒我们，正如人与人之间的相处，持续的投入往往能带来更深层、更有意义的连接。
这篇 Hacker News 的讨论探讨了小说是否天生就是“不看到最后就觉得无聊”——原作者将其称为“转折点”（volta）。
参与者们对于如何阅读有着截然不同的看法：
* **“人生苦短”派：** 许多人认为，如果一本书不能在开头几页就吸引住读者，那就不值得投入精力。他们主张快速放弃（DNF，即未读完）那些无法产生共鸣的书，去寻找真正符合个人口味的作品，并批评了那种非要啃完名著却无法产生共鸣的“文学压力”。
* **“慢热”派：** 另一些人则认为，必须设定一个“经验法则”（比如 100 到 150 页），以便让复杂的故事有发展的空间。他们分享了个人经历，讲述了那些起初不喜欢，但坚持读下去后却成为了心头好的作品。
* **写作技巧的角色：** 一些用户指出，现代出版商优先考虑能立即吸引读者的“钩子”，而经典文学往往需要读者具备耐心。有人认为，“无聊”通常源于读者没能进入心流状态，或是书籍与个人不匹配，而非文笔拙劣。
最终，大家的共识是：阅读是非常主观的。找到适合自己的书，比强迫自己读完那些不感兴趣的书更为重要。
王与吴最近的一篇预印本论文证明了长期悬而未决的球形哈德维格猜想（Spherical Hadwiger Conjecture）。这一成就标志着数学界的一个重要里程碑：利用人工智能（OpenAI Codex）来完善证明细节并优化形式化研究。这一进展凸显了数学行业在人工智能冲击下的脆弱性，而此前的劳动力模型早已将数学家列为受影响最大的职业之一。 作者反思纯数学是否应转型为类似于古典音乐的“音乐学院”模式，即将其作为一种文化事业加以保留，而非经济产出的主要来源。鉴于人工智能可能很快在证明复杂定理方面超越人类，作者认为人类数学家的价值在于我们能够解读、传播并结合现实背景去理解这些抽象结构的能力。 归根结底，人工智能的崛起要求我们重新审视激励和支持数学研究的方式。随着人类劳动与机器劳动之间的界限日益模糊，社会必须决定：当计算机能够更高效地完成技术性工作时，我们是否仍愿资助并重视那些定义了纯数学的人类叙事与文化工作。
对不起。
联合国大会以压倒性多数通过了“修正地图”决议，共有164个国家投票赞成，6个国家弃权，仅有美国投下反对票。这项由多哥和非盟牵头的非约束性决议，主张以“等积地球”等面积投影地图取代传统的墨卡托投影。 几个世纪以来，为16世纪航海而设计的墨卡托投影一直是全球标准。然而，它因夸大极地附近区域、缩小赤道附近陆地（如非洲）的面积，而导致了严重的地理变形。支持者认为，这造成了一种具有误导性的、以欧洲为中心的全球重要性和规模感。该运动通过鼓励在教育和国际媒体中采用等面积投影，旨在提供更准确、公平的世界视觉呈现。 尽管该决议的起草者、非洲领导人等支持者将此次投票视为公平与去殖民化视角的胜利，但美国批评此举是将意识形态作为转移视线的手段，忽视了更为紧迫的国际问题。尽管该决议不具约束力，但它标志着全球机构在对待地图制图政治化问题上的重大转变。
联合国最近批准了一项新的地图投影法，旨在更准确地呈现非洲的相对大小。此举使美国成为唯一投反对票的国家。美国批评该决议是“意识形态议程”，并称其转移了人们对更紧迫外交问题的关注。
Hacker News 上的讨论显示出舆论的分歧。一些用户认为美国的反应过度，认为关注地图准确性并非意识形态之争。另一些用户则强调地图投影固有的局限性，指出所有将球体平面的表示方法都必须在形状或面积准确性之间做出取舍。持怀疑态度的人指出，新地图并非客观上“更准确”，而只是改变了畸变模式，将陆地面积的大小置于形状完整性之上。此外，评论者还质疑了媒体对此事的报道，认为像 NPR 这样的媒体为了制造两极分化的叙事，忽视了外交复杂性或各种投影法（如“等积地球投影”或“墨卡托投影”）的技术优劣。归根结底，这场辩论凸显了地图测绘科学、政治象征意义以及我们视觉化世界时主观性之间的交织。
本文探讨了做市机制，重点分析了提供流动性所固有的挑战。做市商通过买卖价差获利，但也面临重大风险，主要是**库存风险**（持有未对冲资产）和**逆向选择**（与拥有优势信息的交易者进行交易）。
当做市商报出价格时，本质上是“亮出了底牌”。更快速、掌握信息优势的交易者往往利用延迟优势，在做市商调整报价前“抢单”。这种具有高度方向性的问题交易被称为**有毒流**。为了减少损失，做市商采取扩大价差、跨关联资产或交易所对冲，以及利用交易所提供的保护措施（如“撤单优先”协议）等策略。
作者强调，衡量成功与风险需要追踪**标记（markouts）**——即计算一笔交易相对于特定时间跨度内中间价的理论盈亏指标。通过分析这些标记，市场参与者可以识别信息流，并评估交易所的健康状况。作者还介绍了 *markouts.dev*，这是一款旨在跨平台追踪此类指标的工具，旨在证明较低的标记通常与更公平、更高效的交易环境相关。
抱歉。
Liquid Network 在发生一起安全事件后已暂停运营，约 4000 枚 BTC（约 3.2 亿美元）从 Liquid 联盟钱包中被提取。Blockstream 表示，尽管资金是通过 SideSwap 挂钩输出授权密钥（PAK）转移的，但实际上并没有密钥遭到泄露。
作为安全预防措施，桥接节点已被禁用，实际上暂停了 Liquid 侧链。虽然各交易所的 LBTC 充值和提现均已暂停，但其他基于 Liquid 的资产（如 USDT、DePix 和 RWA）未受影响。
Blockstream 目前正尝试通过链上消息联系相关方（被认定为“所谓的白帽黑客”）。联盟成员正在积极努力解决问题并恢复网络功能。建议用户通过提供的内存池（mempool）跟踪链接持续关注事态进展。
抱歉。
人口普查局的政治干预损害了美国的统计系统 Political meddling at the Census Bureau damages the US statistical system
45 天前
请启用 JavaScript 和 Cookie 以继续。
这场 Hacker News 讨论聚焦于对美国普查局（U.S. Census Bureau）受到政治干预的担忧。用户们正在争论一份报告，该报告暗示该机构的方法论——特别是关于数据抑制和“噪声注入”——可能受到政治议程而非单纯技术需求的左右。
讨论观点极其两极分化。一些参与者认为，近期普查出现的错误和潜在的程序性变动，证明了现任政府试图操纵数据以迎合特定的政治叙事或扭曲众议院的席位分配。他们对当前的政府机构表现出极深的怀疑，并将此与其它国家民主体系的衰落进行类比。
相反，另一些评论者则强调普查数据质量本质上非常复杂，并列举了 2020 年人口普查所面临的独特挑战，例如新冠疫情以及特定人群中存在的政治不信任。这些用户批评原文是带有偏见的观点，而非客观分析，并为普查局的专业人员进行了辩护。归根结底，这篇讨论反映了人们对于机构信任度下降、财富过度集中对民主的影响，以及在高度党派化的环境下维持一套中立、准确的统计体系之困难等更广泛的焦虑。
Austin Z. Henley 记录了他将 Python 解释器实现限制在 1024 字节 C 代码内的技术挑战。Henley 摒弃了标准库和复杂工具，构建了一个递归下降解析器，能够处理算术运算、变量赋值、if/else 逻辑、while 和 for 循环以及函数定义等核心语言特性。
为了满足 1024 字节的严格限制，Henley 采用了大量的代码高尔夫（code-golfing）技巧。其中包括使用单字母变量名、利用全局变量、省略错误处理，以及使用 C89 特有的“技巧”，如隐式整数声明和基于 ASCII 的运算符。通过去除代码的可读格式，并用紧凑的位运算逻辑替代冗长的结构，他成功地将 4800 字节的逻辑压缩到了 1KB 以内。
最终的解释器支持基于缩进的代码块、递归，甚至基础的打印功能，足以执行 Python 风格的“FizzBuzz”程序。Henley 总结道，虽然这个项目在理解代码如何从硬件层面执行方面是一次迷人的实践，但“高尔夫”编程的繁琐过程令人疲惫，同时也让他对全功能语言实现中的抽象机制有了全新的认识。
Sol 是一款功能强大、免费且开源的 macOS 音乐播放器。它高度重视用户隐私，无需注册账户、不含遥测数据，亦无任何订阅费用。其所有功能均为开箱即用。 Sol 专为大型本地音乐库设计，能够处理数十万首曲目并实现即时搜索。它支持几乎所有音频格式，包括高分辨率 DSD 和 FLAC，并提供无缝隙播放和位深完美的音频输出。此外，它能将本地文件与云存储、网络共享以及如 Navidrome 等流媒体服务器无缝集成。 除播放功能外，Sol 还包含全面的功能集：强大的元数据编辑、智能播放列表、播客与网络电台支持、歌词同步，以及 AI 驱动的 DJ 模式。它具有极高的可扩展性，支持 AppleScript/快捷指令、Last.fm 记录功能，并提供用于自动化的本地控制 API。Sol 基于 Swift 6 构建并针对性能进行了优化，完全透明，用户既可以从源代码构建，也可以下载已签名的版本。该软件采用 GPL-3.0 协议授权，确保其永远属于社区且保持免费。
开发者 `_nqmv` 近期发布了 macOS 音乐播放器和点唱机应用“Sol”，这是一个免费且开源的项目。该应用旨在作为一款本地、无需联网的播放器，支持原生的位深和采样率。
这一发布在 Hacker News 上引发了关于软件开发中 AI 使用的争议。用户质疑该项目的真实性，批评者认为，依赖 AI 撰写产品描述和文档会产生“劣质”信号，可能掩盖了低质量的代码。一些用户对开发者声称这是长期倾注心血的项目而非“ AI 生成”表示怀疑，特别是指出了其界面设计大量借鉴了经典 iTunes 的风格。
`_nqmv` 对此进行了辩护，澄清自己是一名 Swift 程序员，使用 AI 主要为了润色英语文档并使沟通更加专业，因为英语并非其母语。尽管开发者承认 AI 辅助的文案会造成负面观感，但仍坚持该项目是耗费大量精力的原创成果。讨论帖还涉及了 Roon 和 Foobar 等现有播放器的不足，凸显了市场对高质量、本地化及开源音频解决方案的持续需求。
D2 正转型为一个由 Hack Club 财政支持的非营利性开源项目。随着母公司的关闭，D2 将放弃其营利模式，并继续致力于软件架构图绘制领域。 创始人 Alex 将继续参与项目，但会转向 AI 辅助开发工作流，旨在加速功能交付与性能优化。尽管项目转向 AI 驱动，但重点仍在于质量与深度，而非盲目增加功能。未来目标包括发布稳定的 1.0 版本、深化平台集成（如 GitHub 和 Notion），并将 D2 定位为 AI 生成图表的“类 HTML”标准源。 该项目将严格保持为客户端离线工具，避免引入基于服务器的功能或集成大语言模型（LLM）。D2 正在积极寻求维护者；欢迎有意贡献者咨询由项目捐款资助的付费贡献合同。此次转型还标志着此前闭源的组件（包括 D2 Studio IDE 和 TALA 布局算法）将作为免费的开源资源提供给社区。
抱歉。