## zi2zi-JiT：中文字体风格迁移
zi2zi-JiT是一个基于JiT架构的扩散Transformer模型，用于合成中文字体。它将参考字形的风格转移到源字符上，从而实现字体风格的修改。该模型利用内容编码器（来自FontDiffuser）捕捉字符结构，风格编码器提取风格特征，并采用多源上下文混合方法进行条件设置。
JiT-B/16和JiT-L/16两个变体是在包含400多个字体的超过30万个字符图像的大型数据集上训练的（主要为简体和繁体中文，以及少量日语）。评估指标（FID、SSIM、LPIPS、L1）显示出强大的性能。
该项目提供了数据集创建、微调（使用LoRA在单个GPU上 – 约4GB VRAM）和字符生成工具。微调单个字体可以在一小时内完成。 预训练检查点可用，如果分发包含来自该项目派生的超过200个字符的产品，则需要署名。 代码采用MIT许可，并针对字体输出添加了特定条款。
每日HackerNews RSS
黑客新闻 新的 | 过去的 | 评论 | 提问 | 展示 | 工作 | 提交 登录
CJK 语言的高保真字体合成 (github.com/kaonashi-tyc)
7 分，来自 kaonashi-tyc-01 2 小时前 | 隐藏 | 过去的 | 收藏 | 1 条评论 帮助
kaonashi-tyc-01 2 小时前 [–]
在原始 zi2zi 的基础上进行后续工作，现在使用 transformer 作为主干。回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
访问被拒绝。您没有权限访问“http://www.marketscreener.com/news/us-private-credit-defaults-hit-record-9-2-in-2025-fitch-says-ce7e5fd8df8fff2d”上的服务器。 参考编号：18.c9a4c117.1773320745.1971e4f8 https://errors.edgesuite.net/18.c9a4c117.1773320745.1971e4f8
美国私人信贷违约率在2025年创下纪录的9.2%，评级机构惠誉称 (marketscreener.com)
11点 由 JumpCrisscross 20分钟前 | 隐藏 | 过去 | 收藏 | 1条评论 帮助
FrustratedMonky 4分钟前 [–]
美国的庞氏骗局即将结束。当一切都在上涨时，它运作得很好。2008年金融危机由油价触发。存在许多有问题但没人仔细检查的结构性因素。油价只是敲倒大楼的侧面一击。
只需要一点推动就能崩溃。我们又来了。回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
## 稀疏化：见证数据的新视角
本文探讨了“稀疏化”，这是一种在依赖类型理论中经常遇到的数学对象，但其应用范围不止于此。稀疏化充当**见证数据**——简化问题解决的信息，通常可以提高效率或清晰度。可以将满足赋值视为 SAT 问题可解性的见证。
具体来说，稀疏化解决了“子列表”问题（在更大的列表中找到一个序列）。它们可以被可视化为元素之间的非重叠路径，表示为位向量，并通过德布鲁因提升/降低等操作生成（类似于置换由交换生成）。至关重要的是，稀疏化可以被*组合*——顺序应用——提供一种强大的视角转变。
作者通过 Python 示例演示了这一点，展示了如何不仅*找到*一个列表是否是子列表，而且*生成一个证书*（稀疏化本身）来证明它。验证此证书通常比找到它更快。
这个概念与 lambda egraphs、并查集，甚至 Prolog 的证明搜索等领域相关联。稀疏化可以被视为一个范畴，继承诸如组合和单位元之类的属性。它们还与德布鲁因索引等概念相关，并可能为自由变量分析和高效数据结构提供一种新颖的方法，从而可能改进诸如哈希常量和名义统一之类的技术。最终，作者认为稀疏化对于良好作用域的项是基础的，超越了 lambda 演算，扩展到其他绑定器，如求和和积分。
黑客新闻 新的 | 过去的 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
稀疏化：子列表见证和德布鲁因索引移位聚类 (philipzucker.com)
7 分，由 matt_d 发表于 2 小时前 | 隐藏 | 过去的 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
最近对LLM代码生成的研究，基于“metr”文章的数据，揭示了一个令人担忧的趋势：虽然LLM越来越能*通过测试*，但适合实际合并到项目中的代码质量在过去一年中没有提高。
该研究比较了LLM基于通过测试和维护者批准的性能，发现以合并性作为判断标准时，成功率显著下降——50%成功的所需时间从50分钟减少到仅8分钟。 重要的是，合并率分析显示自2025年初以来没有上升趋势，尽管通过测试的能力有所提高。
统计建模（使用Brier分数）证实了这一点，表明预测*恒定*合并率的模型比预测逐步改进的模型更准确。 这表明LLM并没有真正提高生产就绪代码的生成能力，引发了对以通过测试作为主要进展指标的质疑。
一篇最近的文章质疑大型语言模型（LLM）是否仍在改进，在Hacker News上引发了争论。文章声称LLM的能力停滞不前，尤其是在编程方面，但评论员们大多不同意。
多位用户指出文章的数据存在重大遗漏，特别是缺乏对OpenAI的GPT-4.5/4.6 Opus & Sonnet以及Google的Gemini等较新模型的分析。
普遍的看法是，LLM的进步并非线性，而是在关键突破（如思维链提示）之后出现爆发，然后进入平台期。许多用户*确实*观察到在他们的工作中有所改进，并指出使用GPT-4等当前模型时，所需的编辑量减少了。虽然承认最近可能出现放缓，但总体情绪是LLM*仍在*变得更好，即使速度已经改变。
## MacBook Neo 与大数据：笔记本电脑基准测试
苹果新款入门级 MacBook Neo，定价 700 美元/800 欧元（512GB 存储，8GB 内存，Apple A18 Pro 芯片），经过了数据库工作负载的测试。目标是：看看它是否符合“在笔记本电脑上进行大数据处理”的理念。
使用 DuckDB 进行基准测试时，MacBook Neo 在最初的“冷启动”测试中表现出色，使用 ClickBench 基准测试完成查询的速度快于可比的云实例，这得益于其本地 NVMe SSD。然而，在持续的“热启动”场景中，拥有更多资源的云实例最终表现优于它。
Neo 还处理了更复杂的 TPC-DS 基准测试，成功地在 100 规模因子下完成所有查询，耗时 15.5 分钟，在 300 规模因子下耗时 79 分钟，但内存限制变得明显。
虽然 DuckDB *可以* 通过内存外处理在 Neo 上处理大量数据，但其较慢的磁盘 I/O（1.5 GB/s）和有限的 8GB 内存使其与高端 MacBook 或专用 Linux/Windows 机器相比，不太适合日常繁重的数据处理。然而，它作为云数据库的客户端是一个不错的选择，并且能够处理偶尔的本地数据处理。
一个 Hacker News 的讨论围绕着一篇博客文章，展示了使用 DuckDB 在低端 MacBook（“Neo”）上进行“大数据”处理。尽管 DuckDB 能够在只有 8GB 内存的情况下处理 300GB 数据集（SF300），但评论者强调了性能瓶颈。
具体来说，Neo 中较慢的 NVMe 驱动器显著影响了文件密集型任务，例如搜索重复文件，导致在处理大量文件时遍历变得令人沮丧。用户们争论“大数据”的定义，回忆过去的炒作，并指出一台标准笔记本电脑可以处理令人惊讶的大型数据集。讨论还涉及苹果公司长期以来将 SSD 焊接到 MacBook 上的做法，以及基准测试中使用 ClickBench，一个包含 1 亿行数据的分析数据库基准测试。总的来说，这篇文章引发了关于实际性能限制以及“大数据”在现代计算中不断变化的含义的对话。
## 纽科姆悖论：对Veritasium观点的批判 纽科姆悖论提出一个引人入胜的决策难题：选择一个不透明的盒子（如果只选择它，预测内含100万美元；如果拿两个盒子，则为0），或者拿一个装有1000美元的透明盒子和那个不透明的盒子。Veritasium最近探讨了这个问题，但一位评论员认为他们的框架存在缺陷。 核心问题不在于预测者（无论是超级计算机、外星人还是心理学家）*如何*运作，而在于它是否*总是*正确。如果预测者*曾经*出错，这个悖论就会失去力量。评论员指出，真正随机的选择，比如抛硬币，是不可预测的，而依赖过去行为的预测者无法考虑到这一点。 Veritasium的概率论论证，假设预测准确率一致，也受到了质疑。这依赖于一个假设，即选择*方式*不会影响准确率——如果你故意试图智胜预测者，这是一个不稳定的前提。最初的悖论依赖于一个完美的预测者；引入失误会从根本上改变问题，使其不再那么具有智力刺激性。这场争论似乎远未结束，之前的探讨甚至深入到量子随机性中以尝试寻找解决方案。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Newcomb's Paradox 需要一个恶魔 (samestep.com)
4 点 由 sestep 2 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## 海豚模拟器进度报告 - 2026年3月总结
海豚模拟器的最新版本（2603）在多个方面取得了显著进展。最值得注意的是，它**增加了对世嘉、南梦宫和任天堂的Triforce街机系统的模拟支持**——这是18年来支持的首个全新系统！
通过**对MMU模拟的优化**，性能得到了显著提升，使得之前运行困难的游戏，如《星球大战：叛军小队III：反抗打击》，现在可以全速运行。在社区合作和专业的CPU模拟工作下，长期存在的《马里奥冲击力足球》中的物理错误也终于得到解决。
其他主要更新包括**将整个游戏加载到RAM**的功能，以实现从网络存储（NAS）设备更流畅的游戏体验，以及一个**用于调整SDL提示的GUI**，以解决手柄兼容性问题。此外还实施了许多较小的性能补丁和修复，从而提高了整体稳定性和准确性。
本次发布展示了海豚模拟器持续致力于提高模拟准确性、性能，并扩展其兼容性以涵盖新的游戏平台的决心。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
海豚模拟器 2603 版本发布 (dolphin-emu.org)
9 分，来自 BitPirate 2 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
银河动物园
Galaxy Zoo
3 小时前
研究人员的消息：
超过15年来，Galaxy Zoo志愿者帮助天文学家理解宇宙中星系的精美复杂性。我们感谢你们的每一次分类。
关于Galaxy Zoo：
观察遥远星系的望远镜图像。探索天空。你将发现什么？为了理解星系的形成，我们需要你们的帮助，根据它们的形状对星系进行分类。如果你足够快，你甚至可能是第一个看到你被要求分类的星系的人。在实践中学习！你们的分类将得到其他人的支持，这意味着犯一些错误并不重要。在近二十年的时间里，我们拥有数千名志愿者，对众多望远镜观测到的星系进行了分类，从斯隆数字天空巡天项目拍摄的星系图像开始，到由NASA、ESA和其他组织运行的太空和地面望远镜和设施拍摄的图像。加入我们，探索最新的星系图像。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Galaxy Zoo (zooniverse.org)
5 分，由 mooreds 发表于 2 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## LLM 与可靠软件：Quint 新工作流程
Informal Systems 致力于通过强大的验证来解决信任 AI 生成代码的难题。虽然 LLM 彻底改变了代码创建，但它们*看似*正确却*并非*正确的倾向，需要一种新的方法。他们的解决方案围绕 Quint 可执行规范语言展开，作为人类意图与代码之间至关重要的验证点。
Informal Systems 不依赖 AI 进行设计，而是将其用作翻译器，根据专家定义的协议修改 Quint 规范。此工作流程涉及四个关键步骤：AI 辅助的规范修改、彻底的人工主导的规范验证（使用 Quint 的模拟器和模型检查器）、AI 驱动的代码生成*自*验证后的规范，以及最终的模型化测试，以确保代码与规范一致。
该流程已在复杂的 Malachite 共识引擎（被 Circle 收购）上成功测试，将传统上需要数月的重构时间缩短至约两周。一个关键优势是经过验证的规范充当“调试指南针”，可以快速消除不正确的假设。最终，Quint 实现了从编写代码到验证 AI 输出的转变，优先*定义正确性*，通过可执行规范来实现——这种方法能够建立信心，并确保 LLM 时代的可靠性。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
LLM 时代可靠软件 (quint-lang.org)
7 分，由 mempirate 发表于 2 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## 巨量数据泄露，10亿条记录曝光 一起大规模数据泄露可能影响26个国家的个人，其中美国超过2.03亿人，暴露了一份与IDMerit公司相关联的数据库。IDMerit是一家专门为企业提供身份验证服务的公司。该未加密数据库于2025年11月被发现，包含敏感个人信息，如姓名、地址、出生日期、国民身份证号码和电话号码——这些正是用于确认身份的详细信息。 IDMerit声称其自身系统并未受到损害，并怀疑是报告此问题的“道德黑客”试图勒索。但泄露的数据构成重大风险。犯罪分子可以利用这些信息进行SIM卡交换攻击、高度定向的网络钓鱼诈骗和身份盗窃。 专家建议立即采取行动：在主要信用机构冻结信用记录，切换到身份验证器应用程序进行双因素身份验证，使用密码管理器，并考虑使用身份盗窃监控服务。加强移动账户安全并使用强大的杀毒软件也至关重要。此事件凸显了身份验证生态系统的脆弱性，并引发了关于处理敏感数据的公司责任的问题。更多资源和保护技巧请访问Cyberguy.com。
数据泄露暴露了大约10亿份身份记录，这些记录来自身份验证流程。CyberNews几乎一个月前首次报道了此次泄露，但更广泛的确认仍然有限。关于“记录”的具体构成以及受影响的唯一个人数量，细节仍然匮乏。
Hacker News上的讨论强调了对初步报道的怀疑，并质疑GDPR等数据隐私法规的有效性，一位评论员指出，这些法规主要导致无处不在的Cookie提示。另一位评论员认为，加强执法和对疏忽数据处理的惩罚措施是此类法规的积极结果，并引用了EnforcementTracker作为资源。此次泄露引发了对“了解你的客户”(KYC)流程及其潜在安全漏洞的担忧。