arXivLabs 是一个框架，允许合作者直接在我们的网站上开发并分享 arXiv 的新功能。与 arXivLabs 合作的个人和组织都认同并接受我们对开放性、社区性、卓越性和用户数据隐私的价值观。arXiv 致力于秉持这些价值观，且仅与遵守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。
每日HackerNews RSS
请启用 JavaScript 和 Cookie 以继续。
对不起。
Ternlight – 可在浏览器（WASM）中运行的 7 MB 嵌入模型 Ternlight – 7 MB embedding model that runs in browser (WASM)
6 天前
一个 7 MB 大小的嵌入模型。在 CPU 上运行。无需 API。直接集成，毫秒级文本嵌入，无需调用服务器。 在浏览器中运行，无 API 调用。 引擎 + 权重 · 7 MB 迷你版 · 5 MB 快速嵌入 · 约 5 毫秒 仅限 CPU · 无需 GPU 使用它 三行代码实现语义搜索。 作为单个 npm 包提供。无需下载模型，无需服务器。 $ npm install @ternlight/base example.js import { embed, similar } from '@ternlight/base'; similar('easy weeknight dinner ideas', recipes, { topK: 3 }); // → 排序后的匹配结果 · 约 5 毫秒 · 零网络延迟 示例 React 文档搜索 在浏览器中搜索 React 文档。输入问题 — 由 5 MB 大小的 @ternlight/mini 驱动。
抱歉。
《寓言》将神奇物品变成了《哈利·波特》中汤姆·里德尔的日记。 Fable turned reMarkable into Tom Riddle's diary from Harry Potter
6 天前
“The Diary” 是一个针对 reMarkable Paper Pro 的实验性项目，它将该平板电脑转变为一本基于手写输入的交互式日记。通过利用大语言模型（LLM）后端（通过兼容 OpenAI 的 API 或本地 `pi` 设置），设备可以读取你的手写输入，进行“思考”，并以流畅的字体在纸面上逐笔渲染出动画回复。 该项目提供两种模式：一种用于方便集成 AppLoad 启动器的窗口版本，以及一种挂起原生界面以提供超低延迟直接电子墨水绘图的“接管”模式。 **主要功能包括：** * **直观交互：** 书写并暂停即可获得回复；画一个大大的“?”获取指南；使用五指点击退出。 * **可定制后端：** 支持任何具备视觉能力的 OpenAI 兼容模型，用于分析你的手写文本。 * **先进工程：** 使用 Rust 构建，采用原始 evdev 输入和自定义的基于 C 语言的电子墨水渲染。 **警告：** 这是一个高风险的高级修改项目，它以 root 权限运行并会改变系统行为。用户应熟悉 SSH、Linux 命令行工具，并掌握恢复设备的备份方法。与 reMarkable AS 无关联。
Ramp Economics Lab 发布了一份工作论文，通过分析超过 21,000 家美国公司的企业级支出数据，研究了人工智能对就业的影响。与人们对大规模裁员的担忧相反，研究显示，“高强度”人工智能采用者（即投资于先进工具而非基础订阅的企业）在两年内的总员工人数增加了 10%。
主要研究结果包括：
* **入门级职位增长：** 高强度采用人工智能的企业，其入门级招聘人数增加了 12%，这表明企业正优先考虑具备人工智能技能的候选人。
* **学习曲线：** 员工人数的增长并非立竿见影；通常在采用人工智能 6 到 12 个月后，随着组织整合了新的工作流程，增长才会显现。
* **网络效应：** 人工智能的采用主要受专业人脉和风险资本支持的推动，而非仅仅取决于所属行业。
* **效率提升：** 对于小型企业而言，人工智能降低了运营固定成本，使其能够扩大收入并雇佣更多员工。
该研究表明，人工智能是增长的催化剂，而非劳动力的替代工具。作者建议求职者锁定采用人工智能的企业，并建议企业主克服初期的学习曲线，同时指出当前有关人工智能引发裁员的负面新闻可能被夸大了。
对不起。
在近期关于“λFS”的研究中，作者旨在通过将关系视为通过支持表映射的有限函数，将函数式编程与关系代数（Datalog/SQL）及张量代数进行整合。引入递归时会产生一个核心挑战：数据库式的查询优化与编程语言式的组合推理之间的张力。 在标准的函数式语言中，求值顺序是可预测的；而在数据库中，查询规划器会选择执行策略以最大化性能。当这些语言交汇时，求值顺序既会影响性能，也会影响程序是否能够终止，尤其是在涉及黑盒用户定义函数的情况下。 作者提出了解决此问题的三个潜在路径： 1. **从左到右求值：** 优先考虑可预测性和简单的成本模型，由程序员负责性能优化，但在处理循环查询时较为吃力。 2. **非确定性求值：** 允许声明式的查询优化，但使形式语义复杂化，需要高级域理论（幂域）来定义其行为。 3. **“并行与”（Parallel and）：** 一种对称连接，可并发求值参数，并在一旦发现 `false` 结果时立即终止。虽然这提供了最声明式且稳定的行为，但高效实现仍是一个待解决的研究课题。
本系列文章共两篇，旨在探讨人工智能经济中一个重大却常被误解的转变：从侧重训练的资本支出转向由推理驱动的利润空间。 尽管市场对 DeepSeek R1 等模型的反应错误地释放了“训练价值崩盘”的信号，但真正的战场在于推理。目前，前沿实验室通过收取高额 API 费用享有巨大的利润空间，但这一模式正受到 GLM 5.2 等高质量“开放权重”替代方案的冲击。 作者发现，在编程任务上，GLM 5.2 的表现可与顶级模型（如 Opus/GPT）相媲美。尽管它在视觉和网络搜索方面尚有不足，但由于服务商提供了与现有智能体工具兼容的“直接替换”方案，切换成本微乎其微。由于 GLM 5.2 的成本仅为专有 API 价格的一小部分——且随着基于 AMD 等硬件优化的推理服务，其成本有望进一步下降——构建高质量、私有化或本地部署 AI 的门槛正在急剧降低。 作者认为，“你的利润就是我的机会”，暗示推理价格的崩盘对当前前沿实验室的主导地位构成了生存威胁。本系列的下一篇文章将深入分析这一趋势下整个行业内的赢家与输家。
所链接的 Hacker News 讨论聚焦于 GLM 5.2 等开源权重、高性价比模型的兴起，是否预示着 OpenAI 和 Anthropic 等前沿 AI 实验室即将面临“利润率崩溃”。
**核心观点：**
* **“商品化”论点：** 支持者认为，AI 推理正变得像电力或云算力一样成为一种大宗商品。由于通过 API 在不同大模型提供商之间切换在技术上非常简单（只需极少的代码更改），市场领先者建立的“护城河”显得十分脆弱。低成本、高性能的开源模型将产生巨大的价格压力，最终迫使利润率趋近于零。
* **“锁定”反驳论点：** 持怀疑态度者认为，企业级 AI 不仅仅关乎模型的原始性能，更关乎“平台”。与企业数据孤岛（如 GSuite、SAP 等）的集成、合规性保障以及法律支持等特性，构成了坚固的护城河。他们将当前的 AI 实验室比作微软或苹果，认为企业支付的是易用性、服务和责任保障，而不仅仅是 Token 输出。
* **市场动态：** 辩论的核心在于代理工作流（agentic workflows）的高昂成本与简单的“直觉编程”（vibe-coding）或简单查询之间的对比。虽然个人用户可以轻松切换到更便宜的替代方案，但大型组织由于安全、法律要求和现有工作流程的限制，面临着巨大的惯性。
请启用 JavaScript 和 Cookie 以继续。
抱歉。
**M/PC** 是一款专为 Varvara 平台设计的拼接式（concatenative）操作系统，其灵感源自 OpenFirmware。该系统旨在摆脱传统浏览器的束缚来管理文件，并采用后缀表示法（即函数置于操作数之后）。用户通过屏幕顶部的单一提示符进行交互，并支持无键盘导航和 ROM 启动。
主要功能包括：
* **命令复用：** 文件可以存储一系列命令，通过波浪号（~）前缀即可执行。
* **视觉定制：** 系统启动时，会根据屏幕分辨率自动使用 ICN 文件绘制壁纸。
* **多功能控制：** 用户可以使用手柄输入来浏览目录和滚动数据栈，非常适合精简的系统管理。
* **全面的工具集：** M/PC 包含一套强大的原语，用于文件操作（读、写、复制、删除）、算术运算、栈操作和屏幕控制。
M/PC 可作为 BIOS ROM 启动，允许用户通过 F4 键直接返回系统环境，无需完全重启。它为 Varvara 生态系统提供了一个极简且高效的命令行环境。
抱歉。
这款 64 位模拟器采用专为现代 GPU 优化的定制 C++ 渲染引擎，能够高保真地还原 4000 型系统的视觉效果。该应用程序设计简洁且具备便携性，仅由三个文件组成，无需安装。它通过将所有设置存储在应用程序文件夹内来避免系统注册表混乱，从而确保了干净、便捷的用户体验。此外，该模拟器利用美国国家气象局的数字预报网格，提供高分辨率、地理位置准确的气象数据，真实地模拟了原始 4000 型系统的性能与显示功能。
抱歉。