大型语言模型幕后解析：从原始互联网文本到对话助手——基于Andrej Karpathy的技术深度剖析。 训练数据：15万亿 Tokens 参数：4050亿 文本数据：44 TB Token词汇量：10万
每日HackerNews RSS
Hacker News新 | 过去 | 评论 | 提问 | 展示 | 工作 | 提交登录展示 HN：LLM 的工作原理 – 基于 Karpathy 讲座的交互式视觉指南 (ynarwal.github.io)11 分，由 ynarwal__ 1 小时前发布 | 隐藏 | 过去 | 收藏 | 1 条评论所有内容均基于 Andrej Karpathy 的“大型语言模型入门”讲座 (youtube.com/watch?v=7xTGNNLPyMI)。我下载了讲稿并使用 Claude Code 从中生成了整个交互式网站——单个 HTML 文件。我发现不时重温这些内容很有用。帮助
learningToFly33 1 小时前 [–]
我看了看，解释得很好！如果你想扩展它，你也可以添加如何在最后一步为特定任务提供嵌入式数据，以及它如何影响预测结果。回复
考虑申请 YC 的 2026 年夏季批次！申请截止至 5 月 4 日
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系方式
搜索：
为什么不选择金星？
Why Not Venus?
1 小时前
## 月球之外：为何金星是下一个重大飞跃 火星探测任务仍需数十年才能实现，这并非因为距离，而是由于月球和火星任务之间的复杂性差距巨大——特别是多年旅行时间和有限的放弃选项。 金星的轨道任务可能是太空探索中至关重要的“缺失环节”。 尽管金星以其恶劣的环境而闻名，但它却提供了一条令人惊讶的便捷途径。 尽管其表面地狱般，但高层云层拥有与地球相似的压力和温度（减去硫酸！），从而能够利用相对简单的技术（如气球和飞艇）进行潜在的大气探索。 与火星相比，金星任务具有更快的运输时间、更频繁的发射窗口和更低的辐射暴露。 有趣的是，在金星大气层中检测到的异常现象——例如未解释的气体（膦）和吸收紫外线的“未知吸收体”——暗示着其云层中可能存在生命。 探索金星不仅仅是为了潜在的发现； 更是为了获得地球行星演化的关键见解，从而增进我们对系外行星甚至地球气候的理解。 通过最小的投资，我们就可以从金星的天空中收集到值得诺贝尔奖的数据，而不是等待克服火星着陆的巨大挑战。
黑客新闻 新 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
为什么不选择金星？ (mceglowski.substack.com)
10 分，作者 zdw 3 小时前 | 隐藏 | 过去 | 收藏 | 1 条评论 帮助
Kaibeezy 4 分钟前 [–]
金星殖民，Geoffrey A. Landis，NASA Glenn 研究中心，2003
https://ntrs.nasa.gov/api/citations/20030022668/downloads/20... 回复
考虑申请 YC 2026 年夏季项目！申请截止至 5 月 4 日
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
## Gova：Go 的原生 GUI 框架
Gova 是一个声明式 GUI 框架，使开发者能够使用单一的 Go 代码库构建适用于 macOS、Windows 和 Linux 的原生桌面应用程序。它优先考虑简洁性，提供类型化组件、响应式状态管理和真正的平台对话框——所有这些都打包成一个静态二进制文件，*无需* JavaScript、浏览器或复杂的 C++ 工具链。
主要特性包括清晰、明确的响应式作用域、原生集成（例如通过 cgo 实现 macOS 警报，其他平台使用 Fyne 作为后备方案）以及具有热重载功能的快速开发周期。组件定义为 Go 结构体，从而促进编写简洁且可预测的代码。
目前版本低于 1.0，API 可能会发生变化，因此建议为生产环境使用固定标签。Gova 构建于 Fyne 之上，但对其进行了抽象，提供了一个稳定的公共 API。它需要 Go 1.26+ 和 C 工具链进行编译。
更多信息和示例请访问 [gova.dev](https://gova.dev)。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Show HN: Gova – Go 的声明式 GUI 框架 (github.com/nv404)
6 分，aliezsid 发表于 1 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
考虑申请 YC 2026 夏季项目！申请截止日期为 5 月 4 日。
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系方式
搜索：
## 软件开发中一致性的必要性 十多年来，作者观察到编程概念的优雅与构建和维护复杂系统的现实之间存在令人沮丧的差距。现代软件基础设施显得脆弱、难以改变且容易出错，导致人们专注于测试和部署，而*牺牲*了创新。这源于一个根本问题：碎片化。 当前系统由不同的组件（数据库、服务等）构建而成，每个组件都有其自身的内部逻辑，但被迫使用低级别的“网络和操作系统”模型进行交互。这牺牲了领域特定清晰度，并创建了复杂的依赖网络，阻碍了优化并增加了出错的风险。 作者认为，解决方案在于一个**一致的系统**，该系统建立在单一、通用且与领域对齐的模型之上——允许工具在整个应用程序中无缝运行。虽然存在许多专门的模型，但统一的互联网软件模型仍然难以捉摸。 他们创立了Cambra来追求这个目标，相信编程语言理论和数据库系统的进步现在使其成为可能。尽管人工智能正在兴起，但对强大底层模型的需求仍然至关重要；人工智能在一致的系统*内部*表现出色，但无法消除碎片化架构的根本挑战。最终，更好的模型将使开发人员和人工智能能够构建更强大、更可扩展和更具创新性的软件。
一篇最近的Hacker News帖子讨论了软件组合和系统集成的挑战。核心问题是数据在不同系统之间移动时语义信息的丢失。每个系统内部都对数据有丰富的理解，但在边界处这种理解会退化为基本的字符串和模式，迫使开发者重复构建验证、映射和丰富逻辑。
评论者对此感同身受，特别是那些从事系统集成工作的人。提到的解决方案包括“宏伟的单体”方法（构建更大、自包含的系统）以及Darklang和Rama等工具，它们旨在保留数据语义。讨论表明，追求通用数据模型与承认更简单、更可控架构的实际好处之间存在 tension。最终，问题在于管理系统*之间*的复杂性，而不是系统*内部*的复杂性。
Nev 是一款用 Nim 开发的新型快速文本编辑器，设计用于终端和 GUI 环境。它借鉴了 Neovim、Helix 和 Zed 等流行编辑器的灵感，并集成了开发者工具，包括 Git 支持、Treesitter 高亮、LSP 和 DAP 调试。它还支持 WASM 插件以扩展功能。
目前 Nev 仍是一个个人项目，仍在积极开发中，并存在一些限制：它仅支持不带回车符的 UTF-8 编码，并且语言服务器/调试器需要手动安装。虽然前景可期，但用户应预计缺少功能和潜在的不稳定性。
感兴趣的用户可以下载预构建版本或从源代码编译。提供备忘单和入门指南等资源，并欢迎贡献——详情请参阅 `CONTRIBUTING.md` 文件。Discord 服务器提供支持和讨论的空间。该项目采用 MIT 许可证开源。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Nev – 键盘驱动的 GUI 和终端文本编辑器 (github.com/nimaoth)
11 分，由 archargelod 发布 4 小时前 | 隐藏 | 过去 | 收藏 | 1 条评论 帮助
SeriousM 16 分钟前 [–]
哇，好的，看起来像控制台中的 vscode，不是吗？回复
考虑申请 YC 2026 夏季批次！申请截止至 5 月 4 日
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系方式
搜索：
熟悉是敌人：企业系统为何失败了60年
Familiarity is the enemy: On why Enterprise systems have failed for 60 years
3 小时前
## 企业知识系统六十年的失败 六十年来，企业知识管理系统始终未能兑现其承诺——有效捕获和利用组织知识，据估计造成了高达二千五百亿美元的投资浪费。 核心问题并非技术限制，而是购买决策中持续优先考虑*熟悉度*而非*正确性*。 买家出于规避风险，倾向于选择他们了解的成熟供应商和技术，即使这些技术明显劣等，也将它们视为“保险单”。 这延续了一个创新受阻的循环，并用不充分的解决方案反复解决现有问题。 最近试图“在维基百科中添加人工智能”是这种失败的最新表现。 作者认为，需要进行根本性的转变：超越手工编码知识（昂贵且不可持续）或依赖非结构化数据（不智能）。 他们的解决方案侧重于利用 Clojure、Datomic 和确定性人工智能的图原生架构，旨在从内容中*推断*结构，从而创建一个可持续审计且具有主权的知识库。 这种方法通过优先考虑技术正确性，并为市场上占据主导地位的熟悉但有缺陷的系统提供可行的替代方案，挑战了现状。 作者的呼吁是恳求买家优先考虑真正的智能而非感知到的安全性，并认识到熟悉度的成本远远超过创新的风险。
一个黑客新闻的讨论强调了企业系统持续失败的关键原因：**在采购决策中，熟悉度胜过创新。** 链接文章 (felixbarbalet.com) 认为，企业优先选择成熟、知名的供应商——将其视为安全的“保险单”，而不是更小、可能更优秀、更具创新性的公司。
评论者认同这一核心观点，指出买家经常选择知名品牌，*即使*他们知道这些公司提供的产品较差。 一位评论者巧妙地将其比作向纵火犯购买火灾保险——承认需要保险，因为大型供应商已经在制造问题。
本质上，风险规避导致企业坚持使用他们所知的，阻碍了进步，并延续了令人失望的技术选择的循环。 在与企业客户沟通时，记住这一点很有价值。
本次发布在桌面、服务器和云环境中显著提升了安全性、性能和易用性。Ubuntu 26.04 LTS 引入了基于 TPM 的全盘加密、扩展的内存安全组件使用、改进的应用程序权限控制以及对 Arm 系统的 Livepatch 支持，有助于减少停机时间并增强系统弹性。[...] 今天还发布了最新的 Edubuntu、Kubuntu、Lubuntu、Ubuntu Budgie、Ubuntu Cinnamon、Ubuntu Kylin、Ubuntu Studio、Ubuntu Unity 和 Xubuntu。有关这些版本的更多详细信息，请阅读官方风味版部分下的各自发布说明：https://documentation.ubuntu.com/release-notes/26.04/#official-flavors Ubuntu Desktop、Ubuntu Server、Ubuntu Cloud、Ubuntu WSL 和 Ubuntu Core 将提供 5 年的维护更新。所有其他风味版本将获得 3 年的支持。
## Ubuntu 26.04 LTS 发布与 Linux 新闻
Ubuntu 26.04 LTS 已发布，在 Hacker News 上引发讨论。用户指出，与旧版本相比，该版本在开箱即用的硬件和驱动程序支持方面有所改进，使其继续成为生产和教育领域的强大选择。
一个关键特性是基于 TPM 的全盘加密，可能对服务器安全有益，但初步测试在某些 ThinkPad 型号上遇到了实施问题。
此次发布也引发了关于替代方案的讨论，针对不喜欢 Ubuntu 越来越多地使用 Snap 的用户，建议使用 Debian 和 Pop!_OS。值得注意的是，这是多年来首次没有官方的 Ubuntu MATE 版本发布，反映了用户偏好可能出现分歧。
最后，讨论简要提及了将于 4 月 28 日发布的 Fedora 44，但由于最近的 AI 模型发布而受到掩盖。
## 咖啡、肠道微生物群与行为：研究摘要 这项研究调查了咖啡消费对62名爱尔兰健康成年人（30-50岁）的肠道微生物群、大脑功能和行为的影响。参与者分为不喝咖啡者（NCD）和适度喝咖啡者（CD），CD组经历了两周的咖啡戒断期，随后进行了为期三周的干预，期间饮用含咖啡因或脱咖啡因咖啡（双盲）。 研究人员收集了参与者的基本信息、精神/胃肠道健康状况、认知表现、压力反应（通过社会评估冷压试验）以及生物样本（粪便、血液、尿液、唾液）在多个时间点的数据。分析包括微生物群测序、代谢组学、炎症标志物评估和皮质醇水平测量。 该研究旨在比较NCD和CD组的基线水平，并评估CD组在咖啡因戒断和重新摄入后的变化。研究人员还对参与者进行了与咖啡因敏感性相关的SNP基因分型。使用了统计分析，包括混合模型和线性模型，以识别显著差异，并控制潜在的混淆因素。研究结果旨在阐明咖啡、肠脑轴和人类健康之间的复杂关系。数据已存入公共数据库以供进一步研究。
黑客新闻 新的 | 过去的 | 评论 | 提问 | 展示 | 工作 | 提交 登录
习惯性咖啡摄入影响微生物组，改变生理机能和认知 (nature.com)
25点 由 scubakid 56分钟前 | 隐藏 | 过去的 | 收藏 | 讨论 帮助
考虑申请YC 2026年夏季项目！申请截止至5月4日
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
## Mythos 与 Firefox 150：现实评估 Anthropic 的 Mythos AI 漏洞发现工具最初引发了兴奋，声称能够以低于 20,000 美元的成本识别问题。然而，更仔细的观察显示出更为细致的图景。Mythos 在 Firefox 150 中发现的 271 个漏洞，并非可利用漏洞的简单计数；该数字代表了一个大规模搜索过程，涉及数千次运行和大量发现，包括跨多个版本的聚合“内存安全漏洞”。 对 Firefox 提交历史的分析表明，这些发现的严重程度各不相同——从关键安全修复到预防性维护和代码清理。虽然 Mythos 确实*发现*了漏洞，但确定有多少漏洞代表真正可利用的漏洞是困难的。许多修复早于 Mythos 的公告，并且该公告并未提供漏洞与 271 个数字之间的一一对应关系。 该工具似乎擅长大规模地发现可疑代码模式，可能加速防御性安全工作。然而，尚不清楚 Mythos 在发现*高价值*漏洞方面是否优于其他 LLM 或人类研究人员。目前，Mythos 似乎更像是一种加固工具，而不是革命性的进攻能力，其在更健壮代码库上的有效性还有待观察。最终，数据表明这是一种对防御者有用的工具，但尚未证明其在人工智能驱动的漏洞研究方面取得了重大突破。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Mythos 在 Firefox 上的快速体验：炒作过度？ (xark.es)
6 分，由 leonidasv 发表于 1 小时前 | 隐藏 | 过去 | 收藏 | 讨论 帮助
考虑申请 YC 2026 夏季项目！申请截止至 5 月 4 日
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系方式
搜索：
## DeepSeek-V4：新一代开源语言模型 DeepSeek-AI 发布 DeepSeek-V4 系列，包含两个混合专家 (MoE) 语言模型：**DeepSeek-V4-Pro (1.6T 参数，激活 49B)** 和 **DeepSeek-V4-Flash (284B 参数，激活 13B)**，均支持 **一百万 token 的上下文长度**。 主要创新包括 **混合注意力架构**（结合压缩稀疏和高度压缩注意力以提高效率 – 与 V3.2 相比，FLOPs 减少 73%，KV 缓存减少 90%）、**流形约束超连接**以提高稳定性，以及 **Muon 优化器** 以加快训练速度。 两个模型均在 32T token 上进行了预训练，并通过一个两阶段的后训练过程进行优化，重点在于特定领域的专业知识和统一模型整合。**DeepSeek-V4-Pro-Max** 目前领先于开源性能，在编码、推理和代理任务方面与闭源模型相媲美。**DeepSeek-V4-Flash-Max** 提供可比的推理能力，但规模更小。这些模型利用 FP4/FP8 精度以提高效率，并采用 MIT 许可证。提供了资源，包括编码脚本和本地部署说明。
## DeepSeek-V4：人工智能领域的新竞争者
DeepSeek发布了V4，一种新的大型语言模型，拥有百万token上下文智能。该模型有“Pro”和“Flash”两个版本，“Flash”版本价格显著更低，为0.28美元/100万token – 与GLM 5.1和Kimi K2.6等模型具有竞争力。
用户估计大量使用成本在30-70美元之间，并使用缓存，提供与GPT-5.5相当的使用体验。一些人已经考虑将DeepSeek作为Claude的Sonnet模型的潜在替代品，认为它在现有设置下表现相似。
讨论表明，“R”系列（专注于推理）已被整合到V4中，这反映了OpenAI的做法，即将推理能力直接构建到所有模型中。总而言之，DeepSeek-V4似乎是快速发展的人工智能领域中一个强大的新选择。