高斯星期公式：找到任何年份1月1日的星期。 卡尔·弗里德里希·高斯（1777-1855），历史上最伟大的数学家之一，设计了一个紧凑的公式来确定任何给定年份1月1日的星期。该公式手写于他的论文中，于1927年在他去世后首次发表。该公式自1583年起有效——这是格里高利历的第一个完整年份。 在上方输入年份以查看其效果。 用数学构建——高斯的算法。

## Gemini API 密钥漏洞：摘要 多年来，谷歌建议开发者，谷歌 API 密钥（用于地图和 Firebase 等服务）并非敏感信息，可以安全地嵌入到客户端代码中。但随着 Gemini API 的推出，情况已不再如此。研究人员发现了近 3000 个公开暴露的谷歌 API 密钥——最初用于计费和身份识别——现在也授予了对敏感 Gemini 端点（如上传的文件和缓存数据）的访问权限。 核心问题在于谷歌使用单一 API 密钥格式，既用于公共标识符，*也*用于敏感身份验证。启用 Gemini API 会在没有警告或通知的情况下，默默地授予现有密钥访问权限。这造成了“权限提升”风险：一个曾经无害的密钥现在可以解锁强大的 AI 功能。攻击者可以通过抓取网站上的密钥来产生账单、耗尽配额或访问私人数据。 谷歌已经承认了这个问题，并正在实施修复措施：将新密钥的范围限定为 Gemini 专用访问权限，阻止泄露的密钥，并计划主动通知。**用户应立即检查其 Google Cloud 项目中启用的 Gemini API，并审计 API 密钥配置，尤其是较旧的密钥，以确保它们未公开暴露。** TruffleHog 等工具可以协助此过程。这凸显了一个更广泛的安全问题，即 AI 集成到现有平台中，扩大了传统凭证的攻击面。

## OpenSwarm：自主AI代码生成与自动化 OpenSwarm是一个基于Node.js的编排器，利用Claude Code CLI自动化来自Linear issue的代码变更。它作为一个自主代理，管理着Worker（工作者）、Reviewer（审查者）、Tester（测试者）和Documenter（文档编写者）代理的流程，以生成、审查和记录代码。进度报告会发送到Discord，长期记忆则通过LanceDB向量嵌入和知识图谱来维护，用于代码分析。 主要特性包括通过基于cron的系统进行动态任务调度、PR自动改进以及对长期运行进程的监控。用户通过Discord机器人进行交互，提供任务管理、调度和系统监控的命令，以及实时Web仪表盘。 OpenSwarm根据紧急程度对任务进行优先级排序，并智能管理代理的工作流程。它支持英语和韩语，并通过YAML进行配置，并使用Zod模式进行验证。运行它需要Node.js 22+、Claude Code CLI设置、Discord机器人令牌和Linear API密钥。该项目是开源的，并且在GitHub上可用。

启用 JavaScript 和 Cookie 以继续。

请启用 JavaScript 并禁用任何广告拦截器。

## ZSE：超高效LLM推理引擎 ZSE是一个高性能、内存高效的大语言模型（LLM）推理引擎。它显著降低了内存占用——能够让像70B参数的模型在24GB GPU上运行——同时保持速度。 主要创新包括**zAttention**（优化的CUDA内核用于注意力机制）、**zQuantize**（INT2-8混合精度量化）、**zKV**（量化的KV缓存，具有滑动精度，节省4倍内存）和**zStream**（层流式传输，具有异步预取）。一个中央的**智能编排器**会根据*可用*内存智能地推荐配置。 ZSE提供多种效率模式（速度、平衡、内存、超高），并支持各种模型（Qwen、Llama、Mistral等），格式包括HuggingFace、safetensors、GGUF和其自身优化的`.zse`格式。转换为`.zse`格式速度很快（约20秒），并能带来显著的加速效果——对于Qwen 7B，加速高达11.6倍。它还提供与OpenAI兼容的API，方便集成。 ZSE可以通过pip安装，从GitHub源代码获取，以及作为CPU和GPU部署的Docker镜像使用。

C64UX v0.7 显著增强了用户体验，使其更接近于一个完整的操作系统环境。主要新增功能包括一个**用户名/密码登录系统**，密码信息会持久存储在磁盘上，以及一个 **THEME 命令**，用于自定义配色方案。 现在，一个全新的、**系统风格的启动序列**，带有分阶段的初始化信息和真实的延迟，会迎接用户，营造出更真实的感觉。在内部，启动过程已被重新组织，以提高效率和持久化配置。 新增了 **PASSWD**（用于密码更改）和 **THEME** 命令。虽然凭据以纯文本形式存储（按设计），但系统可以优雅地处理磁盘访问问题，并且不需要 REU。此版本标志着在 C64 上实现个性化和持久化的复古计算体验迈出了重要一步。

OpenAI 正在积极寻求巨大的计算能力——目标是每年可能投入数万亿美元的投资——以确立其在蓬勃发展的人工智能基础设施领域的关键地位。虽然其资金模式依赖于融资和利用他人的资源，但问题仍然是：这是否是通往真正竞争优势的道路，还是仅仅确保了一张入场券？ 人工智能基础设施市场可能会遵循像飞机制造或半导体这样的行业模式，由于成本和复杂性的不断上升，最终将整合为少数主导企业。然而，与这些行业不同，人工智能的价值可能*并不*在于基础设施所有权。开发者可能不会构建“OpenAI应用”——用户可能不会关心他们的服务由哪个模型提供支持。 OpenAI 希望通过其 ChatGPT 平台成为连接各种服务的中心“粘合剂”，从而改变这种状况，创造网络效应。然而，这依赖于成功地标准化不同应用程序之间的交互——这是一项历史上困难的壮举。此外，为多个平台开发应用程序的简易性可能会限制开发者被锁定，并且用户可能抵制在所有服务中集中登录。最终，核心问题是 OpenAI 是否能够运用真正的*权力*——影响用户和开发者行为的能力——而不仅仅是提供基础设施。

## 准天顶卫星系统 (QZSS) 概要 准天顶卫星系统 (QZSS)，也被称为“みちびき”，是日本开发的一个区域导航卫星系统。其主要目标是通过提高精度和可靠性，尤其是在城市地区，来增强在亚洲-大洋洲地区，特别是日本的GPS服务。 QZSS 最初于 2002 年获得授权，并于 2018 年开始进行四颗卫星的试验服务。目前，有五颗卫星在运行，并计划扩展到十一颗。该系统采用独特的轨道——地球静止轨道和高倾角“苔原”轨道的组合——确保对日本的持续覆盖。 QZSS 提供三类公共服务：PNT（补充GPS）、SLAS（亚米级增强）和 CLAS（厘米级增强）。它还提供用于灾害管理的数据。一项关键创新在于探索*不*使用机载原子钟的授时系统，而是依靠地面同步。该项目成本约为 1600 亿日元，由准天顶卫星系统服务公司和内阁府管理。

Anthropic是一家获得机密行动许可的AI公司，正面临来自美国国防部的压力，要求其解除对其技术的限制。据报道，国防部威胁将Anthropic列为“供应链风险”——实际上禁止其获得政府合同——如果他们不允許軍方無限制地使用其技術，特別是關於自主武器和監控。 这场冲突源于Anthropic怀疑其AI被用于委内瑞拉的一次袭击，并重申了其致力于防止其技术被用于这些特定应用的承诺，称之为“不可逾越的红线”。尽管此前已获得许可，政府现在寻求绕过这些伦理保障。 这种情况对Anthropic来说是一次关键的考验：它会优先考虑原则还是利润，并抵制政府的胁迫吗？许多人敦促该公司坚持其声明的价值观，避免成为监视工具，为AI的负责任开发和部署树立重要的先例。

## Terra-Luna崩盘受审：Jane Street被起诉 一项新的诉讼正在重新调查400亿美元的Terra-Luna加密货币崩盘，指控交易公司Jane Street可能利用了对即将发生灾难的内幕信息获利。该诉讼由Terraform Labs的破产管理人提起，声称Jane Street利用了保密信息，在Terraform Labs本身开始大幅提款后*十分钟*就提走了8500万美元的TerraUSD——这一举动据称引发了市场恐慌，导致该币种崩盘。 诉讼的核心在于一位前Terraform实习生与Jane Street员工之间的“秘密渠道”沟通，他们被指控泄露了重大非公开信息。Jane Street否认了这些指控，将损失归咎于Terraform的欺诈行为——这一点得到了Do Kwon认罪和随后判刑的承认。 此案是更大范围努力的一部分，旨在为债权人追回资产，此前已对Jump Trading提起了类似的诉讼，指控其采取了类似的剥削性做法。这场法律斗争提出了关于加密货币领域内幕交易的复杂问题，并可能迫使Jane Street披露内部通讯，从而可能暴露大型公司在协议失效期间的运作方式。 结果可能会重塑Terra崩盘的叙述，将责任转移到Terraform的管理层之外。

## 西蒙·贝格：用碎玻璃雕塑 瑞士艺术家西蒙·贝格通过*击碎*玻璃来创作引人注目的肖像和图像。他摒弃了传统的雕塑方法，使用锤子精确地敲碎安全玻璃，操纵由此产生的裂缝来形成他的艺术作品。玻璃本身至关重要——既是画布又是结构，裂缝的密度创造了光影，有效地充当了他的“艺术笔迹”。 贝格通往这种独特技术的道路非常规。最初是一名木匠和组装发现物（包括汽车零件）的人，他发现了碎挡风玻璃的潜力。他发现面部尤其引人入胜，注意到破碎的表面为具象作品赋予了一种神奇的品质，将抽象的破坏转化为可识别的形态。 对于贝格来说，锤子不是破坏性的，而是一种揭示隐藏深度和放大玻璃固有品质的工具。

我们检测到您的浏览器已禁用 JavaScript。请启用 JavaScript 或切换到受支持的浏览器以继续使用 x.com。您可以在我们的帮助中心查看受支持的浏览器列表。帮助中心 服务条款 隐私政策 Cookie 政策 版权信息 广告信息 © 2026 X Corp.

启用 JavaScript 和 Cookie 以继续。

## 氢卡：现实评估 虽然车载氢气*生成*在热力学上是不可能的，但“真实”的氢气——通过外部生产并为燃料电池卡车提供燃料——是可行的，现代汽车在欧洲和北美运营的165多辆卡车已行驶超过2000万公里证明了这一点。然而，仍然存在重大障碍。 核心问题不在于卡车技术本身，而是氢气路径固有的效率低下。通过电解生产氢气所需的能量明显高于最终传递到车轮的能量——与直接使用电池电力相比，大约需要2.5-3倍的更多可再生能源。这源于电解、压缩、运输和燃料电池转换过程中的损失。 目前，“绿色”氢气（使用可再生能源生产）的单位能量成本是柴油的四倍。基础设施也是一个主要障碍：英国只有11个公共加氢站，而电动汽车充电桩超过88,500个。最近政府取消的资金表明，在没有健全的加氢网络的情况下，很难确保车队采用。 氢气可能在长途运输、重载应用中找到利基市场，在这些应用中，电池的限制非常明显。然而，电池技术的改进和充电基础设施的扩展正在迅速缩小这一差距。对于大多数公路货运，电池电力提供了一种更高效、经济可行且易于扩展的脱碳解决方案。氢气的优势在于直接电气化不可行的领域，例如钢铁生产和长期储能。

制造电动汽车需要金属锻造、电池制造、喷漆和芯片制造等工艺——所有这些都促使特斯拉在内华达州和德克萨斯州建厂。特斯拉弗里蒙特工厂的前身是NUMMI工厂（通用汽车/丰田，始于1962年）。它被保留了下来。当特斯拉需要扩大电池产量时，他们在内华达州里诺市建造了巨型工厂——而不是加利福尼亚州——因为电池单元制造的许可实际上是不可能的。赛博卡车工厂建在了德克萨斯州奥斯汀。

http://info.cern.ch http://info.cern.ch - 第一个网站的所在地 在这里您可以： 浏览第一个网站 使用行模式浏览器模拟器浏览第一个网站 了解网页的诞生 了解欧洲核子研究中心（CERN），网页的诞生地

## FDM-1：一种用于计算机使用的基础模型 研究人员开发了FDM-1，一种旨在理解和与计算机交互的新型基础模型，目标是为CAD、金融甚至ML研究等任务创建可扩展的“同事”。与依赖有限的、外包标注的屏幕截图的先前方法不同，FDM-1基于1100万小时的大规模计算机使用视频数据集进行训练，并使用“逆动力学模型”自动标注，该模型通过屏幕变化预测动作。 一项关键创新是高效的视频编码器，能够将近两小时的30 FPS视频压缩到仅100万个token中——显著优于现有方法。这使得FDM-1能够直接处理长上下文视频，而不是依赖于短片段。 演示展示了FDM-1执行复杂的任务，例如CAD设计、自动驾驶（仅需1小时微调），甚至通过“模糊测试”识别软件中的错误。该模型的架构利用掩码扩散方法进行准确的动作标注，并采用了一种新的鼠标移动token化方法。该团队构建了大规模的评估基础设施，使用fork虚拟机器来实现快速测试和迭代。FDM-1代表着计算机动作从数据受限到计算受限问题的转变，为更强大和通用的人工智能代理铺平了道路。

## PA Bench：计算机使用代理的新基准 当前的网络代理基准测试通常侧重于简单的单应用程序任务，未能反映人类实际使用个人助理的方式。为了解决这个问题，研究人员推出了 **PA Bench**，一个评估代理在电子邮件和日历等网络应用程序中执行逼真、多步骤工作流程的基准测试。 PA Bench 利用模拟的高保真环境来确保可重复和可验证的结果。任务是从可重用的场景模板（例如，旅行计划、会议重新安排）生成的，这些模板建立在一致的“基础世界”用户数据之上，从而保证跨应用程序的一致性。一个标准化的 SDK 管理模拟、模型适配器和实验编排。 对 Claude Opus 4.6、Gemini 3 Pro/Flash 和 OpenAI Computer Use 的评估显示出显著的性能差异。**Claude Opus 4.6** 通过恢复驱动的行为和事后行动验证实现了最高的成功率 (68.8%)。**Gemini 3 Pro** 显示出强大的规划能力，但缺乏可靠的执行力，而 **Gemini 3 Flash** 在复杂的推理方面遇到困难。**OpenAI Computer Use** 面临控制和探索方面的问题。 未来的工作旨在通过涉及众多应用程序和步骤的更复杂、更长期的工作流程来扩展 PA Bench，以及自动化任务生成。这项研究为构建真正强大的计算机使用代理迈出了关键一步。

## ECS Survivors：近期更新总结 经过七个月的停滞，ECS Survivors项目在四个更新中取得了显著进展。该项目现在具有改进的视觉效果，集成了使用Tiled编辑器和tmxlite库的**瓦片地图**。通过实施用于瓦片渲染的“截图”方法以减少绘制调用，以及**贪婪合并算法**以大幅减少碰撞体数量，从而优化了性能。 通过添加**空间哈希网格**以加速碰撞检测，进一步提高了性能，从而在处理大量实体时将速度提高了10倍。 通过**升级系统**引入了游戏进程，允许玩家在击败敌人后获得强化道具。 最后，一次重大**重构**将代码库组织成分层架构，并采用新的文件层次结构和CMake配置，从而能够创建单独的模块（输入、渲染等）和应用程序——包括潜在的编辑器和无头服务器，从而改善了代码组织和未来的可扩展性。 开发者承认过于雄心壮志减缓了进度，但该项目现在处于稳定状态，未来的开发将侧重于核心游戏玩法功能，例如近战攻击。可在Itch.io上获取可玩版本，并在GitHub上获取源代码。

## Java垃圾回收的演变成本 数十年以来，Java的垃圾回收（GC）一直自动管理内存，使开发者摆脱了手动生命周期管理。然而，这种便利是以CPU周期为代价的。传统上，GC性能通过暂停时间来衡量，但随着GC算法的演进，这个指标变得越来越不可靠。 现代GC引入了复杂性：*显性成本*（专门用于GC任务的CPU周期）、*隐性成本*（注入到应用程序代码中的屏障）和*微架构效应*（缓存影响）。并行GC用CPU换取更短的暂停时间，而像G1和ZGC这样的并发收集器则将工作转移到后台，掩盖了总CPU开销。ZGC旨在实现最小的暂停时间，但并未消除工作，只是将其分摊。 这种转变意味着暂停时间不再能准确反映GC效率。Amdahl定律进一步限制了并行化的好处。为了解决这个问题，OpenJDK 26引入了新的API——通过`-Xlog:cpu`进行统一日志记录，以及`MemoryMXBean.getTotalGcCpuTime()`方法——以提供对GC显性CPU成本的精确核算。 这些工具能够做出关于堆大小和GC算法选择的明智决策，从而超越了对暂停时间进行反应式优化，转向主动资源管理。通过暴露真实的计算成本，开发者和研究人员可以同时优化吞吐量和延迟，最终实现更高效、更具成本效益的Java应用程序。

## AI 与 3D 建模：尚未成熟 尽管人工智能取得了进步，但为电商生成可用的 3D 模型仍然是一个重大挑战。虽然人工智能可以快速生成乍一看还不错的模型，但仔细检查会发现关键缺陷阻碍了实际应用。最近对人工智能生成的匹克球拍和手工制作版本进行的比较凸显了这些问题。 人工智能模型存在“三角形汤”问题——混乱、无序的几何结构，使得即使是简单的编辑也变得极其困难和耗时，通常需要完全重建。纹理通常是低分辨率的“幻觉”，缺乏对材质的理解，导致烘焙光照和难以辨认的细节。虽然人工智能生成的文件尺寸较小，但这归因于低效的几何结构，而非优化的质量。 目前，人工智能 3D 生成优先考虑速度和文件大小，而不是可用性。这导致模型不适合产品配置器，在产品配置器中，视觉保真度和可编辑性对于建立客户信任至关重要。除非人工智能能够可靠地生成干净的拓扑结构和正确的材质分离，否则“节省时间”的说法是一种谬论——修复人工智能生成的模型通常比从头开始创建它们花费*更多*时间。目前，人工干预仍然是高质量、生产就绪的 3D 资产的关键。

祝大家节日季温暖、安宁（或者至少比随机包裹升级少点意外）。无论您是旅行、待在家中、编写一些美妙的无用代码，还是仅仅抱着一杯热饮潜伏着，我都希望您能获得片刻宁静和满满的舒适。感谢您成为这个特别之处的一部分：这里的创造力、善良、古怪的小项目，以及持续提醒我们互联网仍然充满人情味。 圣诞节快乐给庆祝的人们，节日快乐给所有人。日历翻页后再见。~deepend

## Linum图像-视频VAE：潜空间中的经验教训 Linum最近开源了他们的图像-视频VAE，并附带了详细的开发日志，重点介绍了关于压缩和生成模型质量的关键发现。VAE对于高效视频生成至关重要，可以将数据压缩到可管理的潜空间中，供扩散Transformer使用——否则，由于注意力机制的二次方扩展，它们会因计算成本而苦恼。 他们的探索表明，**更好的压缩并不一定意味着更好的下游生成**。他们花费了数月时间来解决不稳定性问题和重建质量差的问题，最终选择了Wan 2.1的VAE用于他们的文本到视频模型，因为它速度快且体积小。 主要挑战包括联合训练图像和视频（需要仔细的损失权重以避免偏差），以及克服诸如变色斑点之类的伪影——通过诸如自调节卷积之类的修改来解决。他们还发现，**过度优化像素级的完美重建实际上会*损害*生成质量**，因为它迫使VAE编码噪声。 展望未来，Linum正在探索两条路径：正则化VAE以学习更具语义的潜空间（通过诸如与预训练编码器对齐之类的技术），以及可能完全绕过VAE，采用诸如JIT之类的技术，该技术在扩散模型中直接学习压缩。他们的最终目标是通过生成视频技术的进步来实现易于访问的动画。

避免使用暗语。有时人们写的东西听起来像在说一件事，但他们的词语是“编码”过的——对某些读者来说意味着其他含义。例如，有人可能会写：“那些北极熊总是毁掉我们的粥。”对大多数读者来说，这似乎是对熊和食物的抱怨。但对某些群体来说，它实际上在说完全不同的事情。（实际评论内容并非关于熊。）你可以通过告诉Respectify禁止什么来避免这种情况。根据你的网站、主题和受众进行定制。

使用Anthropic的MCP（托管定制计划）的AI代理可能由于工具加载方式导致API成本超支。MCP会在每个会话开始时预加载*所有*工具定义（作为冗长的JSON模式），消耗大量token。使用CLI工具和CLIHub展示了一种更有效的方法——“延迟加载”，仅在需要时加载工具详情。 CLI使用轻量级的技能列表，而不是大量的预加载模式。虽然通过“--help”命令发现工具用法最初会消耗token，但总体使用量显著减少。测试表明，即使与Anthropic较新的“工具搜索”功能相比（该功能提供了一些改进，但仍然在获取工具时加载完整的模式），CLI使用的token最多可减少94%。 CLIHub提供现有CLI的目录，并提供转换器，可以轻松地从MCP定义生成CLI，为管理代理工具提供了一种更便宜、与模型无关的替代方案，优于MCP和工具搜索。

启用 JavaScript 和 Cookie 以继续。

LINEX BETA 0 00:00 WhatsApp Telegram Email QR LINEX : . /7.