## 购物清单背后的智慧 尽管数字便利性日益普及，但朴素的手写购物清单可能比先前认为的更能揭示认知能力。心理学家认为，持续创建和使用清单并非老套——这是强大计划能力、记忆管理和自控力的标志，这些都与智力和有效决策相关联。 列清单体现了“执行功能”，即分解任务和预测需求的能力，从而减轻精神负担。通过将信息转移到纸上，我们释放工作记忆，以便专注于*更好*的选择，抵制冲动购物。研究甚至表明，手写可以增强回忆，因为这会带来更深层次的认知处理。 归根结底，购物清单并非关于避免依赖记忆，而是策略性地*管理*心理资源。它将购物从一种被动体验转变为以目标为导向的体验，反映了远见和自律——这些都是高效大脑功能和长期成功的标志。

请启用 JavaScript 并禁用任何广告拦截器。

约阿希姆·特里尔广受好评的电影《情感价值》是一部微妙叙事的杰作，其视觉效果中隐藏着多重层次。像作者一样敏锐的观察者可能会认出电影中出现了伊万·克拉姆斯基的《一位未知名女子的肖像》——这幅画作通过无数次复制深深地融入了俄罗斯和苏联文化。 这幅肖像画被选入电影背后的故事出乎意料地感人。这并非一个刻意的艺术选择，而是与电影的美术指导约根·斯坦格贝·拉尔森的个人经历相关的一个反复出现的元素。使用的肖像画是拉尔森继母赫德维·布罗赫所绘的复制品，她是一位才华横溢的艺术家，在晚年才最终追寻了她数十年来压抑的热情。 不幸的是，布罗赫像特里尔之前作品《奥斯陆，8月31日》和《情感价值》中的人物一样，自杀身亡。特里尔本人在再次使用这幅肖像画时并不知道这种联系，这凸显了艺术如何无意中吸收和反映生活的复杂性。这幅画最初代表着一个反抗社会的人物，转变为忧郁和隐藏悲伤的象征，为电影对记忆和失落的探索增添了深刻的个人色彩和共鸣。

## 美国战争的重复剧本：摘要 自越南战争以来，美国始终如一地使用极其相似的宣传策略来 оправдать военные интервенции（justify military intervention）。在1965年越南战争升级后，约翰逊总统将战争描绘成解放受压迫人民的仁慈行动，呼应美国革命。这种叙事依赖于将敌人描绘成独一无二的野蛮人——通常是捏造的说法，例如夸大越南民主同盟的暴行——并强调目标国中经过精心挑选、与西方结盟的声音对美国干预的渴望。 关键在于，反对战争等同于支持敌人和对当地人民困境的漠视。这种模式在伊拉克、利比亚以及现在，针对伊朗的情况中，以越来越强的强度重复出现。每次冲突都伴随着对前所未有的敌方残暴行为的声称、精心挑选的“解放”声音以及指责异议等同于支持反对政权。 尽管干预失败和可证伪的谎言（如捏造的东京湾事件）的记录一贯存在，但这些策略仍然存在。公众舆论始终表明对战争感到疲惫和反对政权更迭，但对冲突的渴望，通常受到外国利益（如以色列对伊朗的渴望）的推动，凌驾于国内情绪之上。剧本保持不变，依靠情感诉求和制造的叙事来争取对最终使军工复合体受益，同时摧毁目标国家战争的支持。

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.

请启用Cookie。 错误 1005 Ray ID：9d2ab430e93c9c15 • 2026-02-24 00:04:08 UTC 拒绝访问 发生了什么？ 该网站（gizmodo.com）的所有者禁止您的IP地址所在的自治系统编号（ASN 45102）访问此网站。 请参阅 https://developers.cloudflare.com/support/troubleshooting/http-status-codes/cloudflare-1xxx-errors/error-1005/ 了解更多详情。 此页面是否有帮助？ 是 否 感谢您的反馈！ Cloudflare Ray ID：9d2ab430e93c9c15 • 您的IP： 点击显示 47.245.80.60 • 由Cloudflare提供性能和安全保障。

大型语言模型（LLM）令人印象深刻，但缺乏精确计算和深度知识。为了克服这一点，需要一个“基础工具”——例如Wolfram语言——来补充LLM，赋予它们这些能力。Wolfram语言经过40多年的构建，旨在通过算法、方法和数据使世界可计算，从而推动各领域的发现。 现在，LLM可以利用这种力量。LLM与Wolfram语言的融合得益于“计算增强生成”（CAG），它将实时计算能力注入LLM的输出中——这是对传统检索增强生成（RAG）的重大扩展。 Wolfram发布了三种新的方法，供LLM访问其技术：通过广泛支持的MCP协议进行集成，提供一个即插即用的LLM API替代品的“通用代理”，以及直接、可定制的Wolfram技术访问。这使得任何LLM都能受益于精确的计算和知识，最终创建一个更强大、更可靠的AI系统。

萨姆·奥特曼的反人类世界观 您已成功订阅 Disconnect 欢迎回来！您已成功登录。 太棒了！您已成功注册。 成功！您的邮箱已更新。 您的链接已过期 成功！请查看您的邮箱以获取登录的魔法链接。

## 手机升级困境：摘要 面对2026年的3G关停，作者需要更换一部新手机，以替代他们心爱的、但即将过时的运行LineageOS的OnePlus 5T。尽管对现有手机喜爱有加，但缺乏VoLTE将导致无法通话。不愿增加电子垃圾，作者开始寻找合适的替代品，优先考虑五个关键要求：相机质量（尤其是变焦）、软件体验（避免臃肿软件并重视可定制性）、本地维修可用性、舒适的尺寸以及耳机插孔。 搜索过程令人沮丧。耳机插孔在新机型中几乎不存在，迫使作者做出妥协。入围的Samsung S24/S25和Xiaomi 15存在权衡——潜在的臃肿软件、不确定的软件控制以及有限的上手体验。较旧的Asus Zenfone 10提供了耳机插孔和紧凑的尺寸，但缺乏当前的软件支持。甚至考虑Apple也存在问题，因为生态系统锁定和应用程序兼容性。 最终，作者发现自己更加欣赏现有OnePlus 5T的设计和功能，意识到较新的手机往往代表着妥协，而非真正的改进。这次经历让他们感到沮丧，质疑智能手机设计的方向以及升级的必要性。

这段文字解释了在柯尔莫哥洛夫复杂度中使用的渐近不等式符号“f(x) ≤ g(x) + O(1)”。它与标准的大O符号（f(x) = O(g(x))）相关，后者表示对于足够大的x，f(x)受g(x)常数倍的限制。 然而，“f(x) ≤ g(x) + O(1)”是一个*单侧*界限。这意味着对于大的x，f(x)小于或等于g(x)加上一个常数C。形式上：∃C > 0, ∃x₀, ∀x > x₀, f(x) ≤ g(x) + C。 这不同于f(x) = g(x) + O(1)，后者意味着一个双侧界限（g(x) - C ≤ f(x) ≤ g(x) + C）。因此，虽然f(x) = g(x) + O(1) *保证* f(x) ≤ g(x) + O(1)，但反之不一定成立——该不等式仅提供一个上界。本质上，这是一个较弱的陈述，仅关注f(x)不超过g(x)（加上一个常数）。

## HackEurope 回顾：经验教训 HackEurope 是一次混乱的经历，但揭示了关键见解：**前端展示胜过功能性。** 优先考虑美观而非实际应用的项目在投资者和非技术评委中表现出色。 出现了一些实用的收获：仔细选择你的黑客马拉松赛道，*确认*赞助商在你所在地的参与，并专注于容易解释的问题（尽管听众的注意力有限）。 追随趋势——特别是结合“AI”——对获奖者来说是有益的，但作者警告不要为了迎合潮流而牺牲原创性。 作者的团队构建了一个安全的包注册表，旨在保护开发者免受供应链攻击，超越了简单的漏洞扫描。 他们的 MVP 使用行为分析（利用 eBPF 和，勉强地，AI）来识别恶意代码在安装前。 未来的计划包括更广泛的生态系统支持和代码行为的详细跟踪。 最终，作者批评了黑客马拉松中由 AI 驱动的从众现象，认为它扼杀了那些不属于典型 AI 训练数据范围内的真正创新想法。 他们正在将这个项目作为一家初创公司进行，目标是在五月推出。

## 气味的数字化：摘要 嗅觉是我们最古老的感官，深刻影响着记忆、情感甚至行为，但它仍然是最难理解和数字复制的。与视觉和听觉不同，气味的复杂性源于巨大的分子多样性和缺乏标准化测量。然而，人工智能的进步现在正准备改变这一切。 科技公司和香氛公司正在利用人工智能来“数字化”气味，将气味分子编码成数据，以更好地理解和操纵嗅觉。这包括创建“气味地图”——气味的计算表示——甚至设计具有所需香气的全新分子。 除了更深入的生物学见解外，数字气味还具有实际应用：检测气体泄漏或疾病等威胁，减少对稀缺天然成分的依赖，以及创造新颖的香气。这建立在几个世纪以来对气味化学探索的基础之上，从早期的蒸馏技术到现代香氛化学。 尽管捕捉多种气味的细微相互作用仍然存在挑战，但人工智能已经能够生成原始香氛分子并预测不同物种对气味的感知。这种转变有望为香氛行业带来更可持续和更具道德来源的未来，可能类似于人们对实验室培育钻石日益接受的态度——在重视创新和负责任生产的同时，也重视传统的“天然”品质概念。最终，气味的数字化拓展了我们的嗅觉视野，开启了感官体验的新前沿。

## Rosetta 2：深入了解苹果的二进制翻译技术 该项目详细描述了一项全面的逆向工程工作，旨在理解苹果的 Rosetta 2，这项动态二进制翻译技术使基于 Intel 的应用程序能够在 Apple Silicon Mac 上运行。继之前的过渡（摩托罗拉到 PowerPC，PowerPC 到 Intel）之后，Rosetta 2 是苹果最先进的解决方案，对于顺利迁移到 ARM64 架构至关重要。 Rosetta 2 采用预先编译 (AOT) 和即时编译 (JIT) 翻译。AOT 在安装期间翻译二进制文件以加快启动速度，而 JIT 处理动态代码。它将 x86_64 指令映射到 ARM64，翻译向量指令（SSE/AVX 到 NEON）和系统调用。 Rosetta 2 位于 `/Library/Apple/usr/libexec/oah/`，默认情况下未安装，但通过提示或命令行触发。该项目已经识别并命名了 Rosetta 2 中的 828 个函数，其中 612 个使用清晰的 C 代码实现，并将其归类为二进制翻译、系统调用处理和内存管理等领域。 这项工作提供教育资源、文档和逆向工程爱好者的社区平台，旨在分享知识并为更深入地理解这项复杂技术做出贡献。代码以 MIT 许可协议提供，仅供研究目的使用。

## 用AI和FreeBSD重焕MacBook生命力 一台受“屏幕风扇门”困扰的2016年MacBook Pro，得益于一个利用AI为它不受支持的Broadcom BCM4350 Wi-Fi芯片开发原生FreeBSD驱动的项目而重获新生。作者最初尝试使用Claude Code移植现有的Linux `brcmfmac`驱动，但尽管对AI生成的代码进行了调整，仍然面临内核崩溃和进展有限的问题。 意识到方法存在缺陷，作者转向了以规范为驱动的方法。他们使用Pi agent生成了驱动功能的详细的11章规范，并使用Codex和Opus模型进行了验证和完善。这本“书”成为了干净房间实现的基石。 然后，Pi agent根据规范和记录的决策过程从头开始构建驱动程序。该agent处理代码迭代、构建和测试，甚至记录了遇到的问题。 最终结果是一个功能性的FreeBSD内核模块，可以启用MacBook上的Wi-Fi连接。整个项目在作者没有编写任何一行代码的情况下完成，展示了AI辅助驱动程序开发的潜力——尽管该代码仍然是一个练习，不建议用于生产环境。源代码可在GitHub上获取。

## Babyshark：基于终端的PCAP分析器 Babyshark是一个基于终端用户界面（TUI）的工具，用于分析网络捕获（PCAP）文件和实时网络流量，作为Wireshark的替代方案。它通过回答诸如“什么在使用网络？”和“哪里看起来有问题？”等问题，帮助用户快速了解网络活动。 **主要特性：** * **离线分析：**无需Wireshark即可查看.pcap/.pcapng文件。 * **实时捕获：**使用`tshark`（Wireshark的CLI）直接在终端中捕获和检查流量。 * **直观界面：**轻松浏览流、数据包和数据流。提供搜索和过滤选项。 * **有价值的摘要：**突出显示潜在的问题区域，例如高延迟流、TCP问题和DNS故障。 * **导出和注释：**书签有趣的流，并将报告导出为Markdown格式。 **安装：** Babyshark可以通过GitHub Releases中的预构建二进制文件安装，从源代码构建（需要Rust工具链和`tshark`），或使用`cargo install`。实时捕获需要单独安装`tshark`。 **用法：** 使用诸如`babyshark --pcap capture.pcap`进行离线分析，或`babyshark --live en0`进行实时捕获。可以在实时捕获期间应用显示过滤器。

Anthropic的Claude现在正针对COBOL现代化改造，这是一个严重依赖IBM的领域，导致IBM股价大幅下跌。COBOL虽然驱动着关键基础设施，例如美国95%的ATM交易，但却面临着熟练开发人员数量减少和文档过时的困境。 Claude Code提供人工智能驱动的自动化，用于分析和实施COBOL现代化改造，使团队能够专注于战略和风险评估。这种方法使组织能够在不影响可靠性的前提下更新遗留系统。 市场反应强烈，将Claude的能力解读为对IBM有利可图的COBOL相关服务（编码和咨询）的直接威胁。这一事件引发了关于Anthropic的颠覆性更新是否有意或无意地通过市场反应为其运营提供资金，以及OpenAI是否会效仿的质疑。

启用 JavaScript 和 Cookie 以继续。

## Shufflepuck Cafe 在 Apple II 上的移植之旅 本文详细介绍了 1989 年游戏 *Shufflepuck Cafe* 成功移植到 8 位 Apple II 平台的过程。作者最初缺乏 Apple II 精灵处理经验，先从一个更简单的 *Glider* 移植开始，以建立基础知识。主要挑战包括显示伪 3D 桌面、优化 1MHz 处理器的性能以及管理有限的内存（64KB）。 “3D”效果是通过透视变换和查找表来实现的，以加速计算。精灵缩放是通过预渲染多个精灵版本来处理的。通过利用异或运算来绘制精灵而不是遮罩，用内存换取速度，从而提高了性能。声音通过“减速”技术进行优化，在保持清晰度的同时减小样本大小。 内存限制通过按需加载特定对手的代码和资源、利用压缩以及策略性地管理内存映射来解决。还实现了一种双人串行通信模式，允许进行联网游戏。 尽管缺少一些原始游戏的功能，但作者认为这次移植是成功的，捕捉了 *Shufflepuck Cafe* 的精髓，并增加了多人游戏的功能。该项目的源代码和可下载游戏可在网上找到。

## 拉斯维加斯警察与私人监控资金 2023年，拉斯维加斯都市警察局（LVMPD）开始使用Flock Security的自动车牌识别（ALPR）技术，但其资金来源独特，通过向私人基金会“Metro之友”捐款来资助该项目，从而避免了使用纳税人资金所需的公开讨论。这种安排引发了对透明度和潜在滥用监控系统的担忧，该系统扫描车辆信息并与全国执法机构共享数据。 批评者，包括美国公民自由联盟（ACLU），认为这绕过了民主监督，可能导致根据移民身份、政治信仰或医疗保健选择追踪个人。拉斯维加斯地区的大多数Flock摄像头由Horowitz Family Foundation资助，该基金会是重要的捐助者，最近为摄像头和软件提供了近430万美元的资金，其中包括访问敏感个人数据的功能。 尽管Metro声称其政策可以防止歧视性数据使用，但人们仍然担心无法公开获取这些政策以及潜在的滥用行为，并引用了其他司法管辖区发生的实例。专家警告说，持续的监控会对意识到自身被持续监控的公民产生“寒蝉效应”，并质疑继续依赖私人资金最终是否会给纳税人带来负担。Flock坚持认为其遵守法律搜查令，但因联邦机构（如移民和海关执法局）访问数据而受到审查。

## Sim Sim: 前端负责人 概要 Sim Sim 是一个快速发展的开源平台，赋能超过 7 万开发者使用类似 Figma 的可视化画布构建和部署 AI 代理。 凭借 700 万美元的 A 轮融资，Sim 旨在成为代理工作流的领先工具。 他们正在寻找一位**前端负责人**来负责核心 Sim 平台——可视化代理构建器。 这个基础性角色涉及架构和构建实时画布，确保快速、愉悦且强大的开发者体验。 理想的候选人是一位注重设计的全栈工程师，精通 React 和 TypeScript，并对 UX 充满热情。 他们将负责整个前端体验，从视觉流程创建到部署，在 Next.js monorepo 中工作。 具有复杂 UI（如画布编辑器）的经验以及对性能的关注至关重要。 这是一个能够塑造数千人使用的产品的高影响力机会，在小型、动态的团队中拥有重要的所有权和股权。

## 人工智能推理：令人惊讶的洗车测试 最近的测试揭示了人工智能推理方面的显著弱点，即使是领先的模型如GPT-5.1和Claude Sonnet 4.5也存在。 “洗车测试”——简单地询问是步行还是开车50米*去洗车行洗车*——总是让人工智能出错。 在测试的53个模型中，令人震惊的是42个最初回答“步行”，专注于短距离而不是将*汽车*送到洗车行的核心要求。 只有11个模型最初答对了，并且一致性证明更具挑战性；只有5个（Claude Opus 4.6、Gemini 2.0 Flash Lite、Gemini 3 Flash、Gemini 3 Pro和Grok-4）在10次尝试中都能可靠地正确回答。 有趣的是，人类的表现（71.5%正确）超过了大多数人工智能，与GPT-5的可靠性相符。 该测试凸显了一个关键的“可靠性问题”——许多模型*有时*可以正确推理，但在生产中却会不可预测地失败。 这表明人工智能通常优先考虑学习到的启发式方法（如“短距离=步行”）而不是上下文推理。 虽然上下文工程——提供结构化示例——可以提高性能，但洗车测试强调了在广泛应用于复杂应用之前，人工智能需要更强大和一致的推理能力。

网络禁止访问。

## 突破性进展提升无阳极锂离子电池性能 哥伦比亚大学的研究人员开发出一种新型凝胶电解质，有望克服无阳极锂离子电池技术中的关键挑战。这种电池通过消除阳极来提高能量密度，但此前由于不均匀的锂沉积形成有害的枝晶，导致安全问题和寿命有限。 这种新型凝胶电解质利用独特的聚合物网络，它排斥锂离子，同时吸引溶剂，形成保护层以防止枝晶形成。实验室测试表明，该电解质在实际条件下仍能保持80%以上的容量，并显著提高热稳定性——降低电动汽车在加热/冷却方面的能量消耗。重要的是，它经受住了严格的测试，没有发生热失控，这与传统的液体电解质不同。 这项创新有望提供更安全、更持久、能量密度更高的电动汽车电池，*无需*像固态电池那样的高昂成本。专家认为，像这种凝胶电解质一样，对锂离子技术的持续改进对于更广泛地采用电动汽车至关重要，因为它可以在可承受的价格范围内提供更长的续航里程和更快的充电速度。

## Shibuya：下一代Web应用程序防火墙 - 摘要 Shibuya是一款现代、开源的WAF，提供全面的安全防护和独特的功能。它采用分层方法，从**内核级别阻止**（通过eBPF/XDP）开始，以实现超快的（~1µs延迟）恶意IP和SYN洪泛攻击缓解。 安全性通过**双AI引擎**——孤立森林和随机森林进一步增强，提供跨10个类别的可解释攻击检测，推理时间小于5毫秒。Shibuya **符合OWASP标准**，包含615+ CRS规则和一个兼容ModSecurity的引擎，并具有热重载功能。 可扩展性是关键：Shibuya支持在沙盒环境中运行的**WASM插件**，可以使用任何语言编写。它通过影子模式和流量回放引擎提供**零风险部署**，以便进行彻底的测试。 独特的功能包括**API优先设计**，可从OpenAPI规范（包括GraphQL保护）自动生成规则，以及内置的**漏洞攻击环境（Ashigaru Lab）**，用于实际验证。最后，Shibuya提供**企业级功能**，如多租户、RBAC和联邦学习——所有功能均免费——以及**NLP策略和AI虚拟补丁**，以快速响应漏洞。

公众对Flock Safety公司的愤怒正在增长，该公司在美国拥有近8万个车牌识别摄像头，导致一波针对其摄像头的破坏浪潮。担忧集中在Flock的数据被ICE（美国移民及海关执法局）使用并协助驱逐出境，尽管该公司声称没有直接的数据共享。 报告显示，地方警察部门*正在*与联邦当局共享访问权限，从而加强了对个人的监视和追踪。这引发了直接行动，在加利福尼亚州、康涅狄格州、伊利诺伊州、俄勒冈州和弗吉尼亚州等地，摄像头被砸毁、砍断和喷漆。 虽然几十个城市已经拒绝了Flock的合同，并且一些警察部门正在限制联邦访问，但其他地方则面临着由公民领导的抵抗。这些事件凸显了日益严重的隐私问题以及反对广泛监控技术运动的不断壮大。Flock尚未公开说明破坏的程度。

请启用 JavaScript 并禁用任何广告拦截器。

多年来，特斯拉与Waymo的争论被塑造成一场关于意识形态的公投。特斯拉被认为是依靠规模取胜的挑战者：数百万辆汽车，仅使用摄像头，端到端神经网络，以及一个不受地理围栏“限制”的系统。相比之下，Waymo通常被描绘成谨慎的精品店：昂贵的传感器，已绘制的城市地图，有限的运营区域，以及一个看起来像科学项目的业务。 这种框架令人感到安慰，因为它将自动驾驶变成了一个关于未来的争论。但到了2026年，将它保持在未来时态变得越来越困难。Waymo已经开始销售特斯拉仍在承诺的东西：无人负责驾驶的出行服务，因为没有人正在驾驶。特斯拉最常见的“FSD优势”论点总是围绕规模、简洁性和通用性展开。但当你真正审视自动驾驶的本质，以及安全扩展所需的条件时，这些论点开始一个个瓦解。

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.

请启用 JavaScript 并禁用任何广告拦截器。