在立场文件《停止将中间词元拟人化为推理/思维轨迹！》中，Kambhampati 等人对语言模型在复杂任务中生成的输出标记为“推理”或“思维”轨迹的普遍做法提出了质疑。 作者认为，将中间词元生成（ITG）等同于类人认知过程，这不仅是一个无害的隐喻，更是一种危险的错误定性。通过对这些输出进行拟人化，研究人员和用户会误将其视为观察模型内部“思维过程”的可解释窗口。作者指出，这种框架模糊了语言模型的实际运作机制，导致了研究方法论的缺陷，并造成了这些系统应用上的低效。该论文向人工智能社区发出了关键性的行动号召：摒弃这种拟人化语言，转而采用更具技术准确性的描述，来阐述模型处理信息的方式。
每日HackerNews RSS
最近关于论文《停止将中间标记拟人化为推理/思考痕迹》的 Hacker News 讨论，引发了关于大型语言模型（LLM）本质的激烈辩论。
**核心论点**
该论文认为，将模型的中间标记标记为“推理”或“思考”是一种危险的误解。作者主张这些痕迹仅仅是概率性输出，而非具有语义意义的“思维”过程。将这些痕迹视为透明的审计产物会营造一种虚假的安全感，可能在模型可靠性和意图方面误导用户及决策者。
**社区的主要观点：**
* **怀疑论视角：** 许多参与者认同这些痕迹本质上是“草稿纸”空间——即允许模型对齐其输出的统计噪声。他们警告称，将这些过程拟人化会促使用户信任有缺陷的逻辑，并忽视该技术的机械本质。
* **类比论视角：** 另一些人认为，人类的思维同样混乱，容易出现合理化倾向，且在很大程度上是不透明的。他们建议，既然 LLM 是基于人类数据训练的，其“思维”模式——包括“顿悟”时刻——在功能上与人类的问题解决过程是类比的，因此这种拟人化隐喻即使在技术上不精确，也具有实用价值。
* **实用主义视角：** 第三类群体认为，标签本身的重要性不及实用性。如果“思维标记”能帮助模型产生更好的结果，就应该利用它们，即使这种“推理”纯粹是机械性的。他们主张，对语言进行规管是徒劳的，我们应关注输出的准确性，而非其本体论地位。
归根结底，这一讨论反映了深刻的分歧：一方寻求在生物认知与机械预测之间划清界限以维护问责制，而另一方则认为，随着人工智能表现持续模拟人类行为，这种界限正变得越来越无关紧要。
自 2027 年初起，机械许可集体 (MLC) 将开始根据出版商和词曲作者现有的市场份额，分配已累计且无人认领的版税。这些分配将按时间顺序进行，从最早的月份开始。一旦某个月份的版税分配完毕，该部分款项将永久无法追回。 虽然认领作品的机会长期有效，但若不立即核对您的作品，意味着您将失去此后每一个月应得的版税。 关于所提供的版税预估：这些数字代表的是数量级，而非精确的发票。其计算方式是先估算美国境内的总流媒体播放量，再将机械版税率应用于目前尚未被认领或核对的版税部分。该模型结合了内部使用数据与 MLC 自身的估值指标（以较高者为准），以兼顾高流量录音作品和小众录音作品。由于这些数字基于行业平均水平，因此应将其视为预估值，并存在约 35% 的潜在误差幅度。建议用户确保立即核对作品，以确保获得即将发放的版税份额。
抱歉。
向各地的卖家和创作者支付，且无需手续费。只需一条提示词，即可将 Zoneless 与 Stripe 或 PayPal 同时添加。复制以下提示词：将 Zoneless 添加为本市场的可选 USDC 支付方式，同时保留结账流程及所有现有支付方式；请先阅读 https://zoneless.com/docs/agent-marketplace-quickstart.md 并按指南操作。
肯尼斯·威尔逊的“有效场论”通过证明宏观属性（如磁性）是由微观系统中的普适对称性涌现而来，彻底改变了物理学，使研究人员能够“放大”并忽略不相关的细节。虽然这套方法在固体研究中行之有效，但在定义流体时却一直存在困难，直到物理学家将同样的对称性原理应用于流体。 通过观察发现，流体与膨胀宇宙之间存在深层的潜在对称性——特别是速度对称性的缺失，以及流体微团在交换过程中不损耗能量的能力——研究人员成功地从第一性原理推导出了欧拉方程。这一框架后来由刘鸿及其同事进一步扩展，他们从黑洞耗散能量的方式中获得灵感，将其应用于不完美的粘性流体。通过利用巧妙的双流体模型来平衡熵和时间反演，他们成功推导出了纳维-斯托克斯方程。 这一突破为现代物理学提供了强大的新工具。它使研究人员能够严谨地描述各种复杂现象，从量子系统中的热扩散到奇异的“分形子”物质动力学。最终，这项工作提供了一种深刻的概念性转变：流体的定义不再取决于其组成成分，而取决于其独特的一组对称性，这揭示了物质流动方式中隐藏的普遍结构。
正在加载地图…
由于 Git 的分布式设计及其对“打包文件”（packfiles）的依赖，大规模托管 Git 变得非常困难。这种格式针对本地磁盘进行了优化，而非服务器端的高可用性或水平扩展。 传统方案在历史上均以失败告终。分布式文件系统（如 NFS）存在性能和锁竞争问题；而分布式 Git 实现则常因 Git 数据结构基于有向无环图（DAG）的特性，面临性能瓶颈。GitHub 的“Spokes”模型采用基于共识的方法（3PC）来保持三个副本同步，虽然已成为行业标准，但在面对当今庞大的单一代码库（monorepo）时，以及在将每个仓库都视为“宠物”进行精细化运维时，显得力不从心。 为了解决这一问题，Cursor 开发了 **Continuity**。这是一个将 S3 作为单一事实来源并通过预写式日志（WAL）运行的存储系统。Continuity 无需依赖副本间复杂的共识协议，而是将所有推送序列化到 S3。本地仓库实例充当“热缓存”，可随时从 WAL 中物化或重建。这种设计实现了无限的水平扩展，在无需外部数据库的情况下确保了严格的一致性，并通过将基础设施视为无状态来简化运维。Continuity 旨在提供一个可扩展、可靠的 Git 平台，专为现代人工智能驱动的开发工作流而构建。
Cursor 最近的一篇技术文章探讨了他们如何设计“Continuity”，这是一种可扩展的 Git 托管架构。作者利用 Amazon S3 实现原子、持久的存储，并通过预写式日志（WAL）来管理并发，旨在解决传统 Git 托管中固有的扩展性难题。
这篇文章在 Hacker News 上引起了广泛关注，并引发了两个截然不同的讨论方向：
* **技术价值：** 工程师们称赞该架构务实地将 S3 用作可靠的基础组件，指出它有效地将复杂的分布式系统问题转移到了经过验证的基础设施层。一些评论者将其与数据库内部机制和 Vitess 相提并论，突显了该设计的成熟度。
* **企业担忧：** 很大一部分讨论集中在对 Cursor 领导层和商业行为的怀疑上。许多用户表达了对该平台被埃隆·马斯克收购后的深切不信任，并提到了隐私担忧、对 Grok 的激进推广，以及产品正在经历的“体验劣化”（enshittification）。
尽管该团队的工程能力获得了技术上的赞誉，但许多开发者仍然不愿将代码迁移到该平台，理由是道德方面的考量，以及更倾向于 GitHub 等虽然不完美但已确立地位的生态系统。
Modular 已正式将整个 Mojo 编程语言以 Apache 2.0 许可证（包含 LLVM 例外条款）开源，其中包括编译器和工具链。Mojo 旨在利用 GPU 和 AI 加速器等现代硬件，弥合高级语言易用性与底层性能之间的差距。 遵循以社区为中心的阶段性开发策略，Modular 现已将其完整源代码发布至 GitHub 仓库。用户可以使用 Bazel 从源码构建编译器，也可以选择从零开始编译，或使用预构建的二进制文件以加快工作流程。 尽管标准库已开放贡献，但为了确保设计的一致性，团队目前对编译器和工具部分实行闭源贡献模式。他们计划在今年年底前将这些领域向社区贡献者开放。随着 Mojo 的不断演进，开发者可克隆仓库、探索代码库，并加入社区论坛分享反馈与项目。
抱歉。
Vendo 是一个开源的定制化层，旨在帮助 B2B SaaS 团队将定制化功能需求转移给终端用户。Vendo 作为一个通过现有 API 运行的嵌入式代理，允许用户直接在您的产品界面内构建、重组和自动化自定义工作流，且无需修改核心源代码。
**主要功能包括：**
* **动态 UI 生成：** 用户可以通过自然语言提示生成视图并重组组件。
* **安全与治理：** 采用“防护（guard）”架构构建，所有操作均受严格的策略、审批和审计跟踪约束。
* **灵活集成：** Vendo 支持多种设置，包括现有的 AI 代理循环、独立部署，或通过 MCP 为 Claude 和 Cursor 等外部工具提供接口。
* **模块化架构：** 由专用模块（Core, Store, Guard, UI 等）组成，提供了一个强大的沙箱环境，可通过 PGlite 在本地运行，也可在生产环境中通过 Postgres 运行。
通过安装 `@vendoai/vendo`，您可以提供一个安全、隔离的交互界面，让客户能够扩展产品功能，同时确保您对系统拥有完全的控制权和安全性。访问 [vendo.run](https://vendo.run) 即可开始使用。
为了实现超过标准双精度浮点数所提供的 15 位十进制精度的计算，可以使用“双双精度（double-double）”方法。通过配对两个双精度浮点数——一个存储数值，另一个捕获舍入误差——你可以在无需引入高开销的任意精度库的情况下，获得约 31 位的十进制精度。 **为什么使用双双精度？** * **性能：** 它比标准双精度浮点数慢约 9 倍；而达到同等精度水平时，任意精度库（如 MPFR）的计算速度会慢约 81 倍，如果每次运算都进行内存分配，则会慢至 300 倍。 * **效率：** 它无需堆分配、第三方依赖或原生二进制文件，这使得其部署更快捷、更简单。 * **简洁性：** 它利用“无误差变换”（如 Knuth 的 `twoSum` 和融合乘加运算）来维持一个不变量，即这两个双精度数表示一个未求值的和。 尽管该技术非常适合计算密集型任务（如深层曼德博集合缩放），但它并非“万能钥匙”。它依然是定宽格式，无法原生处理无穷大，且需要谨慎实现以避免编译器优化破坏精度逻辑。对于超过 31 位精度的需求，传统的任意精度库仍然是必要选择。
请启用 JavaScript 并关闭所有广告拦截器。
这篇 Hacker News 讨论聚焦于《华尔街日报》的一篇报道，该报道详细说明了中央情报局（CIA）在 20 世纪 80 年代末对 NeXT 公司的财务支持。许多评论者指出，标题具有误导性；所谓的“资助”本质上是政府对 NeXT 硬件的大规模商业采购，而非秘密投资或救助。
该讨论串随后演变为关于美国情报机构与科技行业之间历史关系的广泛辩论。主要观点包括：
* **采购与投资的区别**：参与者强调，“资助”通常是指政府机构作为创新硬件公司的早期大宗“基石客户”，这为 NeXT 和 Sun Microsystems 等初创企业提供了必要的收入。
* **政府作为催化剂**：用户指出，美国国防部及其他机构在历史上通过资助基础研究并购买几乎所有早期芯片和计算机产品，在“扶持”硅谷方面发挥了重要作用。
* **怀疑论与阴谋论**：讨论触及了政府对私营科技领域影响这一广泛且常具争议的话题。一些用户表达了对监控、后门程序以及科技巨头与国家之间“议程一致性”的担忧。