这篇叙述记录了一位 OpenBSD 开发者长期维护并尝试利用一台 Sun-4/260 工作站的技术历程——这是 20 世纪 80 年代末具有里程碑意义的 SPARC 系统。 作者探讨了管理那些被称为“死驴”的笨重存储模块驱动器（SMD）硬盘所面临的挑战；在 SCSI 成为主流之前，这些硬盘是高容量存储的行业标准。经过多年的摸索，作者克服了诸多重大障碍，包括硬件故障、线缆不兼容以及复杂的 VME 总线配置。最值得一提的是，作者不仅解决了 Xylogics SMD 控制器驱动程序中存在了 19 年的漏洞，还针对原始 PROM 监控程序无法处理现代文件系统块大小的局限性，实施了相应的变通方案。 尽管其中一块 SMD 硬盘最终发生了机械故障，作者仍在持续记录这些系统的技术细节。这项持续进行的项目凸显了维持此类老旧硬件运行所需的巨大投入，其重点已从修复 Xylogics 控制器转向探索将 Ciprico “Rimfire”驱动程序移植到 BSD 的可能性。这篇内容深入浅出地呈现了计算机历史硬件、底层驱动开发以及老式工作站技术保存三者之间的交汇。
每日HackerNews RSS
对不起。
这份总结详细介绍了作者在 **Recurse Center (RC)** 的经历。RC 是一个协作式的自主编程进修项目。无论是线下在布鲁克林参加，还是通过远程方式参与，RC 都为程序员提供了一个相互支持、非竞争的环境，帮助他们通过项目实践、结对编程和社区交流实现成长。 作为一名自学成才的程序员，作者最初怀疑自己是否适合这里，但发现整个申请过程（包括书面申请、面试和结对编程）本身就是一种宝贵的自我反思练习。在参加 12 周的远程项目期间，作者的日常安排围绕着“身体倍增”（body doubling）、项目开发以及与不同背景同伴进行的非正式“咖啡聊天”展开。 尽管面临时差和远程协作的挑战，作者仍获得了显著的技术提升（包括掌握了 C、Go 和 Godot），增强了职业自信，并建立了一个持久的同行和导师网络。该项目强调“投入多少，收获多少”，对作者而言，最有意义的收获仅仅是迈出了申请的那一步。归根结底，Recurse Center 的经历是具有变革意义的，它提供了一个终身受用的支持性社区，持续助力着作者的职业生涯和个人成长。
抱歉。
Robocurve 最近的一项研究评估了 OpenAI 的 **GPT-6 Astra** 在 YAM 机械臂上的表现，并将其与 Anthropic 的 Claude Fable 5 和 5.1 模型在两项任务中进行了对比：将积木放入碗中以及将拼图块插入凹槽。 在“积木入碗”任务中，GPT-6 Astra 表现远超竞争对手，成功率达到 95%（19/20），而 Fable 5.1 的成功率仅为 40%（8/20）。Astra 的效率也更高，平均每次试验耗时 2.5 分钟，成本为 0.94 美元，比 Fable 5.1 便宜约 2.3 倍。 然而，拼图任务对所有模型来说都极具挑战性。Astra 和 Fable 5.1 均表现不佳，成功率仅为 10%（2/20）。尽管 Astra 的成本效益有所提升（1.36 美元对比 2.18 美元），但两个模型都在最后的插入步骤卡住了。 虽然 Astra 在简单的操作任务中表现出更快的速度和可靠性，但结果表明，复杂的、高精度的组装对于当前基于大语言模型的机器人控制策略而言，仍然是一个重大的障碍。
关于“GPT-6 Astra 在机械臂上的应用”的 Hacker News 讨论，凸显了人们对目前利用大语言模型（LLM）进行机器人控制这一尝试的深刻怀疑。
批评者认为，所展示的实验（主要是抓取积木）范围过于狭窄，且依赖于传统的控制器，而非真正展示了模型智能。虽然一些支持者认为“通用型”架构是未来趋势，但许多工程师主张采用专门的分层设计，将高层规划与底层执行分离开来。
该讨论帖还引发了关于家用机器人实用性和伦理的更广泛辩论。主要担忧包括：
* **隐私：** 机器人在私人住宅中充当摄像头和传感器，构成了巨大的监控风险，这可能重演现有智能家居设备所引发的争议。
* **经济障碍：** 参与者指出，硬件的可靠性和维护成本仍是重大的阻碍。
* **社会影响：** 关于在城市部署拾荒机器人的建议遭到了抵制，原因在于人们担忧设备遭破坏、“公地悲剧”以及可能导致弱势群体的体力劳动被取代。
归根结底，尽管社区认为 AI 模型的发展令人瞩目，但人们普遍认为，在“技术乐观主义”的研究与功能完备、价格亲民且尊重隐私的现实机器人技术之间，仍存在巨大的鸿沟。
拒绝访问 拒绝访问 您没有权限访问此服务器上的 "http://www.tsa.gov/precheck/gateside-tsa-precheck"。 参考编号 #18.18d62c17.1788662113.20efc32a https://errors.edgesuite.net/18.18d62c17.1788662113.20efc32a
抱歉。
开发者杰夫·约翰逊（Jeff Johnson）报告称，谷歌 Chrome 浏览器再次未能遵守有关网站数据的用户隐私设置。尽管已将 Chrome 设置为“关闭所有窗口时删除网站保存在设备上的数据”，但约翰逊发现 `google.com` 依然残留，即使在关闭并重新启动浏览器后，仍保留着 Cookie 和本地存储信息。 这一问题与约翰逊六年前发现并由谷歌修复的类似漏洞如出一辙。约翰逊在多台运行 Chrome 152.0.7977.83 版本的 Mac 上证实了该行为，并指出这种例外情况似乎仅针对谷歌自己的域名。尽管他将此次问题的复发归因于能力不足而非恶意，但他强调，像谷歌这样资源雄厚的公司本应实施充分的质量保证措施（如自动化测试），以防止此类回归问题的发生。他最后批评了谷歌的整体搜索做法，包括对未登录用户使用不透明的重定向 URL，并重申了他对拆分谷歌搜索垄断的支持。
近日，Hacker News 上的一场讨论引发了用户对于谷歌 Chrome 浏览器的强烈不满。此前有报道称，即使在设置中开启了“关闭浏览器时清除所有网站数据”的选项，Chrome 依然会保留 `google.com` 的数据，不予清除。
评论区的用户大多认为这是谷歌对用户日益不友好且具有垄断行为的证据，许多人指出这是一种旨在增强广告投放与追踪功能的故意设计的“暗黑模式”。该讨论帖引发了关于现代网络环境恶化、谷歌声誉下降以及用户难以找到注重隐私的替代品等议题的广泛辩论。
尽管部分参与者争论这究竟是技术漏洞还是战略选择，但绝大多数人的共识反映了对 Chrome 深深的不信任。讨论演变为一场关于企业道德、反垄断执法以及 Firefox 等浏览器生存能力的激烈辩论。最终，该帖成为了用户呼吁转向非 Chromium 内核浏览器的号召，理由是 Chrome 一贯将企业监控置于用户隐私之上。
该数据提供了九款高性能图像传感器的综合技术对比，涵盖了从消费级摄影芯片到工业级全局快门传感器的广泛范围。 **主要分类：** * **消费级与边缘人工智能：** 如 **IMX477**（紧凑型，支持相位对焦）和 **IMX678/585**（基于 STARVIS 2 技术）等传感器，优先考虑 4K 分辨率、高帧率和卓越的低光灵敏度，适用于机器人、安防和嵌入式视觉。 * **高端成像：** **IMX283** 和 **IMX294** 提供更大的光学格式（1 英寸和 4/3 英寸）以及更高的像素计数，是科学研究、专业电影拍摄和高分辨率监控应用的理想选择。 * **工业与机器视觉：** **IMX568/565** 采用 Pregius S 全局快门技术，可消除运动模糊，适用于精确的工厂自动化、交通监控及检测任务。 * **汽车电子：** **OX08B40** 专为汽车应用（ADAS）设计，提供业界领先的 140 dB HDR 和 LED 闪烁抑制（LFM）功能。 **性能趋势：** 大多数传感器采用背照式（BSI）技术以增强光敏度。虽然卷帘快门传感器在动态范围上更具优势（部分型号可达 120 dB），但全局快门传感器仍是高速、运动敏感型工业成像的标准。在接口方面，各型号通常依赖 MIPI CSI-2 以实现高速数据传输。
对不起。
**Cloud in a Bottle** 是一个开源平台，旨在让自托管（self-hosting）变得像使用智能手机一样直观。它旨在解决现代网络软件“恶化（enshittification）”的问题，即中心化云服务往往将企业利润置于用户体验和数据隐私之上。
虽然 Nextcloud 或 Coolify 等现有的自托管解决方案常常存在易用性差、安全隐患或缺乏集成等问题，但 Cloud in a Bottle 提供了一种精简的替代方案。它在安全的无根（rootless）容器中运行应用程序，同时提供类似于移动操作系统的统一体验，包括集中式身份验证和应用间权限管理。
通过让用户掌控自己的数字环境，Cloud in a Bottle 旨在在不依赖监控或厂商锁定的前提下，重新获得云软件带来的便利（如可访问性和协作性）。该项目开源且透明，并提供托管服务选项以确保其可持续性。其目标是推动新一波高质量、用户友好的开源网络应用浪潮，使每个人都能轻松使用，而不仅仅是技术极客。
关于“瓶中云”（Cloud in a Bottle）的 Hacker News 讨论凸显了人们对现代云服务商（AWS、GCP、Azure）日益增长的复杂性、厂商锁定以及高昂成本的挫败感。
**主要观点：**
* **问题所在：** 参与者认为“云原生”开发变得愈发繁琐。一些简单的任务——例如基础的密码保护或静态网站托管——现在却需要复杂的 IAM 配置文件、容器编排以及昂贵且不可移植的专有服务。
* **“自托管”运动：** 许多用户开始回归自托管，以重获数据主权并降低成本。讨论区中人们在争论这对于大众来说是否是一条可行之路，还是仅仅是技术发烧友的“套件车”式爱好。
* **准入门槛：** 虽然“瓶中云”旨在简化部署，但用户指出真正的障碍仍在于基础设施层面：网络可访问性、DNS 管理、端口转发，以及对持续更新和备份的需求。
* **人工智能的作用：** 一个显著的共识是，人工智能体正在通过自动化处理那些“困难”环节（如配置安全的 Kubernetes 集群或管理复杂的 Linux 环境），从而使自托管变得触手可及，而这些环节在过去对非专业人士来说过于耗时。
总体而言，社区对于“交钥匙”式的个人云是否真正可行，或是复杂性是否为可靠性所必须付出的代价，仍存在分歧。
Reddit 用户 xilefakamot 于 2020 年创作了这张“拓扑学家世界地图”。它只描绘了国际边界——抛弃了各国原有的形状、大小和地理距离，旨在尽可能高效地展示边界格局。“并没有进行什么计算——我先草绘了一系列展示各国相邻关系的网状图，然后逐渐将其平滑处理，制作出了这张地图——全部是手工完成的。”（来源：MapPorn）
“拓扑学家世界地图”在黑客新闻（Hacker News）上引发了热烈讨论，用户们分析了它将全球地缘政治边界呈现为拓扑图的尝试。
讨论的焦点在于该地图在飞地、领土和岛屿边界处理上的不一致性。虽然作者似乎为了简洁起见省略了许多飞地，但评论者指出了令人困惑的差异，例如包含了某些边界（如摩洛哥），却排除了其他边界（如法国通过海外领土与巴西和荷兰的陆地边界）。参与者还指出，该地图无论是在程式化的布局上，还是在将某些区域置于世界中心的决策上，都与中世纪的“T&O”地图有相似之处。
除了辩论地图的准确性外，用户还分享了相关项目，例如测试用户边界知识的地理益智游戏“世界图谱”（World Graph）。这一讨论串反映了人们对地图绘制复杂性的广泛关注——由于国家边界、飞地和不断演变的地缘政治定义所带来的“混乱”现实，这仍然是一项极其艰巨的任务。
请启用 JavaScript 和 Cookie 以继续。
抱歉。
作者认为，公开使用大语言模型（LLM）生成的文章是一个严重的战略错误，违背了作者与读者之间的社会契约。读者对人工智能生成内容的“特有痕迹”极其敏感，会感到内容虚假且令人反感。这会导致严重的信任流失，许多读者会立即放弃阅读，并在未来避开这些作者。 写作是提炼和升华个人思想的必要过程；通过将这项工作外包给大语言模型，作者不仅失去了磨砺思维的机会，还会疏远受众。作者将当前人工智能写作的泛滥比作早期的垃圾邮件时代，并指出，正如电子邮件通过演变过滤掉垃圾信息一样，行业终将开发出更有效的检测工具。 作者援引了 Pangram Labs 检测模型的高准确性，呼吁各组织强制执行“Pangram-clean”标准，以维护其机构的话语权。总结非常明确：如果你希望人们阅读你的作品，就必须亲自撰写。虽然大语言模型可用于辅助编辑，但依赖其进行内容创作不仅效率低下，最终还会损害你的声誉。