每日HackerNews RSS

在接受《The Deep View》采访时,苹果高级产品经理道格·布鲁克斯(Doug Brooks)强调,Mac mini 和 Mac Studio 是运行 AI 代理的首选硬件。他指出,用户青睐这些台式机的原因在于它们能够独立于主要设备,实现安全、全天候的自动化运行。 布鲁克斯将苹果在 AI 领域的成功归功于其芯片战略——即将 AI 视为一项“全芯片”挑战,而非仅仅是 GPU 的任务。通过在 CPU 和 GPU 中整合神经引擎(Neural Engine)等专用硬件及额外的神经网络加速器,苹果芯片优化了高能效矩阵数学运算和复杂的工作流程。 这种架构支撑了行业向本地私有 AI 处理转移的趋势,从而缓解了云端推理带来的高昂成本和安全顾虑。尽管布鲁克斯设想了一个智能分发任务的混合未来(即在设备端硬件与云端之间分配任务),但他强调,苹果的软硬件协同优势完全有能力应对这些需求。归根结底,苹果的重点仍在于将“透明 AI”无缝整合到其生态系统中,从日常移动应用到高级开发工具,确保硬件始终能够针对快速演进的 AI 开发领域进行优化。

Hacker News 最新 | 往日 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 Apple Silicon 高管解释 Mac mini AI 需求及设备端未来 (macrumors.com) 5 分 | tosh | 1 小时前 | 隐藏 | 往日 | 收藏 | 讨论 帮助 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

Anthropic 的长期利益信托(LTBT)已任命前美联储主席、诺贝尔奖得主本·伯南克(Dr. Ben Bernanke)博士为最新成员。LTBT 是一个独立的治理机构,负责确保 Anthropic 履行其为人类福祉负责任地开发人工智能的使命。 作为一家公益公司,Anthropic 在商业目标与社会影响之间寻求平衡。LTBT 通过就人工智能风险及社会影响向公司领导层提供建议来实施监管,并拥有任命公司董事会成员的权力。受托人均为独立人士,在公司中不持有股份,也不参与利润分成。 伯南克博士为这一职务带来了在经济政策和制度稳定方面的深厚专业知识。Anthropic 领导层指出,他在应对颠覆性经济事件方面的背景,对于引导人工智能对全球劳动力和经济可能产生的复杂影响将起到关键作用。伯南克博士加入了由尼尔·巴迪·沙(Neil Buddy Shah)、理查德·方丹(Richard Fontaine)和马里亚诺-弗洛伦蒂诺·奎利亚尔(Mariano-Florentino Cuéllar)等多位专家组成的信托团队,共同指导 Anthropic 技术向着长期、伦理的方向发展。

Hacker News 最新 | 往期 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 本·伯南克加入 Anthropic 监督信托基金 (anthropic.com) 17 分,由 Jimmc414 发布于 1 小时前 | 隐藏 | 往期 | 收藏 | 2 条评论 | 帮助 yieldcrv 2 分钟前 | 下一条 [–] 他是支持放宽还是收紧 AI 安全政策? 回复 Jimmc414 1 小时前 | 上一条 [–] https://www.bloomberg.com/news/articles/2026-07-09/former-fe... 回复 准则 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

本研究探讨了“科技干扰”(Technoference)——即数字设备引起的父母分心——对青少年与父母依恋关系质量的影响。尽管现有研究已探讨了青少年使用屏幕对健康的负面影响,但关于父母在互动中过度使用设备如何影响青少年对父母“关注度”及“情感安全感”的感知,相关数据仍非常有限。 研究人员开发并验证了“设备依恋干扰量表”(Device Attachment Interference Scale,简称 DAIS)。该量表包含 12 个项目,旨在衡量青少年对主要照料者“以设备为中心”行为的感知。研究以 600 名美国青少年(12-17 岁)为样本,通过探索性和验证性因子分析,确认了该量表的单维结构。 研究结果表明,DAIS 得分越高(即感知到的父母设备干扰越严重),青少年对父母的依恋不安全感(包括焦虑型和回避型)水平就越高。这些发现表明,父母使用屏幕是一种现代的、主观的风险因素,它会干扰青少年对照料者回应性的基本需求。作者总结认为,解决“以设备为中心”的行为对于培养健康的亲子关系及促进青少年的情绪发展至关重要。

Hacker News 最新 | 往事 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 研究:“妈妈,你爱手机比爱我还多吗?” (frontiersin.org) 13 分,由 hbcondo714 在 3 小时前发布 | 隐藏 | 往事 | 收藏 | 讨论 | 帮助 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

健康研究中的风险比(HR)常被误解为寿命延长的直接指标。一个常见的错误是将基准预期寿命直接乘以风险降低幅度,这忽略了“基特菲茨熵”(Keyfitz entropy)——即死亡不可避免,且通常是由多种竞争性风险导致的。 由于人类并非长生不老,预防某种死因(如癌症)只会让人有更多时间死于其他疾病(如心脏病)。因此,死亡率降低 10% 并不意味着寿命延长 10%,而是一个小得多的增幅,对于美国男性而言,通常仅增加约 1.3 年。 尽管风险比会随年龄而变化,但现代人类的死亡率分布提供了一个“幸运的巧合”:你可以通过以下公式合理估算某项干预措施的影响: **ΔL ≈ (1 - HR) × 12.93 年** *(其中 12.93 为美国男性在死亡时的平均剩余预期寿命)。* 虽然如果干预措施的效果在不同年龄段差异巨大,该近似值可能会产生偏差,但在一般情况下,其误差范围在 30% 以内。归根结底,尽管干预措施能改善健康,但其对总预期寿命的影响仍受限于人类死亡率的潜在分布。

Hacker News 最新 | 过往 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 关于风险比的生活 (dynomight.net) 7 点,由 surprisetalk 发布于 1 小时前 | 隐藏 | 过往 | 收藏 | 讨论 | 帮助 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

本文概述了如何设计高性能的多线程 Rust 结构(以 SPSC 环形缓冲区为例),以避免“伪共享”(false sharing)。当多个核心无意间争抢同一个缓存行时,就会发生伪共享,即使代码是无锁的,性能也会因此被串行化。 若要优化内存布局,请遵循以下原则: * **字段分区**:根据“写入所有者”和访问频率对字段进行分类。将高频、写密集的字段(如游标)归为一区,防止一个核心的写入导致另一个核心的工作集失效。将极少访问的“冷”字段归为一区,以节省缓存空间。 * **结构完整性**:使用 `#[repr(C)]` 防止编译器重排字段,确保你精心设计的区域保持不变。 * **策略性对齐**:对高频、跨核心访问的字段使用填充(例如 `128 字节` 对齐)。这能防止争用,并避免“预取器引起的”伪共享——即相邻的缓存行被预取机制一并加载到缓存中。 * **性能准则**:在处理线性访问模式时,应避免手动进行软件预取,因为它会干扰 CPU 自身高效的硬件预取器。 其核心目标是将内存布局与硬件的物理特性对齐,确保算法的理论性能能够反映在实际的硬件执行中。

抱歉。

本摘要概述了一种与模型无关的企业级安全编排框架的开发,旨在突破独立人工智能代理的局限性。 **核心概念:** * **框架与模型:** 鉴于人工智能模型具有多变性和可替换性,作者构建了一个持久化的编排层。该“框架”将模型视为无状态计算引擎,允许开发人员切换提供商以避免偏见并维持性能。 * **流水线架构:** 该系统采用两阶段流程:用于发现漏洞的“漏洞发现框架 (VDH)”以及用于分类筛选的“漏洞验证系统 (VVS)”。 * **对抗性验证:** 为消除“幻觉”或无效结果,系统采用双模型核查机制:发现模型查找潜在漏洞,而使用不同逻辑的独立验证模型则尝试对其进行反证。 * **上下文管理:** 通过将任务拆分为高度聚焦的无状态子代理,并使用持久化的 SQLite 数据库,该系统避免了上下文窗口耗尽的问题,并确保了跨大型代码库的可重现性。 **成果:** 该系统将原始且杂乱的人工智能输出转化为高保真、可执行的漏洞报告,并附带已验证的概念证明 (PoC) 和 git diff 补丁,从而显著减轻了安全团队的手动筛选负担。

Hacker News最新 | 过往 | 评论 | 提问 | 展示 | 招聘 | 投稿登录构建你自己的漏洞利用工具 (cloudflare.com)6 分,由 ianrahman 发布于 33 分钟前 | 隐藏 | 过往 | 收藏 | 讨论帮助 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:
聚焦 Focus 23 小时前

作为Facebook的早期工程师,作者回顾了初创企业生活的残酷现实:繁重的工作时长、身体上的透支以及持续不断的压力。在怀旧之余,作者强调了该公司最具决定性的优势在于始终如一且极其专注的目标。 作者指出,企业往往因为“千刀万剐”式的琐碎决策而丧失竞争力。那些看起来积极的倡议——例如慈善项目或细分领域的产品功能——往往因为单看无害或有利而被批准。然而,这些共同的偏离分散了公司的核心竞争力,导致机构臃肿、结构复杂并拖累了组织效率。 尽管个别的福利或功能可能会带来局部的正向投资回报,但最终会使公司偏离使命并阻碍整体表现。作者强调,最成功的组织通过严格优先考虑其比较优势来保持专注,并愿意砍掉干扰项,即使这些干扰项在客观上看起来是“好”的。归根结底,这篇文章是一个警示:为了避免平庸与停滞,公司必须具备足够的纪律性去对次要利益说“不”,因为消除干扰的最佳时机是在它们开始之前。

Hacker News 最新 | 往期 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 Focus (boz.com) 11 分,由 iacguy 发布于 1 小时前 | 隐藏 | 往期 | 收藏 | 1 条评论 aaronbrethorst 4 分钟前 [–] [2023] 回复 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

请启用 JavaScript 并关闭广告拦截器

Hacker News 新内容 | 过往 | 评论 | 提问 | 展示 | 招聘 | 投稿 登录 一颗恒星刚刚吞噬了一颗行星,而且还没吃完 (nytimes.com) 7 点,由 wglb 发布于 41 分钟前 | 隐藏 | 过往 | 收藏 | 3 条评论 | 帮助 opengrass 7 分钟前 | 下一条 [–] 我们必须通过少吃肉和多纳税来阻止我们的太阳这样做。 回复 senectus1 10 分钟前 | 上一条 | 下一条 [–] https://archive.md/CtsG6 回复 rgrieselhuber 15 分钟前 | 上一条 [–] “刚刚” 回复 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系 搜索:

为了给孩子提供流畅的实时体验,人工智能的安全护栏必须既稳健又即时。由于标准的安全性分类器会产生难以接受的一秒延迟,该系统将生成与执行分离开来。 当孩子开口时,系统会立即启动两个并行流程:一个缓慢但高精度的 LLM 安全分类器,以及一个能快速生成共情式低风险回复的“预判”模型。在完成这种初步回应的同时,安全检查通常已经完成,从而使主对话模型能够顺畅地生成实质性回复。 这种方法掩盖了安全系统的延迟,实现了持续且自然的交互。团队没有依赖死板且易出错的规则检查,而是将安全分类器用作动态闸门。由转录错误引发的误报被视为优化智能体理解能力的学习契机。归根结底,这种架构确保了安全要求永远不会以牺牲与孩子互动所需的响应速度为代价。

Ello 团队由教育工作者、人工智能专家和家长组成,他们开发了一款人工智能导师,旨在帮助 4 至 9 岁的儿童进行阅读、数学和英语(ESL)学习。为了解决标准大语言模型(LLM)的技术局限性,该团队构建了一个定制的“导师框架”,其中包括流式解释器和异步规划器,以确保实现实时且符合教育学原则的互动。 该项目在 Hacker News 上引发了激烈争论。支持者认为,该工具是一个至关重要的“倍增器”,能够为缺乏私人导师的孩子提供普及化、个性化的学习资源,有望解决全球识字率危机和人类教师短缺的问题。他们强调,该应用的设计初衷是辅助而非取代人类教育者。 然而,批评者表达了对以人工智能取代人类互动的强烈担忧,担心这会导致“思维退化”,或让孩子接触到会“产生幻觉”的黑箱系统。一些人认为,5 岁的孩子需要的是体育活动和人际交流,而不是屏幕时间。对此,Ello 团队坚称他们的使命是为服务不足的群体提供高质量的学习工具,并将人工智能定位为一座桥梁,使人类教师能够专注于更复杂的人际指导。

请提供您需要翻译的内容。

开发者 eli_yumnik 发布了一款专注于纽约市的免费应用程序(sbnyc.app),旨在通过自动化发现和叠加优惠券、折扣及现金返还活动,帮助用户节省买菜开销。该应用目前涵盖了约 690 家商店的数据,用户既可以搜索特定商品,也可以利用内置的 Llama AI 工具辅助购物。 该项目尚处于开发阶段,开发者承认在数据更新及时性和覆盖范围方面存在局限。在 Hacker News 的讨论中,开发者就如何在处理不一致的零售数据源时平衡这两大挑战寻求了建议。 社区反馈包括对获取纽约市各杂货店统一价格数据难度的探讨,以及关于当地平价零售商的建议。尽管一些用户提供了建设性的技术建议,也有人对帖子本身的呈现方式提出了批评。目前,该应用无需登录即可使用,为纽约市民优化杂货支出提供了一种简便的途径。

更多

联系我们 contact @ memedata.com