## Alpha学校：人工智能的承诺与现实 Alpha学校，一所昂贵的“人工智能驱动的私立学校”（学费高达65,000美元/年），正因其人工智能教育质量而受到质疑。尽管媒体报道积极，并受到琳达·麦克马洪等人的赞扬，但内部文件和前员工揭示了其显著的缺陷。该学校的人工智能会生成有缺陷的课程计划——问题不合逻辑，措辞不明——并且未经许可从其他在线学习平台（包括可汗学院和Albert.io）抓取内容。 尽管宣传“两小时学习”理念和高考试成绩，但学生通常需要更多学习时间，并且可能准备不足。学校通过“StudyReel”对学生进行严密监控，追踪屏幕活动、鼠标移动，甚至录制视频，引发隐私担忧。这些录音等敏感学生数据存储在易于访问的Google Drive文件夹中。 员工对将学生视为“实验小白鼠”以及持续监控带来的焦虑表示担忧。尽管记录了人工智能错误，Alpha学校仍然依赖人工智能来*评估*自身的人工智能，从而形成一个存在问题的反馈循环。最终，前员工认为该学校的成功更多地依赖于敬业的人类导师，而不是承诺的“人工智能魔力”。

加载蟹镇...🦀蟹镇🦀人口：--建造你的城镇点击建筑互动 • 拖动平移 • 滚动缩放欢迎来到蟹镇✕蟹镇一个不断进化的甲壳类岛屿开始探索

主页 | mage-bench mage-bench LLM 玩万智牌。mage-bench 是 XMage 的一个分支，它能够让大型语言模型在多种模式下（指挥官、标准、现代和遗迹）进行万智牌对战。LLM 们坐在虚拟牌桌旁，各自操控一套牌，做出弃牌、施法、战斗和政治等决策——就像人类玩家一样。XMage 游戏服务器向每个 LLM 提供当前游戏状态和可用行动。LLM 选择行动，游戏引擎执行规则。没有捷径，没有简化规则——万智牌的全部复杂性。排行榜 观看比赛 架构 GitHub GitHub | Gregor Stocks 制作

## 应对芯片行业人才短缺：一种新方法 芯片行业正面临严重的人才短缺，促使人们探索创新解决方案，从人工智能集成到交叉培训计划。一个关键重点是**在设计工具中利用人工智能**，以提高工程师效率并可能缩短培训时间。大型语言模型和人工智能代理正在被开发为定制助手，形成一个循环，即先进的芯片为*设计*这些芯片的人工智能提供动力。 除了人工智能，还有推动**培训软件工程师进行硬件设计**的趋势，认识到存在大量潜在人才。虽然这不是一个简单的转变——需要对人工智能流程的基础理解——但目标是将芯片开发转向更接近软件工程的技能。新的工具能够实现**更高层次的抽象**至关重要，它们可以自动化低级细节，并允许熟悉软件的工程师做出贡献。 然而，专家强调继续需要熟练的硬件工程师，尤其是在复杂设计方面。重点是**利用人工智能增强现有人才**，提高他们的生产力，而不是完全取代。大学正在适应，旨在提供**更相关和密集的课程**，可能缩短学习时间，同时提高教育价值。最终，成功取决于装备工程师*有效地利用*人工智能，确保质量控制并推动创新。

## 继续：GitHub 驱动的 AI 代码审查 Continue 利用 AI 在 GitHub pull request 中自动执行代码审查。它通过运行可定制的“检查”来实现，这些检查是放置在你的仓库中的 markdown 文件，利用 AI（如 Claude Code）来分析代码变更。 这些检查会显示为标准的 GitHub 状态检查（通过为绿色，失败为红色）。 你可以为每个检查定义名称、描述和提示，指示 AI 查找什么，例如安全漏洞（硬编码的密钥、缺少验证）或代码质量问题。 当打开 pull request 时，Continue 会自动对代码差异运行这些检查，在 GitHub 中提供即时反馈和建议的修复方案。 这简化了审查流程并有助于尽早发现潜在问题。 详细教程和完整指南请访问 [https://continue.dev/walkthrough](https://continue.dev/walkthrough)。

## Go 1.26 改进的 `go fix` 命令 Go 1.26 引入了一个完全重写的 `go fix` 命令，利用 Go 分析框架来现代化代码库。`go fix` 识别改进代码的机会，通常利用较新的语言特性和库函数。它接受与 `go build` 类似的包模式，并静默更新源文件，跳过生成的代码。运行 `go fix -diff ./...` 会在应用更改之前预览它们，`go tool fix help` 会列出可用的“修复器”（分析器）。 此次更新旨在鼓励采用现代习惯用法，尤其是在 Go 1.18 引入泛型之后。新的“现代化工具”如 `minmax`（用 `min`/`max` 替换 if/else）和 `stringscut`（使用 `strings.Cut` 代替 `strings.Index` 和切片）已被包含在内，以及一个用于 Go 1.26 的 `new(expr)` 特性的修复器。 团队正在转向“自助服务”模式，允许开发者定义和共享他们自己 API 的现代化方案。未来的计划包括动态加载分析器，并探索基于注释的方法来强制执行编码标准和不变性。目标是简化代码维护，鼓励最佳实践，并确保 LLM 编码助手训练数据反映最新的 Go 习惯用法。

## 乐观与悲观的差距 尽管全球生活水平有所提高，但调查始终显示出对世界现状的广泛悲观情绪。人们通常对自己的生活感到乐观，但他们认为自己的国家和世界正在朝着错误的道路发展——这种脱节在较富裕的国家尤为明显。 这种“我很好，但你不好”的心态源于信息失衡。我们掌握着关于个人经历的详细了解，从而产生乐观情绪，但却依赖于有限且通常是负面的新闻报道来形成对更广泛的看法。这导致我们低估他人的幸福感和积极信念，并对全球问题感到无助。 这种集体悲观情绪不仅仅是“错误”的问题，它是有害的。它滋生对机构的不信任，阻碍合作，并降低解决气候变化或公共卫生等关键挑战的动力。缺乏能动性——相信我们可以带来改变——会助长愤世嫉俗和宿命论。认识到这种差距至关重要，因为培养能动性和承认进步对于推动积极变革至关重要。

启用 JavaScript 和 Cookie 以继续。

## Sixcy：下一代容器格式 Sixcy 是一种正在开发的容器格式，专注于高性能数据存储和传输，优先考虑流式效率、数据可恢复性和灵活压缩。目前旨在用于基准测试、研究和原型设计——**不用于生产环境**——它提供了一种流式优先的设计，具有自描述块和定期检查点，以实现强大的数据恢复。 主要特性包括支持多种压缩算法（Zstd、LZ4 以及通过插件接口支持更多算法）、元数据优先索引以实现快速访问，以及内存安全的 Rust 实现。该项目结构清晰，模块化地划分了核心库函数、编解码器、索引、恢复和 I/O。 目前版本为 v0.1.x，Sixcy 提供了一个参考实现和插件接口。计划在 v0.2.0 中提供稳定的运行时包和扩展的编解码器支持。规范采用 CC-BY-4.0 许可，而实现则使用 Apache-2.0 许可。

(Empty input provided. There is nothing to translate.)

## 国际象棋引擎训练对LLM的启示 现代国际象棋引擎，如Leela Chess Zero (Lc0)，为大型语言模型 (LLM) 训练提供了宝贵的见解。 最初，引擎使用强化学习 (RL) 通过自我对弈进行训练。 然而，研究表明，RL 真正需要的只有 *一次* – 用于创建一个强大的初始模型。 后续引擎可以“提炼”来自该模型 *以及* 搜索算法的知识，从而绕过昂贵的博弈生成。 弱模型配合强大的搜索优于强模型不配合搜索，这使得搜索成为关键组成部分。 Lc0 发现进一步的 RL 实际上 *降低* 了性能，突显了从搜索中提炼知识的力量。 这与 LLM “n 选 1” 采样不同，后者相比于国际象棋搜索所带来的显著优势，收益有限。 进一步的改进来自于诸如 SPSA 之类的技术 – 随机扰动模型权重并选择导致胜利的变化，即使 *没有* 梯度。 虽然计算成本高昂，但 SPSA 能够带来显著的收益。 这一原理超越了权重，允许优化引擎代码中的任何参数。 最后，Lc0 向 Transformer 架构和一种新型注意力偏差系统 ("smolgen") 的转变，展示了这些架构的广泛适用性以及专门组件能够大幅提升性能的潜力。

⚠ 未授权想法检测 ⚠ 14:00 “警告：精神污染危险。请谨慎行事。” 全球基础设施锁定：失败阶段1：法拉第突破 阶段3：完美世界启动

## 业余隧道挖掘的魅力与挑战 越来越多的人在网上分享自制隧道的记录——从科林·弗兹的车库连接到“隧道女孩”的单人挖掘——这凸显了人类一种引人入胜的地下探索欲望。虽然创造隐藏的地下空间很有吸引力，受到探索精神甚至逃避规则的幻想驱使，但实际和法律上的障碍重重。 在拿起鹤嘴锄之前，有抱负的隧道挖掘者必须考虑土地所有权（向下延伸）并获得必要的许可，因为建筑规范优先考虑公共安全。隧道施工本质上是危险的，需要仔细关注地质稳定性、挖掘方法和结构支撑。 现代隧道挖掘采用诸如支护、岩石锚固和混凝土衬砌等技术来防止坍塌和管理土压力。至关重要的是，要管理排水、通风和潜在的火灾隐患。即使是小规模项目也需要付出大量努力来清除挖掘出的材料（“掘渣”）。 虽然业余隧道挖掘与大型基础设施项目大相径庭，但理解安全、持久隧道背后的工程原理至关重要。这是一项具有挑战性的事业，但通过周密的计划和对固有风险的尊重，“地下庭院”的梦想或许可以实现。

## VectorWare 使 Rust 的 Async/Await 在 GPU 上运行 VectorWare 正在开创 GPU 原生软件开发，并取得突破：成功地在 GPU 上直接运行 Rust 的 `Future` trait 和 `async/await`。这使得开发者能够利用熟悉的 Rust 抽象来构建复杂、高性能的 GPU 应用程序。 传统的 GPU 编程依赖于数据并行——将相同的操作应用于不同的数据。更高级的技术，如 warp 特化，可以实现基于任务的并行，但需要手动并发管理，这容易出错。像 JAX、Triton 和 NVIDIA 的 CUDA Tile 这样的项目旨在简化这一点，但通常需要新的编程范式。 VectorWare 的方法利用 Rust 现有的 `async/await` 系统，该系统编码了结构化并发，而无需新的语言或生态系统。Futures 代表延迟计算，允许编译器通过 Rust 的所有权模型优化执行并管理数据依赖关系。 该实现，最初使用简单的 `block_on` 执行器，现在利用 Embassy 执行器，证明现有的 Rust 代码可以在 GPU 上高效运行。虽然仍然存在挑战——例如协同多任务处理和寄存器压力——VectorWare 正在积极探索 GPU 原生执行器并进一步与 Rust 标准库集成。 最终，VectorWare 认为 Rust 在 GPU 开发方面具有独特优势，但计划在未来的产品中支持多种语言。

菲乌是智利2023年泛美运动会的吉祥物。它是一种七色鸟，是智利本土的一种小巧多彩的鸟类。它的名字来源于它发出的声音。菲乌成为了全国性的现象。“体型小并不意味着你不能竭尽全力。”就像我们这里的人工智能：小巧、有帮助、也许过于信任。

拜耳公司宣布一项105亿美元的和解计划，以解决与其除草剂“草甘膦”相关的现有和未来的癌症诉讼，其股价因此大幅上涨。该方案包括未来20年内针对现有和潜在索赔的75亿美元集体诉讼和解，以及针对美国现有非霍奇金淋巴瘤案件的30亿美元解决方案。 此举是在此前已支付约100亿美元和解金的基础上，旨在最终解决持续不断的诉讼。原告声称接触“草甘膦”导致了他们的癌症，并且新的案件仍在不断出现。 拜耳公司首席执行官比尔·安德森强调了这项和解的重要性，因为它能够最大限度地降低法律风险，尤其是在其最高法院的案件审理进行的同时。该公司希望这种全面的方法能够提供更大的确定性并巩固其法律地位。

## Cycast：高性能互联网广播服务器 Cycast是一个基于Python的互联网广播流媒体服务器，专为性能而设计，利用Cython优化实现3-5倍的速度提升。它接受来自Mixxx、VLC或任何Icecast兼容客户端的实时音频源，并在没有直播DJ连接时无缝切换到预定义的播放列表。 主要特性包括采用Flask Web应用程序在Tornado上运行的现代架构，以及易于使用的HCL配置文件，实现可扩展性。响应式Web UI提供实时状态更新，并辅以RESTful API以获取详细统计信息。 该服务器在关键组件（如零拷贝循环音频缓冲区和高效的多听众广播器）中使用Cython。它可以通过`config.hcl`轻松配置，允许自定义服务器端口、密码、播放列表目录等。 Cycast适用于小型到中型电台、个人广播或开发，为流式传输音频内容提供了一个强大而高效的解决方案。它专为处理多个听众而设计，并且可以通过调整缓冲区大小和块大小等技巧进行进一步优化。

斯蒂芬·科尔伯特在他的“晚间秀”中透露，哥伦比亚广播公司（CBS）拒绝播出他对德克萨斯州参议院候选人詹姆斯·塔拉里科的采访，理由是担心来自联邦通信委员会（FCC）的报复。电视台律师直接指示科尔伯特不要播出该片段，甚至避免*提及*它的取消。 这未播出的采访，现在可在YouTube上观看，重点关注FCC最近对批评唐纳德·特朗普的节目的打击，包括对ABC的“The View”的调查，该调查是在塔拉里科在该节目上露面后发起的。塔拉里科认为，特朗普政府试图压制言论自由，可能通过武器化平等时间规则，实施一种“危险的取消文化”。 科尔伯特本人也批评了FCC主席布兰登·卡尔，指责他有党派动机，并暗示政府只是想压制批评。此前，ABC曾短暂下架“吉米·坎摩尔直播秀” ，原因也是类似的FCC审查，这引发了人们对FCC日益干预广播内容的担忧。

## 语义消蚀：人工智能中意义的流失 大型语言模型的兴起不仅仅是关于*幻觉*（捏造信息）；更微妙的危险是**语义消蚀**——算法对复杂、细微信息的侵蚀。这并非错误，而是模型使用强化学习等技术“提炼”的必然结果。 为了产生统计上可能的输出，人工智能系统性地丢弃罕见、精确的语言——携带独特意义的“高熵”数据，转而采用泛化的措辞。激进的安全性和实用性调整会加剧这种情况，惩罚任何非传统的内容。 这种消蚀分阶段发生：首先，去除富有表现力的语言；然后，简化专业词汇；最后，将复杂的推理归结为可预测的结构。结果是经过打磨但最终空洞的“思想JPEG”，失去了原始的深度和精确性。 衡量词汇多样性可以揭示这种衰退。认识并命名语义消蚀至关重要，因为被动接受这些输出会带来“向中间靠拢的竞赛”，牺牲人类思想的丰富性以换取算法的流畅性。

每个球的价格 - 在亚马逊上找到最便宜的高尔夫球 亚马逊上的高尔夫球，按每个球的价格排序。 数据来自亚马逊。价格每天更新两次。 作为亚马逊的合作伙伴，本网站通过符合条件的购买赚取佣金。

华尔街正在热议基于太空的数据中心，这主要得益于埃隆·马斯克计划将SpaceX和xAI合并，用于“轨道数据中心”。高盛最近的一次网络研讨会探讨了这一未来，强调了机遇和局限性。 太空数据中心具有廉价太阳能和易于冷却的优势，但要与地球上的设施竞争，需要大幅降低发射成本（低于200美元/公斤）和轻量级冷却技术。 关于卫星连接，分析师认为投资者担心卫星*取代*传统电信公司的担忧被夸大了。虽然星链等网络正在扩张，但它们最适合农村和人口稀少的地区，因为在这些地区建设传统基础设施成本高昂——作为补充而非竞争对手。 高盛预计太空数据中心将在本十年内成为现实，这得益于SpaceX的星舰等技术的进步。这表明塔公司面临的下行风险有限，并且随着卫星竞争担忧的缓解，电信股有可能被重新评估。

关于按住版权联系我们创作者广告开发者条款隐私政策和安全性YouTube的工作原理测试新功能© 2026 Google LLC

一份新报告显示，SpaceX及其人工智能部门xAI正在竞标一份价值1亿美元的战争部（DoW）合同，以开发语音控制的自主无人机蜂群技术。这项为期六个月的竞赛由美国特种作战司令部主导，旨在利用聊天机器人指挥在空中和海上运行的无人机舰队以完成任务——这是“复制者”倡议的关键组成部分，旨在加强无人机部署。 这标志着埃隆·马斯克可能出现转变，此前他曾警告不要开发自主武器。此举正值乌克兰战争加速人工智能驱动的战争技术发展，迫使军事能力快速演变。 战争部正在积极寻找创新的“战争独角兽”初创公司，认识到成熟的国防承包商需要适应。xAI已经参与其中，正在以2亿美元的合同将其Grok聊天机器人整合到政府系统中，OpenAI也在为此做出贡献。这预示着2030年代的战争技术比预期更快地到来。

## “物质转变”的世界 – 摘要 节后市场平静具有欺骗性；全球正经历一场重大转变，挑战着传统的经济模式。 澳大利亚储备银行承认经济预测强于预期，强调从“总和”供需关系向截然不同的现实转变。 这受到原材料日益重要性（与国家安全相关）以及人工智能的颠覆性力量的推动。 资源需求旺盛，供应受限，各国优先获取资源，即使成本高昂。 人工智能既有机遇也有威胁，欧洲担心网络风险，同时也认识到需要与美国和中国竞争。 人们越来越担心人工智能可能导致大规模失业，质疑传统再培训计划的有效性。 地缘政治紧张局势正在加剧，美国在中东的军事集结、持续的乌克兰冲突以及俄罗斯-美国经济关系的潜在转变都证明了这一点。 保护主义政策也正在出现，例如欧盟对本地制造电动汽车的关注。 各国央行正在努力适应这些“物质转变”，传统的经济思维越来越不足。

``` AerisLive0旧金山重置随机高度43,000 英尺20,000 英尺10,000 英尺5,000 英尺2,000 英尺500 英尺0 英尺 ```

## 将资本重新导向国家优先事项 一种令人惊讶的共识正在形成：美国的金融业现在*消耗*实体经济，而不是推动它。来自政治光谱各个方面的专家，包括奥伦·卡斯和迪恩·贝克，都同意这一诊断，但解决方案在很大程度上仍未得到解决——资本应该*去*哪里？ 高达6万亿美元的资金存在于美国的公共养老基金中，目前的回报与简单的指数基金相当，同时也在资助对社区有害的做法——住房收购、医院关闭和工作岗位流失。这种“耐心资本”非常适合于电网输送、核电站和住房等长期资产，但却被困在高收费的另类投资中。 问题不是缺乏资本，而是一个优先考虑中介利润而非国家需求的系统失灵。日本和新加坡的“财政互惠”等历史先例，展示了成功地将国内储蓄导向基础设施和发展的模式。 重新配置养老基金需要打破当前的平衡——从高成本的另类投资转向对基础设施债券的直接投资。这并非关于新的支出，而是关于战略性地部署现有资本。为不可避免的下一次养老金救助预先起草立法条件——基础设施投资指令、费用上限和明确的资格标准——至关重要。目标不是从内部进行系统性改革，而是利用危机时刻将资本重新导向建设一个更强大、更可持续的经济。

特朗普总统已指示联邦紧急事务团队处理一场“大规模生态灾难”——源于1月19日马里兰州管道坍塌，导致2.5亿加仑污水泄漏入波托马克河。特朗普指责当地民主党领导层，特别是州长韦斯·摩尔，存在“严重管理不善”，并声称他们无力应对这场危机。 研究人员在水中检测到高水平的有害细菌，如大肠杆菌，对健康构成风险。尽管州或地方官员尚未提出联邦援助请求，特朗普仍在派遣联邦紧急事务管理局（FEMA）和国土安全部协调应对，并保护该地区的供水和国家资源。 DC Water 负责维修工作，而马里兰州负责监督水质和休闲警示。当局确认目前饮用水供应不受影响，但弗吉尼亚州正在密切关注局势。此次应对行动正值 FEMA 和 DHS 因持续的移民执法辩论而面临部分资金中断。

## Quake 3 的“魔术数字”与编码技巧 在 1990 年代，游戏开发者面临着计算能力有限的巨大挑战。《Quake III Arena》（Quake 3）是一款 1999 年发布的开创性多人第一人称射击游戏，它展示了卓越的编码效率来处理复杂的 3D 图形。其中一个特别引人入胜的方面是它计算反平方根的算法——这是一个计算量大的操作，对于确定 3D 空间中的物体方向至关重要。 Quake 3 的程序员没有依赖冗长的计算，而是巧妙地利用牛顿-拉夫逊方法，并使用一个出人意料的有效的“魔术数字”——0x5f3759df。这只需*一次*迭代就能获得高度准确的结果，从而大大减少了处理时间。 这个数字的来源在游戏源代码开源后多年一直是个谜。大量的研究最终指向了 Greg Walsh，但确切的推导过程仍然不清楚。这个故事突显了开发者在硬件限制下的惊人创造力，以及看似微小的优化如何对性能产生重大影响。它提醒人们，在游戏开发中，从有限的资源中榨取每一盎司的性能至关重要。

## SQLite 中的语义搜索：混合方法 本文详细介绍了在 SQLite 中直接实现语义搜索，无需外部向量数据库。核心思想是利用 SQLite 的 FTS5 文本搜索，以及基于意义的检索，通过 **二进制嵌入** 和 **汉明距离** 实现。 传统的语义搜索使用基于浮点数的嵌入，需要大量的存储空间。该实现将嵌入量化为单个比特，大大减少了存储空间（1024 维占用 128 字节），但牺牲了一些准确性——对于速度和空间而言，这是一个值得的权衡。汉明距离利用位运算高效地测量这些二进制向量之间的相似度，并由现代 CPU 优化。 该解决方案被实现为一个自定义的 SQLite 扩展，添加了一个 `hamming_distance` 函数。在 100 万行数据上的性能测试显示，查询时间约为 35 毫秒（包括排序），不包括排序则为 28 毫秒，即使进行全表扫描，也显示出可行的速度。 最后，**倒数排名融合 (RRF)** 结合了 FTS5 的关键词搜索 (BM25) 和语义搜索的结果，创建了一个强大的 **混合搜索**，能够处理精确和细微的查询。这种方法非常适合于 1000 万行以下的数据集，或者在避免外部依赖比线性扫描的成本更重要的情况下。