大语言模型(LLM)的兴起正从根本上改变开发者的编程方式,使得编程语言的选择变得愈发不重要。由于 AI 智能体可以轻松转换代码或处理程序员不熟悉的语言,开发者不再受限于学习语法所带来的“摩擦力”。 这种转变促使更多项目开始采用 Rust 和 Zig 等“难度较高”的高性能语言。得益于大语言模型在优化代码以及处理 eBPF、自定义加密和 DWARF 文件等复杂领域方面的卓越能力,那些曾经被认为过于困难或难以入门的技术,如今已在广大开发者的触及范围内。 在行业追求“轻量、快速、高效”软件的氛围推动下,开发者正利用人工智能绕过传统的准入门槛。虽然这种复杂编程的平民化可能会导致“劣质内容”增加,但它同时也让新一代开发者能够构建起以往无法涉足的高性能系统。
AI 模型缺乏对“完成”的内在感知。与人类不同,人类依赖外部信号——如截止日期、同行评审或边际收益递减——而模型会无限期地进行迭代。因此,高效的 AI 开发已从简单的提示词工程转向**“循环工程”(loop engineering)**,即让系统自行验证进度。
然而,循环的有效性取决于其验证机制。如果验证信号存在缺陷(例如,测试通过但未满足实际用户意图),循环就会收敛于错误的目标。成功的循环需要四个要素:明确的目标状态、可观察的当前状态、用于局部编辑的精确工具,以及稳健的停止规则。
目前,循环工程仍是一个反复试验的过程,因为高效的循环往往是针对特定环境定制的。此外,由于循环存在边际收益递减现象,它们很容易在不可能完成的任务上消耗过多的 token。由于 AI 无法自主决定何时停止,开发者必须构建基础设施来明确衡量进度并管理成本。归根结底,最成功的系统将不再是那些能够无限迭代的系统,而是那些构建者已经精准定义了何为“完成”及其应有成本的系统。
Radiant 已与 Standard Nuclear 达成合作,由后者在 2030 年代初期前为其 Kaleidos 微型反应堆生产 TRISO 燃料,从而确保了关键的长期燃料供应。这项协议化解了一项重大的供应链风险,为 1 兆瓦便携式反应堆走向商业部署提供了稳定的燃料来源。
为精简运营并提升安全性,Radiant 计划对整个燃料循环进行统一管理,通过集中处理换料和存储,确保客户无需接触核材料。目前,Kaleidos 系统正在爱达荷国家实验室的 DOME 设施中进行全尺寸、高功率测试,以验证其在实际工况下的设计与性能。
在早期商业势头的推动下,该公司正准备在田纳西州橡树岭的一处 30 万平方英尺的设施内进行生产。Radiant 已与数据中心服务商 Equinix 签署了 20 台设备的供货协议,并承接了美国空军的一项国防项目。尽管仍面临监管和制造方面的挑战,但此次燃料合作标志着 Kaleidos 微型反应堆从测试阶段迈向广泛部署的关键里程碑。
由中国制造商荣耀(Honor)开发的名为“闪电”的人形机器人打破了人类运动纪录,以9.32秒的成绩完成了100米短跑,超过了尤塞恩·博尔特9.58秒的世界纪录。这一壮举发生在第二届世界人形机器人运动会期间,该活动在北京举行,为期五天,共有2000多台机器人参加了包括跳高和举重在内的51个项目的角逐。
此次运动会凸显了中国在机器人技术方面的飞速进步。在全球技术竞争日益激烈的情况下,中国正寻求在人工智能和硬件领域占据主导地位。尽管专家指出,目前人形机器人主要用于研究和演示,而非大规模的现实应用,但其不断进化的能力已引发了公众的极大兴趣。
此次活动是在地缘政治紧张局势加剧的背景下举行的。美国近期采取行动,禁止进口外国制造的人形机器人,并以涉嫌军事联系为由对部分中国机器人公司进行了标记。尽管存在这些限制,中国仍生产了全球大部分的人形机器人,展示了其在从制造业到物流业等多个行业引发革命的潜力。
TigerBeetle 采用“协议感知确定性模拟测试”(Protocol-Aware Deterministic Simulation Testing, DST)来确保其分布式数据库的可靠性。传统的黑盒测试(如 Jepsen)是从外部对系统进行测试,而 TigerBeetle 则采用“由内而外”的测试方法。
通过利用逻辑和物理确定性,该数据库在一个名为 VOPR 的模拟器中运行,其中时间以及存储和网络等外部交互均可完全控制。这使开发人员能够在一个进程内以极高的速度探索庞大的状态空间,从而模拟崩溃、网络分区和数据损坏等情况。
至关重要的是,由于模拟器具备协议感知能力,它能够深入洞察各个副本的状态。它强制执行以下约束:
* **安全性不变量:** 验证共识协议和存储引擎(LSM 树)在所有副本间保持逐字节的一致性。
* **活性不变量:** 确保副本即使在复杂的恢复场景下,也能有效地将本地和全局持久性转化为可用性。
通过检查这些内部属性,TigerBeetle 超越了简单的系统级断言,使开发人员能够捕获细微的 Bug,验证复杂的恢复协议,并以绝对可复现的精度对优化效果进行基准测试。这种方法将那些“难以调试”的分布式场景转化为了可控且快速的测试用例。
本项目提供了一套自定义构建系统,旨在为 Google Pixel 设备打造“功能机”版本的 LineageOS。它通过移除浏览器、应用商店及 Google Play 服务,将标准智能手机转换为极简设备,同时保留高质量的相机功能。
主要特性包括:
* **隐私与极简:** 系统级广告拦截(通过自定义 hosts 文件)、灰度 UI、蓝光过滤以及禁用动画。
* **性能:** 通过禁用后台机器学习和不必要的服务,大幅提升电池续航并减少数据流量消耗。
* **安全:** 移除 OTA 更新程序以保持系统修改,建议定期手动构建以维护安全性。
* **功能:** 虽然失去了 NFC 支付、银行应用和浏览器支持,但仍支持基础通讯(Signal、短信)和地图功能。系统提供临时的 Aurora Store 安装程序以便进行初始应用设置,且不会在设备上保留商店应用。
**要求:**
一台至少具备 16GB 内存和 300GB 存储空间的 Linux 系统电脑。目前仅针对 Google Pixel 7a 进行过测试并推荐使用。使用者需具备 LineageOS 构建流程的相关经验,方可利用这些修改脚本。
人类目前的分类系统将我们的祖先划分为“人属”(*Homo*)、“南方古猿属”(*Australopithecus*)和“傍人属”(*Paranthropus*),这种分类方式正日益过时。新的化石证据和基因分析表明,这些类别并不能准确反映真正的进化分支(进化支)或独特的行为模式。曾经用于定义这些属的特征——如脑容量、工具使用或牙齿适应性——都是独立或不一致地演化出来的,这削弱了传统分类学的依据。
由于这些分类无法捕捉人类进化史中复杂的分支特性,专家建议是时候进行修订了。其中一个拟议方案是将这些群体合并为一个单一的、更广泛的“人属”。这种转变将使科学命名法与真实的生物学关系更好地保持一致,纠正关于人类起源的误解,并摒弃过时的“原始与先进”观念。随着我们对人类进化认识的加深,我们的语言也必须随之演变,以准确反映我们在灵长类进化树中的真实位置。
从本质上讲,PowerPoint 文件(.pptx)只是一个包含一系列 XML 文件和二进制资源(如图像)的 ZIP 包。PowerPoint 并没有将信息存储在一个庞大的文件中,而是将幻灯片、图像和嵌入式 Excel 图表等内容组织在文件夹内的各个独立文件中。这种模块化方法使得主题和字体等共享属性可以集中存储,从而避免数据冗余。
虽然其概念架构非常直观,但其实现方式(即 Office Open XML,简称 OOXML)却以复杂著称。OOXML 的文档长达 5,000 多页,其特点是深层嵌套、命名晦涩且存在遗留约束。这种复杂性部分源于在支持四十年功能演变的同时,必须保持向后兼容性。
这种技术上的“雷区”使得以编程方式编辑 PowerPoint 文件(进而协助人工智能代理执行简单编辑)变得异常困难。底层格式的臃肿和复杂解释了为何看似基础的自动化更改也容易失败,这为开发者和 AI 工具带来了巨大的障碍。