为遵守《欧盟人工智能法案》，Anthropic 正在为未来的 Claude 模型实施水印系统。该系统会在生成的文本中嵌入特定模式，以帮助识别 Claude 是否参与了内容的创作。 **核心要点：** * **隐形且无害：** 水印不会影响文本的质量、可读性或创造力。系统不会添加任何隐藏字符，也不会对性能、速度或成本产生影响。 * **工作原理：** 模型利用其内部的“随机性”选择来嵌入一种独特模式。虽然读者无法察觉，但拥有相应密钥的用户可以对其进行检测。这并非永久性印记，而是一种概率性的指标。 * **局限性：** 对于短文本、事实性陈述（措辞受限），或经 Claude 轻微修改的人类创作内容，水印的效果会减弱。 * **隐私保护：** 水印仅用于识别 Claude 的参与，不包含任何关于用户个人信息或具体聊天内容的标识。 * **图像：** 对于非文本文件，Anthropic 使用行业内容溯源标准——C2PA 元数据。 此次全球范围内的推广旨在确保符合欧盟行为准则，同时为用户维持顺畅的使用体验。
每日HackerNews RSS
抱歉。
以下是该披露账本的简要总结：
**Z.ai Security 漏洞披露账本总结**
Z.ai Security 披露账本共收录了 2,436 个漏洞，覆盖了 45 个开源项目。在这些漏洞中，严重及高危级别共计 206 个（注：原文此处数据逻辑有误，按后文求和应为 206），分布情况为：Critical（107个）、High（99个）、Medium（1,177个）及 Low（1,053个）。
该数据集展现了极长的安全隐患周期：受影响漏洞的时间跨度长达 45 年（追溯至 1981 年），平均每个漏洞在被发现前已潜伏长达 26.6 年，凸显了长期隐匿漏洞的严峻安全挑战。近期披露的高危漏洞包括 Linux 内核的释放后重用（use-after-free）错误、Apple Safari 的 WebKit 内存缺陷、FreeBSD 的参数验证缺失以及 GStreamer 的堆越界写入问题等。这些数据揭示了在复杂开源生态中，深度安全审计与漏洞治理的迫切性。
抱歉。
适用于 CP/M、MSX-DOS 和 MS-DOS 的 Turbo Pascal——小型机上的 Pascal 语言 Turbo Pascal on CP/M, MSX-DOS and MS-DOS
77 天前
Pascal 编程语言以数学家布莱兹·帕斯卡（Blaise Pascal）的名字命名，由尼克劳斯·维尔特（Niklaus Wirth）于 1970 年创建，旨在教授系统化和结构化的编程。在 20 世纪 70 年代和 80 年代，它成为了教育和专业开发领域的标准。
在 MSX 平台上，尽管 Borland 的 Turbo Pascal 在实践中偏离了标准 Pascal，但它还是成为了主流编译器。由于原生 Turbo Pascal 无法直接访问 MSX 硬件，开发者们创建了自定义的“包含文件”和机器码库，以实现高级图形、精灵图和系统控制。诸如 Martijn Dekker 的 MDL-LIB 以及 MSX PAD 等集成开发环境（IDE）等著名工具，进一步提升了开发体验，使程序员能够架起 MSX 与 PC 环境之间的桥梁。
如今，MSX Pascal 的遗产通过大量保存的源代码、图形转换工具（如 PCX）以及允许现代用户继续为该平台开发软件的库而得以延续。这一历史生态系统见证了 Pascal 语言的多功能性，它曾是早期计算、游戏开发以及 MSX 系统工具创建的基础性工具。
抱歉。
商人马克·沃尔特（Mark Walter）最近以125亿美元的价格将洛杉矶湖人队出售给约书亚·库什纳（Joshua Kushner）和罗伯特·艾格（Bob Iger），仅一年时间就获利25%，这一交易凸显出现代体育所有权制度的荒谬本质。尽管沃尔特因其商业往来受到联邦调查，但他凭借持有一种稀缺的、受政府保护的资产，获得了前所未有的暴利。 文章认为，职业体育俱乐部并非自由市场资本主义的产物，而是“合法化的寡头垄断”。其天价价值是由一系列系统性优势人为抬高的，包括反垄断豁免（《体育广播法》）、压制球员流动的勾结性劳动实践，以及巨额的体育场公共补贴。此外，优惠的税法允许亿万富翁所有者通过摊销收购成本来降低税负，其缴纳的实际税率往往低于其雇员。 尽管球迷们赞赏竞争平衡，但当前的体制实际上是一种政府认可的财富转移机制，它在保护所有者免受风险的同时，也将他们与竞争隔绝开来。作者总结道，虽然这一安排在技术上是合法的，但现状已无可辩驳。他建议必须进行政策改革，例如消除税收漏洞或赋予城市所有权份额，以应对这种极端且受国家支持的财富积累。
抱歉。
**Mole** 是一款专为隐私、精准度和严格预算控制而设计的深度研究智能体。与标准的聊天界面不同，它以静态二进制文件的形式在您的本地机器上运行，并使用您自己的 API 密钥。
主要功能包括：
* **强制预算控制**：您可以设定明确的限额（以美元或 token 为单位）；智能体在执行前会预留成本，确保零超支。
* **验证准确性**：Mole 要求每一项主张都必须由来源的逐字引用支持。无法通过验证的主张将被剔除，且该工具会提供一份记分卡，评估其自身的论据和引用准确性。
* **数据隐私**：您可以将 Mole 指向本地文件（CSV、文件夹）；它会在本地执行 SQL，确保原始数据绝不会离开您的机器——只有汇总后的结果（如平均值或计数）才会被处理。
* **多功能集成**：它支持自主研究模式、结构化数据集构建模式，以及“工具包”模式；该模式允许外部编程智能体（如 Claude Code）利用 Mole 已验证的研究能力。
Mole 支持 Linux 和 macOS 系统，兼容多种搜索和 LLM 提供商（包括自托管），并通过本地凭据存储和受控网络访问实施严格的安全保障。
**Show HN: Mole** 是一款全新的开源终端深度研究代理，旨在解决 AI 研究工具中常见的痛点：预算不可控、幻觉问题以及隐私顾虑。
主要功能包括：
* **预算执行：** 能够确保绝不超出预算的系统。
* **来源验证：** 代理给出的每一项断言都包含直接来源。
* **数据隐私：** 专为处理敏感本地数据（如 CSV 文件）而设计，信息绝不会离开用户的设备。
该工具兼容多种大语言模型，包括本地模型和订阅制服务。自发布于 Hacker News 以来，该项目收到了大量社区反馈。尽管用户对其功能表现出浓厚兴趣，但开发者目前正面临重命名建议，因为已有其他软件产品使用了“Mole”这个名称。感兴趣进行测试或参与贡献的用户可在 GitHub 上查看该项目。
您可以轻松地将交互式 `sandbox.bio` 终端嵌入到您的网站或博客中，从而在浏览器中直接执行命令。 若要开始使用，请将以下脚本标签添加到您的页面： `<script src="https://sandbox.bio/embed.js" data-cwd="embed"></script>` 集成后，您的 `bash` 代码块（在 GitHub Pages Markdown 或标准的 `language-bash` HTML div 中）将自动出现一个“运行”按钮。 **自定义选项包括：** * **`data-cwd`**：设置初始工作目录。 * **`data-config`**：指向一个远程 JSON 文件，用于进行高级终端配置。 您还可以通过在配置文件中使用 `tools` 数组来预加载特定文件，以便用户进行交互。该数组需指定文件 URL 以及文件在终端中显示的本地路径。这是为您的技术内容创建交互式教程或演示的高效方式。
对不起。
现代 CPU 上的整数除法和取余运算，相较于浮点除法，存在高延迟和低吞吐量的问题。本文提出利用浮点运算硬件来执行这些整数操作。其核心逻辑在于：在特定的精度限制内（双精度 53 位，单精度 24 位），二进制浮点除法的数学特性允许在不产生舍入误差的情况下进行精确的整数截断。 核心论点是：对于整数 $x$ 和 $y$，商 $d$ 等同于 `trunc(x/y)`，而余数 $m$ 可以通过 `-fma(d, y, -x)` 恢复。由于这些格式的二进制浮点除法不包含“中点”，因此“舍入到最接近”的行为永远不会触发错误的增量；除法结果的小数部分在数学上无法达到向上舍入所需的阈值。 虽然实现该方法需要仔细管理舍入模式或使用专用指令（如 AVX-512 的 `_mm_div_round_sd`），但它为 SIMD 工作负载提供了一种性能替代方案。只要整数位宽保持在浮点有效数字的范围内，这种方法就能有效绕过传统整数除法的开销。
对不起。
**LuaCAD** 是一款功能强大的脚本化 CAD 工具，支持使用 Lua 5.4 设计参数化 2D 和 3D 模型。它基于高性能的 Rust 引擎构建，利用 Manifold 实现高效的 CSG（构造实体几何）运算，并提供比 OpenSCAD 更一致、功能更丰富的语法，包括用于几何图形的自然运算符重载。
主要功能包括：
* **多格式导出**：可直接将模型导出为 3MF、STL、OBJ、PLY、OFF、AMF 或 SCAD 格式，或渲染为 PNG 图片。
* **高级特性**：全面支持 BOSL2 库，内置文本转几何图形生成功能，并具备强大的网格导入能力（支持 SVG、DXF 和多种 3D 格式）。
* **工作流工具**：包含用于格式转换和文件监视的命令行界面（CLI），以及带有实时 3D 预览功能的 GUI 应用程序 `luacad-studio`。
* **多对象支持**：以 3MF 格式导出的模型可保留各个组件的数据，使切片软件能够将其识别为独立且可移动的部件。
LuaCAD 将编程语言的灵活性与现代 3D 制造的需求相结合，对于追求比传统脚本 CAD 更快速、更易于嵌入的解决方案的用户来说，是一个绝佳选择。
抱歉。
离散傅里叶变换（DFT）是信号处理的基础，但其复杂的数学符号（涉及欧拉公式和复数）往往掩盖了其底层机理。本练习将通过证明DFT本质上是一系列矩阵乘法，来揭示其运作方式。
将DFT视为线性代数过程，便能明白为何同样依赖矩阵乘法的深度神经网络在信号分析方面表现出色。虽然像U-Net这样的神经网络是从数据（空间域）中学习最优滤波器，但DFT作为一种“固定”变换，是人为设计的，旨在将信号分解为组成它的余弦波（频域）。
该方法使用逆DFT在时域和频域之间转换信号，说明任何由一系列时域样本表示的信号，都可以重建为特定频率的加权和。通过应用DFT，我们可以在数学上“发现”这些未知权重，从而证明即使是最复杂的信号处理技术，其根源也是简单的、可计算的线性运算。
抱歉。
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秉持并认可我们对开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于坚守这些价值观，并仅与遵循这些价值观的合作伙伴合作。如果您有能为 arXiv 社区增值的项目想法，请了解更多关于 arXivLabs 的信息。
抱歉。