**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。
每日HackerNews RSS
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。
本演示材料是阿波罗全球管理公司（Apollo Global Management, Inc.，“阿波罗”）的机密财产，未经事先同意不得分发。所提供信息仅供参考，不构成投资、法律、会计或税务建议，亦不构成出售任何证券或服务的要约或购买邀请。 阿波罗不对所提供信息的准确性或完整性作出任何保证。观点和预测仅反映截至提供之日的当前判断，如有更改，恕不另行通知；阿波罗不承担更新此内容的义务。 投资者应自行进行独立研究并咨询专业顾问。本演示材料包含受固有风险和不确定性影响的“前瞻性”陈述；实际结果可能与预期存在重大差异。因此，观看者不应过分依赖这些陈述。阿波罗不担任接收方的顾问，也不承担其客户通常享有的保护责任。
这篇 Hacker News 的讨论探讨了尽管 AI 炒作甚嚣尘上，但为何其投资回报率（ROI）在科技行业之外仍难以实现。
主要结论包括：
* **集成障碍：** 持怀疑态度者认为，非科技公司之所以举步维艰，是因为 AI “试点项目”往往止步于简单的聊天机器人。真正的价值需要与遗留系统、数据管道和安全架构进行复杂且乏味的集成，这些任务在技术上既困难又耗时。
* **成本现实：** 与代币成本将趋近于零的预期相反，用户反馈称由于需求增加以及智能体（Agent）多步工作流的复杂性，成本反而正在上升。虽然有些人通过使用更廉价的小模型获得了价值，但另一些人则面临着高昂的支出。
* **应用爆发与可见性：** 参与者讨论是否存在“AI 应用爆发”。许多人认为，目前正处于企业内部定制化工具的大规模扩散中，这使得个人能够在无需公开发售软件的情况下优化自己的工作流程。
* **市场动态：** 虽然有些人预期 AI 将提高利润率，但另一些人警告会出现“红皇后竞赛”，即效率提升带来的红利会被竞争抵消，最终受益的是消费者而非股东。归根结底，许多人认为目前利润增长的匮乏反映了企业落地实施过程的缓慢与艰难。
本摘要旨在澄清近期公众对全球设备标识符（GDID）的困惑。 与网络流传的误解相反，GDID 并非基于硬件生成的 128 位序列号。它是一个 64 位的“设备 PUID”（通行证唯一 ID），是在 Windows 安装并注册 Microsoft 账户（MSA）身份堆栈的过程中，由微软服务器分配的。 **核心发现：** * **机制：** 连接设备平台（CDP）本身并不生成该 ID；它是从 `wlidsvc`（MSA）服务中获取，并注册到设备目录服务（DDS）中的。 * **持久性：** GDID 专属于特定的 Windows 安装。虽然它在操作系统更新后依然存在，但重新安装 Windows 会触发新的配置流程，从而生成一个新的 GDID。 * **隐私：** 该 ID 以明文形式存储在注册表中（`HKCU\SOFTWARE\Microsoft\IdentityCRL\ExtendedProperties`）。它作为一种持久的设备级标识符，用于跨设备同步和遥测。 * **缓解措施：** 由于该 ID 与 MSA 和身份图谱绑定，仅删除本地文件是无效的。若要降低暴露风险，用户可以禁用“活动历史记录”和“连接设备平台”服务，但这会影响跨设备功能的使用。
arXivLabs 是一个允许合作者直接在我们的网站上开发并分享 arXiv 新功能的框架。与 arXivLabs 合作的个人和组织都认同并接受我们对开放、社区、卓越和用户数据隐私的重视。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开展合作。您是否有能为 arXiv 社区增值的项目想法？了解更多关于 arXivLabs 的信息。
对不起。
Kapa 通过在检索与生成阶段之间引入基于大语言模型（LLM）的“剪枝器”（pruner），优化了其 RAG（检索增强生成）工作流。
传统的 RAG 依赖检索器向大模型提供大量文档片段，并假设生成器会自动过滤噪声。然而，由于生成器的 Token 成本高昂，忽视这些噪声会导致极高的费用。Kapa 的解决方案是使用一个小型、低成本的大模型，在检索到的片段进入昂贵的生成器之前，先评估它们与用户问题的相关性。
通过采用五级相关性评分机制，剪枝器能够有效地识别并剔除无关信息，在保持 96% 召回率的同时减少了约 68% 的上下文内容。在扣除剪枝器本身的运行成本后，这一过程使总查询成本降低了约 34%。尽管此方法增加了不到一秒的延迟，但显著提升了效率，对于上下文管理至关重要的复杂智能体而言尤为有效。目前，该剪枝器已成为 Kapa 产品智能体 SDK（Product Agent SDK）的默认配置，为拥有庞大知识库的 AI 助手提供了一种更精简、更具成本效益的实现方式。
这次 Hacker News 的讨论围绕 kapa.ai 最近关于 RAG（检索增强生成）语境“修剪”的文章展开。
讨论涵盖了几个核心主题：
* **术语之争：** 用户们就“RAG”这一术语的准确性进行了辩论。一些人认为这对于语义搜索、编排和智能体工具使用等复杂过程来说是一个过于简单的标签；另一些人则将其视为用检索到的信息来增强大模型输出的统称。
* **RAG 的现实情况：** 经验丰富的从业者指出，“RAG”常被用作基础文档检索系统的营销术语。他们认为，现实世界的成功更多地依赖于严谨的数据工程、索引和质量测试，而非“神奇”的搜索算法。
* **修剪问题：** 讨论强调了基于相关性进行修剪（剔除相似度评分较低的数据块）的风险。批评者警告称，这可能会删除获得完整答案所必需的关键性、细微或“稀有”信息。支持者则认为，先进的多步骤相关性模型可以降低这种风险。
* **不断演变的语境：** 许多人指出，尽管更大的上下文窗口允许输入更多数据，但“塞入式上下文”（context stuffing）会导致模型难以处理噪声，因此为了兼顾成本和准确性，高效的检索和修剪依然非常必要。
此网站正在使用安全服务来保护其免受在线攻击。您刚才的操作触发了安全解决方案。有多种操作可能导致此拦截，包括提交特定的词汇或短语、SQL 命令或格式错误的数据。
在人工智能与“氛围编程”（vibe coding）的时代，有人认为学习编程已不再必要。然而，Val Town 的创始人史蒂夫·克劳斯（Steve Krouse）主张，编程仍然是一项至关重要的追求——这不仅是为了职业发展，更是作为一种基础的教育工具。 克劳斯借鉴了西摩·帕普特（Seymour Papert）的“数学王国”（Mathland）愿景，认为编程是通往逻辑思维、调试能力和构建能力的强大门户。除了这些元技能之外，编程还培养了一种独特的能动性，使个人能够通过精确的语言将抽象的想象转化为现实——这就像是在“施展咒语”。 克劳斯将代码与其他博雅教育学科相提并论，并指出，尽管大语言模型（LLM）可以生成语法，但这并没有削弱理解支撑我们世界的形式语言的价值。归根结底，编程是一项具有创造性、令人愉悦且赋予力量的活动。无论是作为理解数学的视角，还是作为构建软件的工具，“真正的计算机革命”——即普及编程素养——依然是一个值得追求的目标，它提供了一种变革性的方式，让我们能够参与并塑造现代世界。
关于“学习编程是否仍有价值”的 Hacker News 讨论显示，人们在将编程视为一种**基础技能**还是**商品化劳动**之间存在巨大的分歧。
**支持编程仍具重要性的观点：**
* **深刻的理解力：** 许多专家认为，如果不具备编程技能，就无法评估 AI 的输出、调试复杂系统或设计可扩展的架构。编程被视为一种形式化逻辑的“思维方式”，就像尽管有计算器，数学家仍需掌握基础数学一样。
* **“架构师”角色：** 支持者认为，随着 AI 处理“样板式”任务，人类程序员将转型为“指挥官”或架构师。这一层面的工作仍需要高水平的技术专长，以有效地引导 AI 智能体。
* **内在价值：** 有人认为，编程就像文学或音乐一样，是一种创造性的手艺。即便 AI 能生成平庸的代码，人类仍会珍视构建事物的过程，而不仅是其市场价值。
**认为编程重要性下降的观点：**
* **市场现实：** 持怀疑态度者认为，专业编程正日益成为一种小众的“匠人”行当。他们认为对于大多数商业应用而言，“足够好”的 AI 生成代码将使手动编程对初学者来说在经济上不再划算。
* **抽象的局限性：** 许多人担心，过度依赖大语言模型会导致一代“只靠感觉写代码”的开发者出现；当抽象层失效时，他们缺乏修复系统的基础知识，从而导致未来出现难以维护且充满漏洞的软件。
罗特曼透镜 Rotman Lens
6 天前
Rotman 透镜由 Walter Rotman 和 R. F. Turner 于 1963 年首次提出，是一种用于射频 (RF) 波束赋形的无源电子元件。它无需复杂的移相器，即可实现多波束天线阵列。
该设备通过利用一组输入“波束”端口和输出“阵列”端口来发挥作用。当信号输入到特定的输入端口时，它会以不同的相移到达输出端口。通过将这些输出连接到天线阵列，只需切换输入端口，即可控制发射波束的方向。为了提高性能，设计中通常会加入“虚拟端口”来吸收多余信号，防止设备边缘产生反射。
Rotman 透镜通常采用微带基板或中空导电波导制成。由于其高效和多功能的特性，它们被广泛应用于现代雷达领域。
抱歉。
**pon** 是一个基于 Rust 编写的实验性高性能 Python 3.14 运行时与编译器。它摒弃了传统的解释器和字节码模式，利用 **Ruff 解析器**将 Python 代码转换为统一的中间表示（IR），随后通过 **Cranelift** 将其编译为机器码。
该项目提供两种主要工作流程：
* **JIT（即时编译）：** 进程内分层编译，具备类型反馈、后台优化及栈上替换功能。
* **AoT（预先编译）：** 将模块编译为独立的本地可执行文件。
内存由自定义的 **Green Tea 垃圾回收器**管理，运行时采用了精简的对象模型，消除了 CPython 引用计数带来的开销。
该项目的核心是与 CPython 3.14 保持**字节级差异的一致性合约**。开发过程严格遵循 CI 强制执行的“基准”文件，确保任何输出回归都会导致构建失败。尽管项目仍处于深度开发阶段，其目标是成为“Python 版的 V8”——一个具备内置包管理器和全面标准库支持、快速且单一的二进制运行时。目前的工作重点在于扩展标准库、优化性能以及实现与 CPython 测试套件的完全兼容。
一个旨在将 Python 3.14 编译为 Metal 的项目发布后，在 Hacker News 上引发了激烈争论。怀疑论者认为，该项目本质上只是 Python 的一个“凭感觉”生成的子集，无法与 CPython 对等，并称这是继以往尝试在标准解释器之外实现 Python 后又一次失败的尝试。他们认为，如果没有深厚的人类专业知识和架构监督，维护如此复杂的 AI 生成代码将是不可能的，最终只会导致“脆弱”的软件。
相反，支持者认为 AI 显著降低了构建自定义编译器的门槛，使得以前成本过高的细分用例成为可能。他们将此视为软件开发方式的潜在转变，即由 AI 来处理繁重的实现和维护工作。
此次讨论还涉及了 AI 编写项目所带来的更广泛影响，批评者呼吁在 Hacker News 等平台上加强对“AI 垃圾内容”的筛选。尽管有些人将其视为开发者工具领域开创性的演进，但另一些人依然确信，如果没有人类维护者长期、稳健的投入，这些项目注定会沦为被遗弃且无法维护的技术债务。