线条类型：直线 正交（横→竖） 正交（竖→横） 正交（横→竖→横） 正交（竖→横→竖） 样式：单线（浅） 双线 粗线 ASCII (+|-) 起点：无 箭头 三角形 菱形 圆形 | (一个) 终点：无 箭头 三角形 菱形 圆形 | (一个) 标签：混合
每日HackerNews RSS
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录 展示 HN: AsciiSketch 一个免费的基于浏览器的 ASCII 艺术和图表编辑器 (littlebird.com.au) 5 分，作者 schappim 1 小时前 | 隐藏 | 过去 | 收藏 | 2 条评论
prabal97 54 分钟前 [–]
哇！玩起来很酷。1. 如何擦除用铅笔工具绘制的图形？
2. 你是怎么做到的？是开源的吗？回复 schappim 29 分钟前 | 父评论 [–]
1. 它只是移除字符。
2. C++ + 少量手动调整。
3. 是的，随意查看源代码并拆解它。
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## 日本的机器人建筑革命——以及它为何衰落
尽管全球都在努力应对低生产率问题，但建筑业并未像汽车制造业等行业那样取得同样的进步。日本在20世纪70年代后期大力投资建筑机器人，旨在实现整个摩天大楼的*现场*自动化建造——本质上是在创造建筑工厂。
受到高劳动力成本和熟练劳动力短缺的驱动，清水建设和大林组等公司开发了自动化材料输送、机器人工作站（用于焊接、喷漆等）以及逐层建造的攀爬机制等系统。这些“空中工厂”需要为机器人组装而设计的建筑，优先考虑标准化组件和简化的连接。
虽然这些系统——如SMART、赤月和ABCS——显示出劳动力减少（20-70%）和大型项目建设速度加快，但它们面临着重大障碍。高昂的前期成本、漫长的设置时间和对广泛前期规划的需求限制了它们的实用性。投资回报期很长，阻碍了进一步的投资。
最终，尽管在90年代至少有60座建筑积极使用这些自动化工厂，但到21世纪初，它们大多已消失。清水建设继续进行机器人研究，但完全自动化的建筑工地的最初愿景仍未实现，受到高成本、缓慢的迭代周期和有限的可扩展性的阻碍。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
日本的摩天大楼工厂 (2021) (construction-physics.com)
12 分，由 Pikamander2 发表于 2 小时前 | 隐藏 | 过去 | 收藏 | 讨论
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
这是个玩笑吗？
Is it a joke?
23 分钟前
这位创作者在制作立体模型游戏时，从播客中寻找灵感和放松。他们被《虚构建议》播客逗乐，该播客令人信服地讨论了一款不存在的SNES游戏，这一手法与他们自己对虚构的1989年游戏《蓝王子》的经历相呼应。 尽管本意是批评《蓝王子》的游戏玩法（过于繁琐的任务，可疑的赌博元素），但许多人认为这篇详细的文章是 genuine 的欺骗企图。这凸显了一个反复出现的主题：游戏般的虚构与现实之间的界限，正如世嘉最初对游戏《Segagaga》的反应所见。 尽管偶尔会怀疑收听播客，但创作者很高兴它们能激励他人，例如艾德里安·柴可夫斯基的《哲人暴君》系列。他们也欣赏那种一本正经的叙事方式，以《革命》播客的科幻季为例。最终，创作者在游戏中更注重视觉呈现，而非完美的历史准确性，并且喜欢粉丝基于《蓝王子》创作的互动小说场景。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 工作 | 提交 登录
这是个玩笑吗？ (novalis.org)
8 分，luu 发表于 2 小时前 | 隐藏 | 过去 | 收藏 | 2 条评论
tombert 发表于 25 分钟前 | 下一个 [–]
我记得以前经常去 That Guy With the Glasses 网站，Phelous 和 The Cinema Snob 曾经评论过一部不存在的电影“Troll 4”。[1] 我记得当时感觉有点超现实，因为我几乎确定这部电影不存在，但又不太确定。这让我想起了那件事。[1] https://www.thecinemasnob.com/crossovers/brad-and-pheloustro... 回复
eszed 发表于 15 分钟前 | 上一个 [–]
我不确定这篇帖子中（如果有什么）是玩笑，但我查了关于火星的事情，事实并非如此。我很期待听听。回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
我们不使用人工智能。
We Don't Use AI
25 分钟前
Yarn Spinner 游戏开发工具不会整合或使用“AI”技术，原因是对其开发公司的伦理问题感到担忧。 创作者们原本具备机器学习背景，最初认为该领域有潜力，但随着其重点转向旨在降低劳动力成本的工具——本质上是裁员或在不招聘的情况下增加工作量——他们感到幻灭。
他们认为，当前 AI 开发将利润置于负责任的创新之上，忽视了偏见和可解释性等问题，并积极压制异议。 虽然承认采用 AI 的压力（“你会被抛在后面”），但 Yarn Spinner 优先构建真正*帮助*开发者创造*更好*游戏的工具，而不仅仅是利用最新的技术。
他们不会禁止在其他地方使用 AI 的用户，但强烈不鼓励这样做，强调即使是看似无害的使用，也会在经济上支持从事有害行为的公司。 他们仍然愿意在未来探索机器学习，但前提是伦理问题得到解决，并且重点重新转向有益的应用。
## Yarn Spinner 与 AI 辩论：摘要
最近一篇 Hacker News 上的帖子引发了关于 Yarn Spinner 在游戏开发过程中避免使用 AI 的决定的讨论。虽然该帖子将 AI 的使用描述为可能有害，但评论员们大多反对这种“善与恶”的叙述。
许多人认为，AI 就像以前的技术进步一样，可以成为创意工作者（甚至独立开发者）的强大*工具*，提高生产力，但不一定取代工作。有人担心，将 AI 仅仅视为消除就业的因素，忽视了它作为“力量倍增器”的潜力。
对话还涉及了自动化对社会的影响，并将之与历史上的抵制行为（如拉达运动）相提并论，强调需要解决就业流失的*社会*后果，而不是技术本身。一些评论员指出令人担忧的工程实践，例如未经检查的代码推送到生产环境，并建议 AI 可能会加剧管理不善的团队中现有的问题。
最终，这场讨论揭示了一个细致的观点：虽然承认对大型 AI 公司存在合理的担忧，但许多人认为完全否定 AI 会忽略其潜在的好处和对个人及小型团队的实际应用。
## LLM 生产力：一个怀疑论者的观点 这位作者是一位资深开发者，他对当前使用 LLM 的“代理编码”状态表示失望。虽然发现 LLM 在研究和简单代码片段等任务中很有用，但他们发现“提示驱动开发”速度慢、容易出错，并且需要过多的监督——最终感觉效率反而降低。 核心沮丧源于围绕 LLM 驱动开发的积极宣传。作者认为将怀疑论等同于害怕过时是一种令人费解的暗示，因为他们*希望*未来能够专注于设计和规范。 他们开始怀疑这种热情的推广并非真正的生产力提升，而是那些感到自己编码技能价值降低的人的一种不安全感的投射。作者仍然愿意改变想法，承认自己存在技能差距，但挑战 LLM 倡导者考虑这种技术可能并非普遍的生产力助推器，并且可能不适合所有开发者或所有任务。
## 黑客新闻讨论：LLM 爱好者的“不安全宣传”
最近黑客新闻上出现了一场讨论，中心是技术社区内对大型语言模型（LLM）的热烈推广，以及支持者们表现出的一种防御姿态。最初的帖子质疑，为什么一些LLM倡导者会在他人没有分享他们积极体验时表现出敌意。
许多评论者同意，LLM在不熟悉的语言或领域中执行任务表现出色，并且可以显著提高某些人的生产力。然而，经验丰富的程序员经常发现LLM生成的代码需要大量修改，并且可能引入细微的错误或低效之处。人们对依赖具有潜在长期责任的“廉价”代码表示担忧。
一个关键点是，LLM是强大的工具，但并非普遍优越。它们的价值取决于任务和用户的技能水平。有些人认为它们对样板代码或探索很有帮助，而另一些人则担心它们会降低代码的整体质量并削弱基本的编程技能。
讨论还涉及到了互联网上普遍存在的强烈、分裂的观点倾向，以及不安全感可能驱动热情倡导 *和* 怀疑论。几位评论员注意到，这与过去的科技辩论（Python vs. C等）相似，并告诫人们不要轻易否定不同的观点。
## OpenJDK性能提升：重新思考线程CPU时间测量 最近的OpenJDK提交（858d2e434dd）显著提升了在Linux上`ThreadMXBean.getCurrentThreadUserTime()`的性能。 之前，获取线程CPU时间涉及复杂的 文件I/O，解析`/proc/self/task/<tid>/stat`，以及处理潜在的格式不一致性——这个过程比使用`clock_gettime()`慢30-400倍。 该修复利用了Linux特定功能：操作`pthread_getcpuclockid()`返回的`clockid_t`。 虽然POSIX要求`CLOCK_THREAD_CPUTIME_ID`返回总CPU时间，但Linux内核允许通过修改时钟ID的位编码来仅请求*用户*时间。 更新后的代码直接使用修改后的ID的`clock_gettime()`，消除了文件I/O和解析。 基准测试显示速度提升了40倍，延迟从11微秒降低到279纳秒。 进一步优化，构建时钟ID以利用内核快速路径，又带来了13%的额外改进。 这一变化突出了理解平台特定功能和重新审视既定假设的好处。 它展示了深入研究内核源代码如何释放巨大的性能提升，最终在JDK 26中带来显著的加速。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
一个40行的修复消除了400倍的性能差距 (questdb.com)
8点 由 bluestreak 29分钟前 | 隐藏 | 过去 | 收藏 | 1条评论
jerrinot 16分钟前 [–]
作者在此。在我上次关于内核bug的帖子之后，我花了一些时间研究JVM如何报告自身的线程活动。结果是，“这个线程的CPU时间是多少？”这个问题比它应该的要昂贵得多。回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
一些最近的新闻，这封邮件读者们一直期待：大型语言模型仍然不可信赖：LLM所做的大部分工作仅仅是记忆（而且Hinton在这方面的观点是错误的）：它们仍然没有为世界增加很多可量化的价值：更新：这与《华盛顿邮报》最近报道的远程劳动力指数的发现一致，即人工智能只能完成大约2.5%的工作。规模扩大不再进展顺利，而且可能无法解决这些问题。围绕这种粗糙的技术（特别是基于它将大幅改善的未经验证的希望）来调整我们的经济和地缘政治政策是一个错误。
## 生成式人工智能：炒作与现实 - Hacker News 讨论
Hacker News 上一篇帖子链接到一篇文章，声称生成式人工智能“进展并不顺利”，引发了争论。作者 Gary Marcus 以过去不准确的 AI 预测而闻名，导致一些人驳斥了他的批评。
虽然一些人同意人工智能未能达到革命性的说法，但许多用户报告了显著的实际好处。 几位评论员强调了人工智能能够大幅缩短编码时间、协助设计任务以及加速项目搭建的能力——即使需要审查和完善。
一个关键的争论点是人工智能是工具还是通往通用人工智能（AGI）的道路。 一些人认为，目前的局限性并不排除未来的突破，而另一些人则认为它只是一种有用的，但并非变革性的技术。 还有关于生成代码质量的讨论，人们担心“粗糙编码”以及需要经验丰富的开发人员来监督人工智能辅助工作。
最终，这场讨论揭示了各种观点，从彻底的怀疑论到谨慎的乐观主义，许多人承认人工智能正在迅速改进，同时也质疑过高的期望。
## 内联：编译器赋能的优化 本文探讨了编译器内联，一种常常被低估的强大优化技术。虽然传统上侧重于消除调用开销，但内联的真正优势在于*促进*进一步的优化。 通过直接将函数的代码插入到调用位置，编译器获得一个局部副本进行分析和转换。这使得常量传播（例如，在知道某个值始终为真时简化代码）、死代码消除以及分支预测改进成为可能——这些在共享函数中是无法实现的。一个例子展示了将字符串转换为大写；内联允许编译器避免分支来检查大小写，而是直接基于其 ASCII 值操作字符。 然而，过度内联会导致代码膨胀。编译器使用启发式方法来平衡性能提升和大小增加，有时会做出令人惊讶的决定。函数可见性也很重要——编译器需要函数的*定义*，而不仅仅是声明，才能进行内联。 最终，内联不仅仅是节省几个周期；而是为编译器提供在代码使用点进行深度优化的自由。
## 内联与编译器优化 - Hacker News 讨论总结
一篇关于内联作为优化技术的文章引发了 Hacker News 的讨论，探讨了各种相关的编译器策略。核心问题在于复制函数调用以实现不同的优化，*而无需*在每个调用站点进行完全复制——本质上是创建函数的专门版本。
用户识别了几个术语来描述这种做法：**IPA 克隆**（GCC 的过程间分析）、**特化**和**函数克隆**。特化被特别强调为相关，机器学习编译器以根据常量和类型积极特化内核而闻名——这与 **JIT 编译** 的概念类似。
对话还涉及了过短或过长函数的不利影响、注释对 JavaScript 内联的影响（历史上统计 AST 节点）、以及 **多态性** 的性能影响（通常较慢，因为它会阻止内联，但可以通过静态分派进行优化，如 Rust 中所示）。最后，人们注意到像 `force inline` 和 `flatten` 这样的编译器属性对于一致的优化决策很重要。
Please provide the content you want me to translate. I need the text to be able to translate it to Chinese.
## 连接价值的转变：现实生活 vs. 早期互联网
一篇源自2000年的文章（“为什么现实生活比IRC更好”）引发了Hacker News的讨论，探讨了随着互联网的兴起，生活是否得到了改善。许多评论者，特别是那些记得互联网早期时光的人，表达了对现代数字景观日益增长的幻灭感。
一个核心问题是数据隐私和操纵，这与早期互联网的相对匿名性形成了鲜明对比。虽然2000年代的互联网提供了前所未有的信息获取和全球连接，促进了学习和文化交流，但当前时代被认为受到监控和虚假信息的主导。
人们怀念更简单的时代，提到了共同的文化体验和真实的、身体上的连接的价值。一些人回忆起通过IRC等早期在线社区建立的积极体验，并由此结交了持久的现实生活中的友谊。然而，也有人分享了与“爱情”和创伤相关的深刻负面经历，在数字空间提供的距离中找到了慰藉。
这场辩论凸显了技术潜在益处与其意想不到的后果之间的紧张关系，质疑当今的便利性和连接性是否超过了隐私、真实性以及可能更扎实的社区意识的丧失。
糟糕！访问被拒绝：错误代码bf584155dcd667f7。
由Anubis From Techaro保护。
🇨🇦制造，充满爱❤️。
吉祥物设计由CELPHASE完成。
本网站运行Anubis 1.24.0版本。
## AI 抓取对 MetaBrainz 等开放数据项目的影响
最近的 Hacker News 讨论强调了 MetaBrainz 等开放数据项目因激进的 AI 抓取而面临的挑战。MetaBrainz 愿意分享其数据，但 AI 机器人没有利用提供的批量下载（如 tarballs 或 torrents），而是低效地逐页抓取网站。这会使志愿者运营的基础设施超载，并迫使项目实施保护措施，如 API 身份验证，从而阻碍了合法用户。
核心问题是协调问题：机器人假设网站主动*隐藏*数据，拒绝尊重高效访问的请求。讨论的解决方案包括网站提供更好的信号（例如，通过指向数据转储的 `.well-known` 路径），Cloudflare 的 AI 检测服务（尽管可能存在可用性缺点），甚至修改版权以激励数据共享。
许多评论员强调了其中的讽刺意味——AI 公司可以很容易地支持这些项目，但反而将数据获取成本外部化。一些人建议通过列出违规 IP/用户代理进行公开羞辱，而另一些人则指出需要标准化协议来促进网站和机器人之间的合作。最终，这场讨论凸显了开放数据原则与 AI 训练需求之间日益增长的紧张关系。