## EyesOff：构建偷窥检测模型
为了保护用户免受偷窥，我为我的应用EyesOff开发了一个定制的深度学习模型，因为合适的预训练模型由于许可或任务特异性而不可用。核心挑战是缺乏用于检测有人是否正在看屏幕的标记数据集。
我通过手动标记超过20,000张图像来构建数据集，最初使用FFHQ和自拍数据集，然后专注于视频会议数据集（VCD）。一个关键步骤是使用OpenVino的注视估计模型生成合成注视标签。
最终模型基于EfficientNetB0，并采用两阶段方法进行预训练（注视回归然后屏幕接触分类），在近距离和中距离上实现了大约**71%的准确率**。通过使用更多图像扩展数据集，显著提高了中距离检测能力，这对于识别潜在的偷窥者至关重要。
未来的工作包括进一步的数据收集、模型尺寸减小，以及探索像YuNet这样的架构以提高效率。该项目强调了定制数据集和数据扩展对于深度学习成功的的重要性。
每日HackerNews RSS
## EyesOff：屏幕接触检测总结
一位开发者在Hacker News分享了他们的项目“EyesOff”，一个用于提醒用户潜在偷窥的屏幕接触检测模型。该模型使用网络摄像头来识别是否有人在看屏幕，旨在保护敏感信息。
讨论很快转向了该工具的实用性。许多评论者质疑其在现实世界中的用处，理由是网络摄像头的视野狭窄以及潜在的滥用可能性——特别是用于员工监控。另一些人指出已经存在凝视追踪的研究，并建议首先关注主要用户检测，作为更可实现的目标。
开发者承认了局限性，特别是对于旧款网络摄像头，并承认该模型的准确性目前较低，原因在于数据集大小和手动标注。他们强调EyesOff最好*与*隐私屏幕结合使用，因为两种解决方案都不是万无一失的。尽管存在怀疑，但一些用户赞赏了对模型构建过程的详细解释。
Rust 的不可思议的类型：如何使自借用安全 (2024)
The inconceivable types of Rust: How to make self-borrows safe (2024)
11 天前
## 重新思考 Rust 的借用检查器：启用自借用与安全的异步
这篇文章探讨了 Rust 如何支持自借用——同时持有值和对其的引用——并改进异步函数处理，目前受借用检查器的限制。作者认为这并非借用检查的固有局限性，而是 Rust 特定设计选择的结果。
核心问题在于 Rust 无法命名局部变量的类型，这对于将异步函数反糖成安全、零成本的 Rust 代码至关重要。 提出的解决方案涉及几个关键变化：允许显式命名所有类型（包括生命周期），引入“绑定生命周期”来跟踪生命周期所有权，以及承认“难以想象的类型”——在实践中存在但未正式存在于 Rust 类型系统中的类型。
重要的是，作者指出了 Rust 处理 `Drop` 和初始化方面的不足，这与所有值都是可移动的假设有关。他们提出了一种“所有者引用” (`&own T`)，以允许安全地销毁和初始化不可移动的类型。 进一步的改进包括一种机制，用于跟踪枚举中的“自性”，并允许容器声明借用不会妨碍它们自身的可移动性。
虽然承认重大的向后兼容性挑战以及在当前 Rust 中实现的可能性不大，但作者旨在证明自借用在具有不同设计选择的健全借用检查系统中*是*理论上可实现的。
## Rust 的不可思议的类型：总结
一篇最近的文章（polybdenum.com）引发了 Hacker News 关于 Rust 借用检查器和类型系统内部复杂性的讨论。核心争论在于语言/库的灵活性与编译器限制之间的平衡。一些人认为，特性不应该需要“特权访问”编译器——Rust 通常在这方面成功，不像 Go——允许用户实现核心功能，如 `Vec`。
然而，文章强调了在某些领域这种平衡被打破的情况，尤其是在高级特性方面。一个关键问题是安全且方便地管理自借用。开发者正在探索像 `Rc`、`Weak` 和 `RefCell` 这样的解决方案，但发现代码冗长且可能效率低下。建议包括编译器辅助诊断和“位置无关借用”，以减轻性能开销。
讨论强调，Rust 的困难源于不成文的规则和缺乏清晰的文档来解释这些“不可思议的类型”。尽管复杂，Rust 提供了独特的功能，使其成为特定领域的强大选择，尽管学习曲线较陡峭。最终目标是提高易用性，使 Rust 的强大功能更易于访问，同时不牺牲安全性。
## 黑客新闻讨论：阻止LLM爬虫 (owl.is)
一场黑客新闻讨论围绕着一种无需依赖JavaScript就能识别和阻止LLM爬虫的方法，详情见[owl.is](https://owl.is/)。该网站使用一个隐藏链接；合法用户不会看到它，但试图抓取内容的爬虫很可能会跟随它，从而暴露自己。
讨论很快就突出了潜在的滥用可能性——恶意行为者可以利用该链接来破坏网站。人们对区分合法的用户代理和机器人、住宅代理的影响以及阻止顽固爬虫的难度表示担忧。 许多用户建议的解决方案包括移除指向蜜罐URL的链接、速率限制以及使用“技能测试”问题（如CAPTCHA）。
一个关键点浮出水面：传统爬虫（尊重`robots.txt`）和激进的LLM爬虫之间的区别，后者经常无视这些规则，并优先考虑数据量而不是网站健康。 一些人认为，阻止*任何*自动化访问是适得其反的，因为它可能会阻碍合法的AI驱动用户代理。 最终，这场对话强调了在大型语言模型时代，在可访问性和防止滥用抓取行为之间取得平衡的持续挑战。
## Vello：高性能 .NET 8.0 2D 渲染器
Vello 是针对 Vello Sparse Strips CPU 渲染器的 .NET 8.0 生产级绑定，提供 100% 的 API 覆盖率和高性能。它通过 C-ABI FFI 利用 Rust 实现核心渲染引擎。
主要特性包括使用 `Span<T>` 和 `stackalloc` 进行零分配渲染，用于文本、渐变和 PNG I/O，以及零拷贝像素访问。它支持 SIMD 指令（SSE2、AVX、AVX2、AVX512、NEON）和可配置的多线程，以在 Windows、Linux 和 macOS（x64、ARM64）上实现最佳性能。
该库提供具有 `IDisposable` 模式的安全 API，并经过全面的测试支持——113 个测试（100% 通过）和基准测试套件。15 个示例应用程序展示了其功能，包括渲染形状、渐变、文本和图像处理。
Vello 提供高级 C# API (`Vello`) 和 Avalonia 控制 (`Vello.Avalonia`)，方便集成到 UI 应用程序中。提供详细的文档和各种平台的构建脚本。该项目已完成，所有 34 个 `RenderContext` 方法均已实现，并完全支持混合、裁剪和遮罩等功能。
一个新的 .NET 绑定，用于 Vello 稀疏条带 CPU 渲染器，在 Hacker News 上分享，引发了关于其最初展示方式的讨论。虽然底层库代码据称写得很好且功能正常，但一些评论员批评了项目的 README 文件。
主要问题是 README 似乎是由 AI 生成的，导致一些人立即 dismiss 这个项目。README 中“生产就绪”的说法也引起了混淆，这与代码本身表明处于 alpha 阶段的说法相矛盾。
开发者（“wiso”）承认 README 需要改进，并澄清 alpha 状态是由于 API 未完成，而不是代码质量问题。普遍的共识是，用户不应仅仅因为 README 质量差而 dismiss 这个项目，因为核心库本身显示出潜力。
启用 JavaScript 和 Cookie 以继续。
这个Hacker News讨论围绕解决Project Euler问题45，该问题要求找到第一个三角形数、五边形数和六边形数。 几位用户分享了他们的解决方法和性能结果。
一位用户用Python实现了一个解决方案，检查数字是否满足与三角形数、五边形数和六边形数公式相关的完全平方数的条件。 另一位用户利用Haskell的惰性列表方法，合并三角形数、五边形数和六边形数的列表并进行比较——在几秒钟内获得结果。
与Haskell解决方案相同的算法的Rust实现速度明显更快，在M1 Pro上不到3秒钟就找到了相同的数字。 Haskell的进一步优化，切换到机器整数，将性能从旧处理器上的6分钟提高到35秒。 讨论还涉及Rust的具体细节，例如`wrapping_sub()`以及某些浏览器中的调试显示问题。
## LibrePods：释放 AirPods 的全部潜力
LibrePods 是一款免费开源应用程序，它将苹果 AirPods 的专属功能带到非苹果设备，主要是在 Linux 和 Android（需要 root 权限和 Xposed 框架）上。它允许用户访问诸如可定制的降噪控制、佩戴检测、准确的电池状态，甚至头部手势控制等功能——这些功能通常仅限于苹果生态系统。
目前完全支持 AirPods Pro（第 2 代和第 3 代），其他型号提供基本功能，LibrePods 提供诸如对话感知、定制通透模式和多设备连接等高级选项。用户还可以重命名他们的 AirPods 并自定义长按操作。
通过启用“充当 Apple 设备”模式，可以使用包括通过听力图输入进行助听器定制在内的先进功能。虽然仍在开发中，但核心功能已经稳定。Android 用户需要一台安装了 Xposed 的 root 设备，因为 Android 蓝牙协议栈存在限制。
请在项目的 README 中查找安装说明和完整的特性列表。
## IDEmacs：连接Emacs的桥梁
IDEmacs是一个Emacs配置，旨在提供类似IDE的熟悉体验，特别是对于从VSCode等图形化编辑器过渡或刚开始编程的用户。它面向程序员、初学者Lisp/Scheme开发者，甚至寻求用于Org、Markdown或LaTeX等强大编辑器的用户。
该项目承认Emacs的优势（尤其是在Lisp/Scheme方面与Sly/Geiser配合使用），但也解决了其陡峭的学习曲线。它优先考虑对流行的IDE习惯的“足够好”的模仿——包括按键绑定（目前专注于VSCode模拟）、鼠标支持以及免配置的设置——而不是完美复制。
目前，提供了一个VSCode配置，具有深色主题、文件浏览器（Treemacs）、标签管理以及用于编辑、版本控制和代码补全的综合软件包。虽然仍在开发中（存在“FIXME”区域），IDEmacs旨在降低Emacs的入门门槛，鼓励新用户探索其全部潜力。该项目欢迎用户反馈和开发者贡献，以进一步完善体验。
## 意外的古董电脑零件关税 作者最近在从欧盟卖家进口古董电脑零件时，遭遇了意外的高额美国海关关税——几乎是物品本身价格的两倍。尽管提供了准确的协调制度编码，UPS 最初评估了 711 美元的关税，而订单金额仅为 355 美元，理由是钢铝的 232 条关税。 经过令人沮丧的反复沟通，包括多次电话、电子邮件以及对 7501 表格的争议，UPS 更正了评估结果，并将费用归因于对欧盟商品的 15% 关税。虽然退款正在处理中（预计 2-6 周），但作者批评 UPS 最初的错误以及延迟通知高额费用，这给进口商带来了困境。 这次经历凸显了即使是“全新旧货”零件进口的复杂性，作者建议任何遇到类似问题的人*先支付关税，然后再提出申诉*，以避免仓储费或退货，并指出这不一定是政策反映，而是评估错误。
`fastknn` 包提供了一个名为 `knnExtract` 的函数，用于使用 K 最近邻进行特征提取。该技术基于数据点与其*k*个最近邻（*在每个类别内*）之间的距离生成新特征。具体来说，它计算每个类别到第 1、第 2、第 3…第 *k* 个最近邻的距离，从而产生 *k* * *c* 个新特征（其中 *c* 是类别的数量）。
为了防止过拟合，训练特征是使用交叉验证生成的。该过程还可以通过 `nthread` 参数进行并行化。这种方法受到 Kaggle Otto Group 产品分类挑战赛获胜方案的启发，有效地将非线性数据映射到线性空间，从而提高可分性。
通过 Ionosphere、chess 和 spirals 数据集进行演示，使用 KNN 提取的特征可以显著提高模型准确性（例如，在 Ionosphere 数据上使用 GLM 时，从 83.81% 提高到 95.24%），与仅使用原始特征相比，尤其是在具有复杂关系的数据集上。`knnDecision` 函数可视化了 KNN 特征如何创建更清晰的决策边界。
一个 Hacker News 的讨论围绕着一篇关于使用 K 最近邻 (KNN) 进行特征提取的最新文章展开。一个关键点是与 Leland McInness 关于降维的研究相关联，该研究将方法分为矩阵分解或基于 KNN 的方法。
几位评论员指出，较新的算法（PaCMAP、LocalMAP）倾向于使用 KNN 动态而非像 UMAP 这样复杂的数学方法，这表明 KNN 可能是该领域创新的未来。一位用户将其与“核技巧”相提并论，其中 KNN 距离被缩放并用作特征。
有人提出对 KNN 的计算成本的担忧，引发了对近似最近邻技术（如 HNSW）的讨论，这些技术可以将搜索复杂度显著降低到 O(log n)。有人指出作者忽略了 KNN 的计算复杂度，但也有人推测这可能是因为目标读者对该主题很熟悉。
## AsciiMath 概要 AsciiMath 是一种基于文本的数学表达式符号，旨在视觉上类似于标准的数学符号。它既提供直接的文本符号（例如 `oo` 表示无穷大），也提供 TeX 替代方案（例如 `sum` 代替 `\sum`），而无需为 TeX 命令使用前导反斜杠。 该符号涵盖了广泛的元素：基本运算（+、-、*、/）、关系（=、<、>）、逻辑符号（and、or、not）、分组括号（()、[]、{}），以及用于微积分（int、del、grad）、集合（subset、union）等的各种专用符号。 AsciiMath 还支持上标、下标、分数、根式以及 sin、cos 和 log 等函数。它处理矩阵、列向量和具有定义语法规则的复杂表达式，这些规则优先考虑正确的运算顺序（下标在 superscript 之前）。字体命令允许使用粗体、黑板和其他样式变体。建议用户在 `<` 和 `>` 字符之间留出空格，以避免 HTML 解析问题。
## AsciiMath 总结
Hacker News 的讨论围绕着 AsciiMath，这是一种使用 ASCII 字符书写数学表达式的记号。它旨在实现简单和可读性，特别是通过 MathML 在网页上嵌入。但它因不一致的空格处理和不寻常的语法选择（例如使用指数符号表示求和上限）而受到批评。
一些评论员指出 AsciiMath 的解析逻辑中可能存在的缺陷，并指出细微的语法变化可能导致截然不同的输出。Typst 和 mathup 等替代方案被提及，其中 mathup 特别通过输出标准的 MathML 来解决 AsciiMath 的实现不足，而不是依赖于特定工具的集成。
对话还涉及更广泛的数学记号领域，一些人提倡更逻辑、基于 S 表达式的系统，而不是从欧拉那里继承的传统（且视觉导向）记号。最终，讨论强调了在数字环境中平衡数学排版的表达力、可读性和一致性解析的持续挑战。