每日HackerNews RSS

DS4 · 本地前沿推理 DwarfStar 4 是一款面向高内存 Mac、CUDA 和 ROCm 机器的精简 C 推理引擎。它支持 DeepSeek V4 和 V4.1 Flash、GLM 5.x 以及 Qwen3.8 Flash Next,并在一个技术栈中集成文本与视觉模型、本地 API、CLI 和原生智能体。 支持:DEEPSEEK V4 / V4.1 + GLM 5.x + QWEN3.8 · MIT 许可证 · C / METAL / CUDA / ROCM · QWEN 支持 64GB

The Hacker News 的讨论帖介绍了 **DwarfStar(ds4)**,这是 Redis 创始人 antirez 推出的全新本地大语言模型推理引擎。与 llama.cpp 或 Ollama 试图支持各种模型和配置不同,ds4 专注于少数经过精心优化的模型和硬件,尤其是高端 Apple Silicon 设备,同时支持 CUDA 和实验性的 ROCm。 用户称赞了它出色的性能、针对具体模型优化过的默认设置、SSD 流式加载、可重复使用的 KV 缓存、Agent 与工具调用支持,以及非常长的上下文窗口。社区成员分享了各种分支和实验项目,包括 **ds4go**、通过 **Xenolith** 支持 Intel 核显、类 OpenAI API,以及针对新硬件的兼容性补丁。有反馈称,它在配备 64~128GB 内存的 Mac 上表现极佳,不过运行最大的模型可能需要 96GB 或 128GB 内存。本地模型的整体能力仍不及领先的云端模型,用户对量化质量的看法也不尽相同。 讨论中的一条重要分支 debates 了 ds4 相较于通用推理运行器是否带来了实质性创新;结论是,它的优势在于“更好的默认设置”,而不是更广泛的兼容性。其炫目的落地页遭到广泛批评,被认为是粗制滥造的 AI 营销文案,相比之下,GitHub 页面更适合作为入门介绍。 其他人还讨论了项目中借助 AI 完成的 C 语言实现、Rust 的安全性权衡,以及对 antirez 设计理念和 Redis 历史更广泛的批评。

请启用 JavaScript 和 Cookie 以继续。

《The Hacker News》的讨论探讨了检测土壤中蠕虫的方法。 commenters 提议使用放射性示踪剂、给蠕虫喂食铁颗粒并用磁力仪追踪,或者通过振动被动检测其活动。不过,也有人质疑,探地雷达和地震学方法探测到的多半是岩石,而不是蠕虫;蠕虫产生的信号可能也太弱,无法进行被动检测。 其他评论介绍了蚓螈——一种形似蛇的两栖动物,会给幼体提供类似乳汁的营养。评论中还出现了对《圣经》及其仿写风格的玩笑。一位 commenter 还指出,在食用前,用咖啡渣喂养蚓蚓或许有助于清理它们的肠道。总体而言,读者们对一个切实可行的蠕虫检测器 surprisingly? Need Chinese. "这个实用蠕虫检测器的创意出人意料地有趣。" Avoid English.</mm:think>《The Hacker News》的讨论探讨了检测土壤中蠕虫的方法。评论者建议使用放射性示踪剂、给蠕虫喂食铁颗粒并用磁力仪追踪,或通过振动被动检测它们的活动。不过,也有人质疑,探地雷达和地震学方法探测到的多半是岩石,而不是蠕虫;蠕虫产生的信号可能也太弱,无法进行被动检测。 其他评论介绍了蚓螈——一种形似蛇的两栖动物,会给幼体提供类似乳汁的营养,其中还夹杂着对《圣经》及其仿写风格的玩笑。一位评论者还指出,食用前用咖啡渣喂养蚓蚓,或许有助于清理它们的肠道。总体而言,读者们对一个切实可行的蠕虫检测器所展现的有趣创意感到意外。

2024年KUSF大学广播日杂志介绍了互联网档案馆(Internet Archive)业余无线电与通信数字图书馆(DLARC)新收录的资料,并以此回顾大学广播的历史。内容从1906年哈佛大学的无线电俱乐部和达特茅斯学院的业余电台1YB讲起,追溯到20世纪20年代WFBK的首次广播。密尔沃基工程学院馆的收藏资料记录了无线电课程、业余无线电俱乐部、WMSE-FM等校园电台,以及20世纪80年代的金属图表文物。 杂志还介绍了大学广播在20世纪40年代和50年代的发展历程。随着载波电流电台逐渐普及,杜克大学的资料涵盖了WDBS、WDUK和WXDU,而阿默斯特学院、米德尔伯里学院和威廉与玛丽学院的数字化档案则保存了海报、DJ手册、录音室笔记、剪贴簿、节目指南和往来通信等材料。DLARC欢迎个人、社团、电台和档案机构捐赠资料,或就项目提出咨询。

一则 Hacker News 讨论引起了对一篇互联网档案馆博客文章的注意,该文章介绍了 DLARC 高校广播收藏中保存的、已有百年历史的学生广播资料。该提交获得了 24 个点赞和 4 条评论。 评论者将这篇文章与此前的讨论联系起来,包括互联网档案馆为建立“业余无线电与通信图书馆”所做的努力,以及一个包含超过 9 万件资料的 DLARC 收藏。一位评论者分享了 2022 年首次发布的相关公告。 另一位评论者回忆说十多年前曾在加州理工州立大学的档案馆工作,负责数字化和修复扫描件,同时聆听从开盘式磁带转录的 20 世纪 70 年代校园广播。他们形容这段经历格外沉浸,也令人沉思,让人仿佛鲜明地感受到当时日常生活的气息。

``` 请启用 JavaScript 并关闭任何广告拦截器 ```

Hacker News 的一则讨论重点介绍了一篇《纽约时报》的文章,讲述科学家在一种长期被视为“不可成药”的癌症基因方面取得的进展。该帖子获得了 11 分和 5 条评论。读者分享了一个绕过付费墙的存档链接、原始的《分子细胞》研究论文,以及 Fox Chase 癌症中心的进一步报道。

Trail of Bits 推出了 SequenceHash 和 SequenceMAC,并通过 C2SP 进行了标准化,使安全的多重哈希能够适用于几乎所有现代密码学哈希函数,而不再局限于 Keccak。 与普通的增量哈希不同,这两种构造会对每个输入进行长度编码,从而避免不同值或不同数据边界拼接后形成相同数据所造成的歧义。 SequenceHash 采用双哈希构造,以抵御长度扩展攻击,并支持使用可选的自定义字符串实现域分离。SequenceMAC 在 HMAC 的基础上实现带密钥的认证哈希,要求密钥长度至少为 32 字节,同时纳入密钥和自定义元数据,以避免密钥伪碰撞和扩展问题。 这两种构造都使用固定宽度的 128 位字节长度后缀编码,支持流式输入,最大可处理 \(2^{128}-1\) 字节的输入。它们的安全性仍取决于底层哈希函数本身,不能解决更广泛的协议问题,例如编码不一致、输入遗漏或模偏差。 Rust、Go 和 Python 均提供了参考实现,并配有规范及大量测试向量,覆盖多种哈希函数和中间值。SequenceXOF 变体仍在考虑中。

``` 黑客新闻 最新 | 往期 | 评论 | 提问 | 展示 | 职位 | 提交 登录 SequenceHash:面向普通用户的多重哈希 ( trailofbits.com ) 33 分 由 tob_scott_a 提交 1 天前 | 隐藏 | 往期 | 收藏 | 讨论 | 帮助 考虑申请 YC 2027 年冬季批次! 申请截止至 11 月 2 日。 指南 | 常见问题 | 列表 | API | 安全 | 法律声明 | 申请加入 YC | 联系我们 搜索: ```

Figure 在保护其专有硬件、同时避免延误 F.04 项目的情况下,退役了 F.02 机器人车队。由于美国和墨西哥的铸造厂拒收采用锂离子电池的机器人,Figure 与阿诺德·施瓦辛格合作,并在芬兰伊马特拉找到了一家愿意接收这些机器人的铸造厂。 团队在模拟环境中训练 F.02 机器人,并以特技演员作为参照,让它们自主跳入盛有 molten steel 的桶中。尽管现场高温严重、存在电磁干扰、电子设备不断故障,熔炼时间也只有六次、每次仅 20 分钟,且机器人只能停留 24 小时,但它们仍成功完成了任务。 回收的钢材被运回美国,并被加工成限量发行的纪念品,为收藏者保留了 F.02 的一部分历史。如今,大多数 F.02 机器人已被销毁,只有少数几台仍留在 Figure 总部。

Hacker News 用户讨论了 Figure AI 发布的一段视频:视频中,F.02 人形机器人被丢进芬兰伊马特拉一家铸造厂的熔融金属里。各方反应截然不同:许多人认为这是一场视觉震撼、滑稽且有效的营销活动,把原本过时、无人问津的库存变成了引发病毒式传播的宣传素材。另一些人则批评此举鲁莽、对环境不负责任、浪费资源,并认为这表明 Figure 更看重吸引注意力,而非研发实用的机器人技术。 一些评论者质疑这场活动是摆拍还是真实发生的,指出其拍摄手法 dramatic,明显带有《终结者》的风格,而且还有阿诺德·施瓦辛格客串。另一场相关讨论涉及 AI 是否具有感知能力:有人认为先进的 AI 智能体可能会体验情绪或痛苦;也有人指出,F.02 机器人可能不具备类似人类的疼痛反应或自我保护本能。怀疑者还质疑 Figure 的技术进展,认为这种宣传可能主要让投资者受益,而不是让客户受益。

本文分步介绍了一个教材定理的 Lean 4 形式化证明:三行二进制位构成的语言中,若最下面一行等于上面两行之和,则该语言是正则语言。由于 DFA 从左向右读取符号,而二进制加法从最低有效位开始处理更为方便,因此证明构造了一个识别反转语言的 DFA。 该 DFA 有三个状态,分别跟踪进位为 0、进位为 1,以及一个死状态。进位为 0 的状态既是初始状态,也是接受状态,从而防止溢出。 核心证明建立了一个运行不变式,将自动机的执行与任意长度输入上的二进制加法联系起来。归纳过程使用若干辅助引理来拆分运行、将一次转移转化为加法器方程,并在最低有效位处分解整个算术方程。布尔情况通过 `decide` 或 `simp` 处理,线性算术则由 `omega` 求解。 最后,利用 Mathlib 中关于语言反转的封闭性定理,将正则性传递回原语言。本文还指出,形式化验证能够揭示规范中原本未明确写出的要求,同时警告不应盲目信任机器生成的证明,而应确保这些证明仍然易于理解。

讨论的核心在于,Lean 的证明实际上能够保证什么。支持者认为 Assuming a sound Lean kernel, reviewers need not inspect a huge proof body. The kernel verifies every intermediate inference, so humans mainly need to validate the theorem statement, its definitions, permitted axioms, and whether the statement expresses the intended claim. 批评者回应说,这并不能消除语义错误。LLM 生成的形式化证明可能证明了错误的定理,使用了空泛或不成立的假设,引入可疑的公理,或者以非预期的方式定义看似熟悉的概念,例如把“实数”别名定义为复数。这类问题可能出现在同样庞大的定理陈述或配套定义中,因此,成功通过编译并不等同于验证了现实世界中的主张。内核的可靠性漏洞以及建模方式的选择,也仍然是值得关注的问题。 另一个次要争议涉及如何学习 Lean:一些评论者建议先理解依赖类型论、构造逻辑和柯里–霍华德对应;另一些人则主张从实践练习和官方社区资源开始。总体而言,Lean 减轻了证明检查的负担,但并没有消除验证规格是否名副其实的必要性。

请启用 JavaScript 和 Cookie 以继续访问。

一则 Hacker News 讨论涉及 Big Think 的一篇文章,该文章声称,威尼斯对君士坦丁堡的战争失败催生了全球第一个债券市场。评论者将1172年的贷款与威尼斯资助第四次十字军东征,并将十字军引向君士坦丁堡洗劫一事联系起来。他们认为,这一事件削弱了拜占庭帝国,并为威尼斯后来的扩张创造了条件。 不少人对文章的历史叙述提出异议:比萨和热那亚更早就有债务安排;威尼斯统一后的公共债务可追溯至1262年;有关“世界首个”市场、政府机构以及中世纪人口数字的说法也可能夸大了事实。 另一场讨论围绕现代债券和法定货币展开。参与者质疑,既然主权政府可以发行本币,是否还需要债券市场;也有人认为,债券能够分配风险、提供投资工具、维护货币信誉,并约束政府支出。关于美联储独立性和量化宽松的讨论进一步引出了通胀与通缩之争:通胀可以为经济活动提供资金、减轻实际债务负担,但它也构成一种隐性税收;通缩则能保住购买力,却会加剧失业、债务压力和政治不稳定。

伊丽莎白·考玛讲述了家里传承下来的手工钩针编织品。这些作品曾差点被丢弃,如今却被保存下来,也让人得以看见纤维艺术背后鲜为人知的劳动。她追溯了编织的发展历程:从中世纪由男性主导的行会和维持生计的劳动,逐渐发展至针织业以及框架编织机的发明。随着机械化取代许多手工编织者,编织逐渐转变为一种休闲活动,并与维多利亚时期的上层阶级女性联系起来。 后来出现的钩针编织,最初曾在客厅社交中与编织针编织相竞争,后来尤其擅长制作蕾丝。尽管钩针编织多年 resists 机械化,但现代蕾丝机和编织机已经能够仿制钩针编织的效果。考玛解释了如何辨别真正的手工钩针作品:观察针法结构和衣物内部;机器制作或刺绣而成的仿品,内部往往会露出网状结构或不同的针法。 本期节目将这些工艺史与自动化、时尚、性别、阶级和道德消费等更广泛的问题联系起来,并推荐那些与手工钩针编织者合作的品牌。

# 黑客新闻 最新 | 往期 | 评论 | 提问 | 分享 | 职位 | 提交 登录 **蕾丝与劳动:来自真正的卢德分子的教训** (articlesofinterest.substack.com) 13 分 作者:surprisetalk 1 天前 隐藏 | 往期 | 收藏 | 1 条评论 帮助 vonStackelberg 1 天前 [–] 哦,很高兴看到这里提到了这件事。这些播客都很棒,不过这一期我还没听。关于拉链的那一期非常 entertaining。她还制作了一系列探讨军工与户外服装行业相互依赖关系的节目。内容很精彩! 回复 考虑申请 YC 的 2027 年冬季批次! 申请截至 11 月 2 日。 指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请加入 YC | 联系我们 搜索:

关于 媒体 版权 联系我们 创作者 广告合作 开发者 条款 隐私 政策与安全 YouTube 的运作方式 测试新功能 © 2026 Google LLC

讨论探讨了 AI 和其他大规模计算是否能在 CPU 上比 GPU 上执行得更高效。评论者指出,GPU 擅长高度并行的矩阵运算,但紧密耦合的硬件和 CUDA 软件生态会促使开发者手动优化代码,降低灵活性,并可能妨碍采用稀疏计算或更高抽象层次的编程方法。CPU 可能具有更大的内存容量,也更易于编程,但传统上同时执行的操作较少。 其他人还提到了英特尔的 Larrabee 项目以及后来推出的 AVX/AVX-512 向量指令集,认为这些项目试图让 CPU 具备类似 GPU 的能力,并指出矩阵计算领域仍有许多潜力未被探索。 苹果的统一内存架构被强调为一项重大优势:CPU 和 GPU 共享内存,从而避免了通过 PCIe 传输数据时开销高昂的复制。这得益于苹果对硬件、操作系统、缓存、互连以及整个软件栈的掌控。英伟达的 Grace Hopper 也提供了类似的集成方案,但牺牲了模块化能力。最后的问题在于,采用一种开放且更高速的标准互连,是否能让传统 CPU/GPU 系统获得类似优势,而无需由单一厂商控制整个平台。

更多

联系我们 contact @ memedata.com