文本解释了并发请求会持续流经推理流水线，而不是等待批处理。它指出并发度或批大小本身都不能衡量效率；有意义的吞吐量是在相同输出生成速度下，单位功率的总 token 吞吐量（例如每兆瓦每秒 token 数）。它还描述了通过计算权重和请求状态的内存、将模型分布到晶圆上并连接成流水线，从而扩展到 3T 参数以上，每增加一个晶圆都会贡献计算能力和片上内存。最后，它邀请在 Cerebras 上部署模型或使用其推理云进行构建。
每日HackerNews RSS
Cerebras 宣布部署万亿参数模型引发了关于速度与模型质量的争论。评论者称赞其极高的 token 吞吐量，但表示可访问模型往往过时，廉价套餐因硬件有限而不可靠；企业级方案成本高昂。一些人指出，OpenAI 的超快产品可能使用 Nvidia 而非 Cerebras，且 Cerebras 尽管需求强劲仍面临供应限制。技术讨论涉及晶圆级 SRAM（每个晶圆仅约 44GB）、流水线并行、高功耗和多晶圆部署。用户争论这种速度是否有用：批评者认为人工审查和质量更重要，支持者认为快速共享推理有利于组织并可能改善工作流程。其他人还讨论了量化、速率限制以及 Cerebras 的业务挑战。总体而言，对速度的兴奋被对模型新鲜度、可靠性、成本和扩展性的担忧所缓和。
Marcin Wichary 2021年5月20日 / 28条推文 / 19张照片 这是一个2021年Twitter帖子串的存档。那天，Figma允许多位员工“接管”其社交账号，我也是其中之一。版权所有 © Marcin Wichary。最初发布于2021年5月20日。此存档版本发布于2025年8月9日。
Hacker News 帖子链接到一篇 2021 年文章，内容关于一个被误认为 bug 的 Figma 行为，实际并非 bug。帖子有 69 分和 9 条评论。评论者拿 Figma 开玩笑，抱怨某些浏览器的捏合缩放行为，并讨论键盘历史，包括 Macintosh 的 60% 布局。一位评论者批评文章的不寻常格式，并认为缩放行为是 bug，而回复澄清页面是归档的 Twitter 线程，且 Windows 用户按的是 Shift+Down Arrow，不是 Shift+2。总体上，该线程混合了赞扬、可用性抱怨，以及关于该行为是否真是 bug 的争论。
Hacker News 展示了 Codeberg 上的反向工程 Apple Find My 项目 FindMyWeb。评论者认为它可能是 FindMy.py 库之上的 UI 层，尽管其 README 表示可能扩展到 Google 和 Samsung 网络。讨论引发了使用此类工具可能面临 Apple 账号封禁的担忧，并质疑用户在依赖 Apple 网络时是否真正“拥有”追踪器。一些用户建议避免这些项目。其他评论批评项目标题和副标题有 AI 风格，认为这可能表明人工监督不足或内容农场生成，而另一人指出非英语开发者可能使用 AI 撰写文字。页面还包含一个 Y Combinator 申请广告。
Hacker News
新帖 | 过往 | 评论 | 提问 | 展示 | 工作 | 提交
登录
Reactive Optimizers：训练过程中重写优化器源代码
（xingjianbai.com）
32 分，由 matt_d 发布于 1 天前
| 隐藏 | 过往 | 收藏 | 2 条评论
帮助
rao-v 23 小时前 [–]
这真的很有趣！
如果用它们动态调整训练数据混合，并用于对强化学习环境做选择，反应式优化器实际上可能很有帮助（如果你记得 Mimo 训练仪表板，后训练中如何评估和选择强化学习轨迹是非常棘手的）
回复
coef2 21 小时前 | 父评论 [–]
看起来很有趣。同样的概念可以应用于训练过程的不同部分。
考虑申请 YC 的 Winter 2027 批次！申请开放至 11 月 2 日。
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请加入 YC | 联系
搜索：
同位素分析表明，大多数中世纪峰区居民童年时期在本地度过；高锶比值（≥0.714）反映区域生物圈，而非迁移。只有Eldon Hole的铁器时代个体可能来自区域外（可能是斯堪的纳维亚），一名早期中世纪男性（WIG-05）来自不列颠西部，以及两名后期中世纪个体可能来自西部。铅浓度表明广泛的人为暴露：几乎所有中世纪个体超过10 ppm，其中四人超过40 ppm。在Wigber Low（7世纪），暴露因性别和地位而异——女性和可能的移民水平较高，而埋葬有武器的本地男性水平较低。Joule Yard（7世纪末–8世纪）显示普遍高暴露（>25 ppm），暗示其为专业采矿/冶炼社区。Spital Field（12–13世纪）水平也较高，在有记载的生产高峰期间达到峰值。与Sala（瑞典）等其他金银铅产区使用强迫移民劳工不同，峰区移民很少，铅生产似乎是继承的、长期的本地传统。
一篇Hacker News帖子讨论了剑桥大学关于中世纪欧洲有毒金属产业社会动态的文章。评论者指出，铅和其他金属在数个世纪里污染了从峰区到埃尔巴岛再到威尔士山谷的矿区，造成广泛的慢性健康影响。他们提到，中世纪和古代人有时认识到急性铅危害，但慢性低剂量暴露却了解甚少。讨论还涉及现代铅的用途与风险，如铅管、釉料和金属铅，以及代际认知差距。总体而言，该帖强调了历史金属生产长期且常被低估的公共卫生遗产，以及识别渐进性毒物暴露的困难。
2026年，作者反思人们为何仍使用Gopher：出于好奇、怀旧，以及逃离现代科技噪音的愿望。他们指出，有ADHD的年轻人寻求更简单的时代，同时也承认技术已进步，旧工具如今感觉不同。科技既有帮助又令人沮丧，原因是订阅制、不断变化的服务和以利润为先的优先级，这让SDF等社区空间显得有吸引力。一位评论者同意我们无法完全回到过去，但仍然需要慢下来。
抱歉。
美国创意/媒体行业四年间流失逾20万个工作岗位，尤其在数字和影视/录音领域，尽管线下娱乐仍在增长。AI可能是原因之一，但难以与整合、离岸外包和社会媒体转变区分开来。互联网对音乐和出版的冲击提供了先例：盗版/流媒体使录制音乐贬值，并推动音乐人转向巡演，而报纸的商业模式则崩溃。视频现在面临来自流媒体、社交平台和AI生成内容的类似挤压，却没有类似现场音乐会的缓冲来减轻损失。AI已嵌入工作流程并被独立创作者使用，威胁版权与内容解绑，尽管不可预测的溢出效应也可能提振某些艺术。艺术经济规模较小，因此AI的主要影响可能是文化层面的，但科技岗位也在编程代理冲击下缩减。如果AI兑现投资者预期，更广泛的岗位替代可能随之而来。
这篇文章与HN讨论考察了美国媒体、电影与艺术行业约20万个岗位的流失，AI的作用尚不确定。评论者大多指出更广泛的动因：制作转移到成本更低的国际地区，流媒体与用户生成内容争夺注意力，好莱坞整合，高额的住房与人工成本，以及全球需求的变化。一些人认为AI主要只是裁员的加速器或借口，尚非主要原因；另一些人则将其视为一种长期效率趋势的一部分，这种趋势更多惠及所有者而非工人。还有关于效率提升最终是否惠及消费者、工资是否跟上住房成本、创意工作是否变得更分散且薪酬更低的争论。总体而言，该讨论串将岗位流失视为多重重叠的经济与技术转变的结果，而非单一AI驱动的崩溃。