发现您本地的 AI 潜力 已检测硬件 🖥️ 检测中... 设备类型 🎮 检测中... GPU 等级 您的 AI 托管能力计算中... 正在分析您的硬件配置，以确定您本地能够流畅运行的最强模型... 入门级 (1B) 中端级 (7B) 大模型 (70B) 顶尖级 (1T+) 距离顶尖级 SOTA 还有 —% 模型等级对比 模型等级 | 示例模型 | 参数量 | 所需内存 | 您的状态 注意：以上预估基于消费级硬件的量化模型（4-bit）。您的实际性能取决于量化质量、模型架构及优化工具（如 llama.cpp, vLLM 等）。GPT-4o、Claude 3.5 和 Gemini Ultra 等顶尖（SOTA）模型预估参数量在 1T 以上。 🔄 重新检测硬件 预估基于公开的模型架构及典型消费级硬件能力。SOTA 对比参考了 2024-2025 年的 GPT-4 级模型（约 1-1.7T 参数）。

构建机器人数据平台需要处理复杂的多模态数据集——包括同步的摄像头画面、关节状态和传感器数据流——这些数据在训练过程中必须保持绝对同步。Pareto 团队最初认为这是一个小众问题，但他们发现其核心基础设施需求与全球视频平台非常相似：即可靠的上传、后台处理、元数据索引和高效的流式传输。 通过将机器人数据集视为一种特殊的视频内容，该团队应用了经典的系统设计模式，例如存算分离、使用持久化工作流处理长时间运行的任务，以及将元数据与原始媒体分离。Pareto 利用 Temporal 等工具进行稳健的作业管理，并使用 LanceDB 进行多模态向量搜索，使用户无需下载海量文件即可预览同步数据并筛选用于机器人学习的片段。 至关重要的是，Pareto 优先考虑架构的结构完整性，而非过早地追求扩展。它采用模块化和可自托管的设计，允许用户从简单的命令行界面（CLI）设置起步，并根据需要扩展至分布式处理。通过专注于持久性和高效的数据检索而非单纯的数据量，Pareto 为现代机器人学习基础设施的独特挑战提供了一种实用的开源解决方案。

本报告探讨了收入与幸福感之间的关系，发现体验到的幸福感随着收入的对数呈线性增长。从年收入 1 万美元到超过 50 万美元，这种关联性表现得非常系统，这反驳了幸福感在达到一定收入水平后会趋于平稳的观点。 该研究强调了我们在思考金钱问题时的一个关键区别： 1. **线性与指数性：** 虽然一美元的“边际效用”呈指数级递减（即随着人们变得富有，每一美元的价值会降低），但现实世界的收入分布呈指数级。这两个因素相互抵消，意味着在收入阶梯上向上攀升通常会带来持续且不递减的幸福感提升。 2. **个人与集体决策：** 对于个人而言，这种关系实际上是线性的；然而，在集体背景下（如慈善、税收政策或企业薪酬），金钱价值的指数级下降意味着将资源转移给低收入群体，能为集体福祉带来指数级更高的回报。 最终，报告得出结论：当背景需要指数级思维时却采用线性逻辑（反之亦然）会导致错误的结论。理解这种“幸福的几何学”对于个人和社会经济的有效决策至关重要。

Poolside 发布了 **Laguna S 2.1**，这是一款拥有 1180 亿参数（80 亿激活参数）的混合专家模型（MoE），专为长周期智能体编程任务而设计。该模型支持 100 万 token 的上下文窗口，研发耗时不到九周，在 Terminal-Bench 2.1 和 DeepSWE 等基准测试中表现出色，性能优于许多规模更大的模型。 Laguna S 2.1 性能的核心在于其“思维”能力，这使模型能够利用推理时计算（test-time compute）来验证工作、回溯步骤，并在复杂的工程挑战中保持韧性。在案例研究中，该模型成功从零构建了一个浏览器引擎，优化了智能体架构的性能，并独立推导出了一个关于埃尔德什（Erdős）数学问题的无穷解族。 该模型标志着研究重点从单纯的参数规模扩张转向行为能力的改进，例如增强验证和持续性。Poolside 以 OpenMDW-1.1 许可协议发布了模型权重，并提供了完整的评估轨迹以确保透明度。目前，该模型可通过 API、本地部署（Ollama、vLLM 等）以及网页端 chat.poolside.ai 使用。Poolside 正在将这些开发技术应用于一款目前处于预训练阶段的、更大规模的新模型中。

TRMNL 的全新 AI 智能体允许你通过简单的自然语言描述来构建插件。该功能目前处于公开测试阶段，其原理是为大语言模型（LLM）提供关于 TRMNL 框架的背景信息，并使其能够调用各种内部工具，包括标记语言编辑、设置管理以及网络搜索。 **入门指南：** 要使用该智能体，请在 TRMNL 设置中将其启用，输入 API 密钥（OpenRouter 或 Anthropic），并可根据需要添加 Tavily 密钥以获取网络访问权限。之后，你便可通过界面提示智能体来构建、修改或解释你的插件。高级用户可以使用 MCP API 密钥进行本地开发。 **关键细节：** * **成本：** 构建一个插件通常需要 1 到 3 美元的 API 额度。 * **兼容性：** 该系统通过 OpenRouter 支持多种模型，包括 Gemini、Claude 和 Llama。 * **局限性：** 尽管功能强大，但该智能体尚不完善，且目前用户无法发布由智能体生成的插件。 如果你遇到错误，TRMNL 团队鼓励通过电子邮件或实时聊天直接反馈。

**Slater** 是一款读写图数据库，专为处理超大规模、驻留于磁盘的图数据而设计，仅需几百兆内存即可处理包含数亿节点和数十亿条边的图数据。 ### 核心特性： * **内存解耦**：常驻内存受固定缓存预算限制，与图规模无关。无论图数据是 400 GB 还是 4 GB，均可在相同内存下运行，从而实现低成本、无状态的只读副本。 * **Bolt 兼容性**：支持 Bolt 协议，现有的 Neo4j 驱动程序和工具无需修改即可直接使用。 * **混合查询**：支持 Cypher、ISO GQL 子集，以及用于 RAG 流水线的内置磁盘原生向量搜索（Vamana+PQ）。 * **持久化写入**：提供可选的基于 LSM 的可写层，支持实时的、持久化的 `MERGE`、`SET` 和 `DELETE` 操作，且不会影响读取性能，也无需频繁进行全图重建。 * **架构效率**：采用双二进制架构：`slater-build`（用于生成不可变、带校验和文件的离线编译器）和 `slater`（实时服务器）。这支持原子更新，并可在网络存储（如 S3/GCS）上安全运行。 * **性能卓越**：提供亚毫秒级的元数据和索引查询能力，同时避免了传统内存图引擎带来的高内存开销。

在题为《单趟半流式匹配 II：贪心算法是最优的》（Semi-Streaming Matching in a Single Pass II: Greedy is Optimal）的论文中，Sepehr Assadi 及其同事解决了一个困扰图流式计算领域二十年的悬而未决的问题。作者证明，对于最大匹配问题，没有任何单趟半流式算法（无论是确定性算法还是随机算法）能够实现优于 1/2 的近似比。 这一结果确立了朴素贪心算法在该模型下在理论上是最优的。该证明采用了“蓝图框架”（blueprint framework），即通过构建特定的组合对象来推导紧致的下界。除了图流式计算外，这一发现还证实了 1/2 是具有抢占机制的在线匹配问题的最优竞争比，进一步验证了贪心方法在该场景下的性能。

Anthropic 的 Claude 得名于贝尔实验室先驱克劳德·香农（Claude Shannon）。作者在赞叹香农才华的同时，回顾了贝尔实验室的“魔力”所在——特别是那里的食堂，来自不同领域的科学家们在此碰撞，分享随机而富有灵感的想法。 作者表达了一种担忧：随着人工智能的能力日益增强，我们可能正面临自我封闭的风险，即在各自的“私密泡沫”中进行思想的单向输出，而非参与集体的人类对话。尽管人工智能在执行任务方面进步神速，但人类的创造力依然是创新的终极源泉。 作者对人工智能未来的愿景并非取代人类的贡献，而是利用这项技术来分担执行性工作。通过自动化处理琐碎事务，我们可以腾出时间来促进真正的人际交流，从而在现代社会有效地重现当年贝尔实验室食堂里那种充满偶然与跨学科碰撞的氛围。

苹果公司已发布其私有云计算（PCC）配置系统的 SOC 3 报告，提供了独立的鉴证，证明其内部控制符合美国注册会计师协会（AICPA）的信任服务标准。该报告由外部审计师执行，旨在评估与 PCC 计算节点内信息配置、验证和保护相关的安全、处理完整性及机密性控制的有效性。 主要内容包括： * **范围：** 该报告仅侧重于 PCC 配置系统的基础设施和管理流程。 * **除外条款：** 不涵盖 Apple Intelligence 服务的性能或完整性，审计师不对 AI 输出提供任何保证。 * **频率：** 苹果公司以滚动 12 个月为周期，每季度发布一次报告，以确保持续的透明度。 此份 SOC 3 报告作为正式验证，表明苹果公司的系统设计与运行符合既定的系统安全和数据完整性行业标准。如需了解更多详情或咨询相关认证事宜，利益相关方可直接联系苹果公司的安全认证团队。

“太空项目”（The Space Project）是一个基于 Rust 和 Bevy 构建的开源、智能体驱动型经济模拟器。与传统游戏不同，它没有脚本剧情或玩家目标；它更像是一个“上帝模式”的沙盒，让一个完全自主的经济系统自行运转。 该模拟包含约 500 个智能体，包括飞船、设施和派系，它们均使用目标导向动作规划（GOAP）来运行。飞船自行管理燃料、货物和贸易路线，而设施则负责处理生产、损耗以及由实时供需驱动的市场定价。从市场合约、人口迁移到船员士气，每一个方面都是经过模拟的，而非虚构。 在技术层面，该项目利用了 Rust 编写的高性能同步核心“sim_core”，并直接嵌入到基于 Bevy 的 3D 客户端中，以实现零延迟渲染。数据通过 SQLite 持久化存储，使得宇宙能够从中断处精确恢复。 该项目以 MIT 许可证发布，旨在为开发者提供基础。创作者鼓励用户分叉（fork）代码仓库，并在其“扎实的架构基础”上进行构建。对于希望将此模拟扩展为完整游戏或专用引擎的开发者，项目提供了详细的文档和结构化的架构。

请启用 JavaScript 和 Cookie 以继续。

在对其创意软件采取了十五年的被动营销策略后，苹果公司正在调整战略，在波兰聘请了一位国际业务经理，负责管理“苹果创作者工作室”（Apple Creator Studio）。 这一新职位的设立，标志着苹果偏离了其长期以来对应用程序进行最低限度直接推广的政策。该经理将带领团队专注于订阅用户的获取、互动和留存。其主要职责包括设计多年增长战略、为流失用户制定召回活动，并开发创新的激励模式以支持更广泛的创作者生态系统。 通过优先考虑区域性营销活动和结构化的商业模式，苹果似乎正在摒弃其“只要做出来，用户自然会来”的理念，这预示着该公司正在回归 21 世纪初那种积极且激进的营销策略。这些举措将陆续在全球范围内的欧洲、中东、印度和非洲地区（EMEIA）、美洲以及亚太地区（APAC）展开，表明苹果对其专业创意软件部门进行了重大且全新的投资。

对于寻求 AWS 或 GCP 等超大规模云服务商高性价比替代方案的团队，**Kube-Hetzner** 提供了一个开源的 Terraform 项目，可在 Hetzner Cloud 上部署生产就绪的 K3s 集群。 该项目通过将预配置计算资源、私有网络和负载均衡器的最佳实践代码化，简化了基础设施管理。主要功能包括： * **高效性：** 使用轻量级且符合标准的 Kubernetes 发行版 K3s，以及以容器为中心、不可变的 openSUSE MicroOS，通过原子化事务更新确保系统稳定性。 * **自动化：** 内置对 Rancher 系统升级控制器（System Upgrade Controller）和 Kured 的支持，可自动处理滚动更新和重启，最大限度减少人工干预。 * **可靠性：** 集成了原生的 Hetzner 工具（CSI 驱动程序和 Cloud Controller Manager），实现存储与负载均衡的无缝编排。 * **成本与主权：** 利用 Hetzner 位于德国的数据中心，用户可享受高性能硬件、可预测的定价以及强大的数据主权，且成本通常仅为托管 Kubernetes 服务的一小部分。 该入门项目支持高可用、多可用区配置，部署后即可立即运行生产负载。您可以访问 [github.com/qstarsit/hcloud-kube-hetzner](https://github.com/qstarsit/hcloud-kube-hetzner) 获取该项目。

请提供您需要翻译的内容。

本网站正在使用安全服务来抵御网络攻击。您刚才的操作触发了安全防御机制。触发此拦截的原因可能有多种，包括提交了特定的词汇或短语、SQL 命令或格式错误的数据。

SpaceX 的股价近期面临巨大的下行压力，跌破了 135 美元的 IPO 发行价，较 220 美元的历史高点几乎腰斩。这种波动源于“星舰”（Starship）第 13 次飞行测试因发动机点火失败而在最后一刻被迫中止。尽管在重新安排发射日期前股价曾短暂反弹，但该公司的财务表现仍受到审视，这一点从债券价值下跌以及相较于其他纳斯达克同类公司疲软的 IPO 后交易表现中可见一斑。 周四即将进行的“星舰”飞行任务对公司而言是一个关键的催化剂。任务成功被视为重振投资者信心并为股价建立支撑位的必要条件，而一旦再次失败，可能会加剧当前的抛售潮。尽管近期市场不稳定且信贷市场发出了谨慎信号，但华尔街整体仍持乐观态度，目前仅有一位分析师给出了“卖出”评级。投资者正密切关注第 13 次飞行的结果，将其视为检验该公司作为上市公司未来前景的试金石。

Coinbase 副董事长 Ryan VanGrack 近期在 CNBC 上大力支持《清晰法案》（Clarity Act）。他认为，这项两党法案对于建立美国加密行业的联邦监管框架至关重要。VanGrack 表示，该法案绝非“赠礼”，而是实施监管、加强消费者保护以及解决非法金融和内幕交易担忧的必要举措。 尽管该法案在参议院面临获取 60 票支持的挑战，但它已获得两党关注，并得到了唐纳德·特朗普等人的支持，特朗普将其视为全球经济竞争力的问题。VanGrack 强调，该法案能为投资者、创新者和监管机构带来“三赢”。 在回应摩根大通的 Jamie Dimon 等质疑者时，VanGrack 指出，传统金融行业正日益整合加密技术，并预测现代数字资产与传统机构之间将出现“不可避免的融合”。最后，VanGrack 敦促立法者推进该法案，并认为无论个人对加密货币持何种立场，联邦框架对于确保透明度、安全性和市场效率都至关重要。

**Observal** 是用于内部 AI 组件的控制平面与记录系统，旨在解决企业级 AI 工具碎片化及缺乏可见性的问题。 虽然企业经常创建各种技能（Skills）、智能体（Agents）和 MCP 服务器，但这些资源往往难以被发现，且缺乏反馈循环。Observal 通过以下方式解决了这些痛点： * **集中式注册中心：** 提供一个受管控的空间，用于发布、版本化及共享可复用的 AI 组件（智能体、提示词和沙盒），并自动同步至 Cursor、Claude Code 和 Copilot 等 IDE 及 CLI 工具中。 * **可操作的洞察：** 监控使用模式和会话追踪，将无声的 AI 故障转化为可衡量的数据。这使团队能够识别哪些智能体和工作流真正提升了生产力。 * **治理与调试：** 管理员可以审查提交内容、检查版本差异并审计会话回放，从而确保质量、安全性和持续优化。 通过整合碎片化的内部 AI 开发生态，Observal 确保了工具的可发现性与合规性，并能基于真实使用数据不断改进。该系统支持私有化部署，兼容主流 AI 编程框架，并具备 SSO 单点登录和审计日志等企业级功能。

Firefox 153 引入了原生的“容器”功能，将广受欢迎的 Multi-Account Containers 扩展程序的功能直接集成到了浏览器中。此更新允许用户通过将工作、购物和银行等不同活动隔离在独立的容器中，从而有效地组织数字生活。 通过隔离 Cookie 和数据，容器功能可以防止跨不同浏览环境的广告追踪，确保搜索历史不会在网络上跟踪用户。作为一项内置功能，容器现在默认可见，不仅简化了工作流程，还让标签页、颜色和图标的管理变得更加容易。 在此次初步预览版中，用户可以通过右键点击标签页或长按“新建标签页”按钮来创建和管理自定义的工作空间。虽然该原生版本仍在不断完善中，但原扩展程序的长期用户仍可将其与内置工具同时使用。Mozilla 正通过其社区渠道积极收集用户反馈，以优化体验并规划未来的更新。此次发布标志着 Firefox 在为用户提供更高水平的在线隐私保护和组织管理能力方面迈出了重要一步。

在 D 语言中，“重载集”（Overload sets）——即共享同一名称的函数或模板集合——是泛型编程的强大工具。通过利用模板特化，开发者可以超越僵化、单一的定义，从而创建“特定接口”（ad-hoc APIs）。 与定义单一主模板不同，特定接口表现为一组特化匹配的集合。这种方法具有以下优势： * **维度无关的代码**：通过对整数值（如向量维度）进行模板特化，您可以编写通用的逻辑，在无需重复代码的情况下操作不同的结构。 * **编译时元编程**：您可以像处理数组一样处理重载集，从而实现编译时查找、代码生成和灵活的分发。 * **可扩展的 API**：通过将函数设计为接受重载集作为别名，您可以允许用户注入他们自己的实现（如自定义序列化逻辑），从而有效地“修复”或扩展 API 的行为。 归根结底，重载集允许您根据成功匹配的逻辑而非固定的定义来进行编程。通过专注于设计良好的模板头文件，开发者可以构建高度灵活的元编程 API，在保持简洁和可维护性的同时，支持多种访问模式。

**uhubctl** 是一款旨在控制智能 USB 集线器各端口电源的实用工具。它允许用户切换单个 USB 端口的电源状态（开启/关闭/循环/反转），这对于设备重启或节能非常有用。 ### 关键注意事项： * **硬件兼容性：** 并非所有 USB 集线器都支持单端口电源切换。只有具备“单端口电源切换”（Per-port power switching）特性（可通过 `lsusb -v` 查看）的集线器才原生兼容。项目文档中维护着一份全面的支持型号列表。 * **系统要求：** 该工具可在 Linux、macOS 和 FreeBSD 上运行。它需要 `libusb-1.0` 和 `pkgconf`。请注意，由于驱动程序限制，USB 电源控制目前**不支持 Windows**。 * **权限：** 在 Linux 上，用户通常需要 `sudo` 权限或自定义 `udev` 规则来授予非 root 用户对 USB 端口的访问权限。 * **局限性：** * 部分集线器可以断开数据连接，但无法物理切断 VBUS（电源）。 * 级联的内部集线器可能存在依赖关系，如果中断，可能会导致不可预知的行为。 * 诸如树莓派（Raspberry Pi）之类的设备，在内部端口的分组和切换方式上存在特定的硬件限制。 有关安装、udev 配置以及兼容硬件的完整列表，请访问[官方仓库](https://github.com/mvp/uhubctl)。

**CodeAlmanac** 是一个本地的、由 AI 维护的 Wiki 系统，它能为您提供代码库中无法体现的核心背景信息，例如系统架构、历史修复记录和工作流程等。 主要功能包括： * **原生于仓库：** Wiki 由标准的 Markdown 文件组成，直接存储在您代码库的 `almanac/` 目录下，确保文档与代码同步进行版本控制。 * **AI 驱动维护：** 通过本地编码代理（Codex 或 Claude），CodeAlmanac 可自动从 Git diff、PR 和代理脚本中获取文档。它还能执行“清理”任务，以剔除过时或冗余的信息。 * **完全本地化：** 该系统完全在您的机器上通过 macOS 的 `launchd` 任务运行。任何敏感数据、脚本或代码都不会上传到外部服务器。 * **工具支持：** 提供强大的命令行界面（CLI）用于搜索、查看和管理 Wiki 自动化。您可以在本地网页浏览器中直观查看 Wiki，也可以直接在终端中进行查询。 **入门指南：** 需要 Python 3.12+。请通过 `uv tool install codealmanac@latest` 进行安装，然后运行 `codealmanac setup` 来初始化代理和自动化配置。使用 `ca init` 创建 Wiki，并使用 `ca ingest` 将相关的项目知识录入系统。

杰克·多西（Jack Dorsey）旗下的公司 Block 推出了名为 **Buzz** 的开源、可自托管工作空间，旨在将通信、软件开发和 AI 智能体协作整合在统一的身份系统下。通过利用 Nostr 协议，Buzz 将人类员工与 AI 智能体视为平等主体，并将从代码提交到聊天消息的所有交互记录，存储为经加密签名的事件。 Buzz 旨在通过将聊天、Git 存储库和自动化工作流整合进一个统一且可搜索的基础设施中，来减少对 Slack 和 GitHub 等第三方供应商的依赖。尽管多西将该项目描述为去中心化，但它目前通过单一权威中继（relay）运行，这意味着企业可以通过自托管方式保留对数据和部署的控制权，而非依赖点对点分发。 目前，Buzz 尚处于早期且未完成的状态。虽然它提供了桌面应用程序并具备强大的智能体编排潜力，但它面临着取代成熟专业工具的巨大挑战。Block 将 Buzz 定位为邀请社区贡献的项目，旨在测试工程师是否愿意将其整个开发栈集中在这个全新的统一中继模型中。

2025年2月发布的最新随身摄像机画面显示了27岁中佛罗里达大学学生贾瑞特·维克（Jarrett Vick）被捕的过程。事件起因是维克因代词使用问题与一名校园警察发生争执，并在争吵过程中对着警察反复高喊“她！”。 当警察试图缓和局势时，维克的对抗情绪愈发强烈，他开始辱骂警察并无视降低音量的指令。随着紧张局势升级，警察使用了胡椒喷雾。在维克继续言语辱骂并试图踢踹和攻击增援警察后，第二名警察使用泰瑟枪将其制服。随后，维克被戴上手铐并拘留。 维克随后被控袭击执法人员、拒捕和扰乱治安罪。他对所有指控均表示不认罪。尽管维克称该事件是警察的骚扰行为，但逮捕记录显示其性别为男性。法庭记录显示，针对他的案件目前已结案。

**Imagin RAW** 是一款轻量级、高性能的 macOS 应用程序，旨在作为 Adobe Bridge 的高效替代方案，用于筛选和整理 RAW 格式照片。该应用基于原生 SwiftUI/AppKit 技术栈构建，启动速度近乎瞬时，内存占用极低，且无需大型软件的繁重开销即可实现流畅滚动。 主要功能包括： * **工作流效率：** 原生支持 RAW 解码（LibRaw）、实时文件系统监控，并兼容 Lightroom/Bridge 的 XMP 附属文件。 * **图库管理：** 支持多根目录浏览（无需导入）、带有备份功能的 SD 卡导入，以及 RAW+JPEG 重复文件去重。 * **筛选工具：** 提供高级过滤、星级评分、颜色标记，以及针对连拍照片的“预览”模式。 * **便捷功能：** 基于 Spotlight 的搜索支持、可自定义的网格布局，以及“Instagram 边框”导出工具。 与 Adobe Bridge 不同，Imagin RAW 在 Apple Silicon 和 Intel 芯片的 Mac 上都能高效运行，且安装体积小于 10MB。虽然其重点在于整理而非渲染 Adobe Camera Raw 的调整，但对于追求快速、整洁工作流程的专业摄影师来说，它是一款功能强大且专注的工具。目前，配套的 iOS 应用程序正在开发中，将用于辅助移动端备份与采风。

**Decoreba** 是一款高性能、零依赖的命令行工具，专为管理和执行个人命令库而设计，且几乎不占用任何额外资源。它由 Go 语言编写，以轻量级（6.2 MB）的内联浮窗形式运行，直接显示在光标下方，而不会覆盖整个终端屏幕。 **核心功能包括：** * **智能搜索：** 利用模糊匹配（支持容错算法 Damerau-Levenshtein）和基于时效性的排序，即刻呈现相关命令。 * **工作流支持：** 支持多步命令和带内联输入提示（`{{placeholder}}`）的交互式模板。 * **无缝集成：** 提供 Shell 组件支持以实现直接执行，支持基于 Git 的命令库同步（可选 AES 加密），以及自动补全功能。 * **AI 就绪：** 内置模型上下文协议（MCP）服务器，允许 AI 代理搜索、编辑或执行你命令库中的指令。 * **安全可靠：** 零依赖运行，采用原子文件写入以确保数据完整性，并内置黑名单机制，防止意外执行危险命令。 Decoreba 专为追求速度和键盘操作的工作流而设计，为你提供了一种持久且便捷的方式来管理命令库，同时完全不会干扰你的终端环境。

一家联邦上诉法院裁定前总统拜登败诉，驳回了他阻止公开其2016年至2017年与代笔人访谈的录音和文字记录的请求。美国传统基金会通过《信息自由法》诉讼寻求获取这些材料，并指出这些记录对于特别检察官调查拜登处理机密文件一事具有重大的公共利益。 虽然美国司法部最初并未披露这些记录，但后来计划发布删减版本。拜登以隐私担忧为由介入，试图阻止披露。然而，华盛顿特区巡回上诉法院的多数法官裁定，鉴于计划进行的删减，公众对特别检察官调查的知情权高于这些隐私担忧。 法官弗洛伦斯·潘（Florence Pan）持反对意见，认为拜登拥有重大的隐私权益，且没有迫切需要发布这些材料的理由。拜登须在8月3日前决定是否向全体上诉法院或最高法院提出上诉。

布兰登·奥尔蒂斯-维特（Brandon Ortiz-Vite）是一名曾因犯罪活动被驱逐出境的非法移民，他因2024年在密歇根州谋杀鲁比·加西亚（Ruby Garcia），被判处39至100年监禁。在拜登政府执政期间重新进入美国后，奥尔蒂斯的案件引起了全国关注，唐纳德·特朗普的竞选团队曾将其作为开放边境政策后果的例证。 奥尔蒂斯在狱中对特朗普和白宫官员史蒂文·张（Steven Cheung）提起了一项荒唐的诉讼，索赔7500万美元。他声称自己遭受了“精神痛苦”，认为公开使用其入狱照以及他作为“臭名昭著”公众人物的身份，迫使他达成了认罪协议，并损害了他的尊严。他要求获得赔偿、公开道歉以及美国公民身份。 法律专家认为该诉讼毫无根据，并指出公共记录并非私人信息，且竞选言论受到宪法第一修正案的保护。作者认为，这起诉讼体现了非法移民中存在一种深层的特权感，他们利用美国的法律和社会制度。文章指出，此案凸显了当前移民政策所带来的助长效应，暗示罪犯在犯下滔天罪行后，竟还自认为有权寻求法律救济。

“Phantomdrive”是一款开源的硬件加密 USB 驱动器，旨在保护数据免受未经授权的访问和隐私侵犯。该设备基于 CH569 芯片，采用“两阶段”设计：在输入特定明文密码前，它显示为一个标准的 8 GB 驱动器；一旦输入密码，设备会触发内部重挂载，从而开启加密的隐藏卷。 主要特性包括： * **硬件设计：** 该项目完全开源（包括固件、硬件和机械结构）。外壳采用环氧树脂密封，必须物理破坏才能检查内部结构。 * **安全性：** 使用 AES-256 加密。为防止暴力破解和查表攻击，它采用了设备唯一的盐值（salt）以及 10 万轮 SHA-256 密钥派生算法。 * **功能性：** 通过“嗅探”原始写入指令来检测特定的密码字符串，并在检测到后将其从内存中清除，以防止其写入磁盘。目前支持 AES-CTR 以保证速度，同时也提供 AES-XTS 以获得更高的安全性。 尽管该设备面临性能权衡以及可能与“password:”触发字符串冲突等挑战，但它为寻求规避数字监控的用户提供了一个可定制、透明的替代方案。目前产品已开放预订。

劳伦斯伯克利国家实验室的先进光源（ALS）产生海量的高分辨率X射线数据，远远超出了人工分析的能力。随着探测器现在每秒捕捉10万张图像，科学家们面临一个严峻的瓶颈：即“分割”这一耗时过程——即手动识别并标记复杂科学图像中的结构。 为了解决这一问题，美国能源部的 **SYNAPS-I** 计划（作为白宫“创世纪任务”的一部分）正在彻底改变数据分析方式。通过整合 Meta 的开源基础模型 **DINOv3** 和 **SAM 3**，研究团队构建了一个人工智能驱动的流程，实现了图像解读的自动化。DINOv3 提供全局背景以识别结构，而 SAM 3 则绘制精确的像素级边界。 该系统利用科学成像数据进行微调，并由国家超级计算设施中的数百个 A100 GPU 提供算力支持，可在约15分钟内将原始数据转化为带标记的3D模型。从数月的人工劳动到近乎实时的分析，这一飞跃使得研究人员能够在实验进行过程中解读结果，从而显著加快了物理学、化学和材料科学领域的发现步伐。