最近围绕Transformer神经网络的兴奋，例如驱动ChatGPT的技术，源于它们在人工智能方面的明显突破——通过无监督学习取得令人印象深刻的结果。早期模型引人入胜，预示着一个新的时代，此前的人工智能“寒冬”是由较旧的、基于规则的系统和计算上不可能的算法的局限性造成的。 Transformer通过预测序列中的下一个token（词或短语）来工作，从海量数据集中学习。虽然看似简单——本质上是复杂的线性代数——但这种方法绕过了过去人工智能的扩展和复杂性问题。然而，存在一个根本性的缺陷：Transformer *总是* 生成一个token，即使它毫无意义或“幻觉”信息。 这不能通过更多的数据或更大的模型来解决。这是其设计固有的，反映了早期人工智能尝试解决NP完全问题的失败。结果是高错误率，产生听起来合理但错误的输出，通常在没有专业知识的情况下难以检测。这导致了广泛的、不切实际的期望，以及生成式人工智能领域可能出现的“泡沫破裂”，对大量投资该技术的公司构成潜在风险。虽然Transformer不会完全消失，但它们的应用可能会缩小到有限的、低风险的用途。
每日HackerNews RSS
## AI的未来：炒作与现实
一篇近期文章认为，大型语言模型（LLM）从根本上受到计算复杂性的限制，并预测将迎来新的“人工智能寒冬”，这在Hacker News社区引发了争论。尽管作者声称LLM是失败的，但许多评论者不同意，他们强调了超越Transformer和LLM的显著近期进展——包括AlphaFold、强化学习和多模态模型等领域的进步。
核心争论在于LLM是否代表了“理解”的真正突破，还是仅仅是复杂的统计模式匹配。一些人认为，尽管LLM是统计引擎，但它们*正在*在化学和生物学等领域中实现新的可能性，并且已经深度融入工作流程。另一些人则强调当前人工智能开发的财务不可持续性，以及过高期望可能导致失望的潜力。
一个共同的主题是，LLM是非常有用的*工具*，尤其是对于经验丰富的专业人士而言，但需要专业知识来应对它们的局限性（“幻觉”）。人们担心易用性可能会误导经验不足的用户。最终，这场讨论表明，人们正在从炒作转向对人工智能能力和潜力的更现实评估，许多人预计将迎来一个整合和冷静评估的时期。
## JPEG XL：重生的格式
多年来，JPEG XL 是一种技术上更优越的图像格式，但由于缺乏浏览器支持而受阻。虽然 Safari 用户（17%）和使用小众浏览器的人可以访问它，但大多数用户使用的是 AVIF——一种由 Google 推出的格式，尽管社区对此存在疑虑。
最初，Google 的 Chromium 团队出人意料地决定在 2022 年*移除* JPEG XL 支持，理由是生态系统兴趣不足。这一决定受到了 Meta、Adobe 和 PDF 协会等行业参与者的强烈反对，他们强调了该格式的优势——包括无损 JPEG 重新压缩、HDR 支持和巨大的图像尺寸能力。
现在，Chromium 已经显著地恢复了对 JPEG XL 的支持。这一变化是由不断增长的社区压力以及 Firefox 探索基于 Rust 的解码器所推动的，预计这将推动 JPEG XL 成为一种主要的图像标准。其独特的特性，如提供约 30% 文件大小减少的无损重新压缩，以及渐进式解码，使其成为 Web 及其他领域的理想选择——甚至 PDF 协会计划将其用于 HDR 内容。这种期待已久的的支持预示着多功能且强大的 JPEG XL 格式拥有光明的未来。
## ImAnim：为 Dear ImGui 设计的现代动画引擎
ImAnim 是一个轻量级的动画引擎，专为 Dear ImGui 设计，能够以最少的代码和零依赖（除了 Dear ImGui 本身）实现流畅的 UI 动画。它无缝地运行在 ImGui 的即时模式范式中。
主要特性包括：**缓动**，用于动画化各种数据类型（浮点数、向量、颜色等），具有可定制的缓动函数和策略；**片段**，用于基于时间线的动画，具有关键帧和循环；**路径**，使用贝塞尔曲线；以及 **程序化效果**，如振荡和噪声。
ImAnim 拥有超过 30 个缓动函数、感知色彩混合以及响应式、锚点相关的动画。它易于集成，只需将两个文件添加到您的项目中，并在每一帧调用 `iam_update_begin_frame()` 即可。
提供全面的文档、功能丰富的演示以及交互式工具（缓动可视化工具、贝塞尔编辑器）。ImAnim 是开源的（MIT 许可证），并积极开发，通过 Patreon 提供社区支持。
## 人工智能“帝国反击战”：谷歌挑战OpenAI与英伟达
最近由OpenAI和英伟达主导的人工智能格局，正面临来自谷歌的重大挑战。 谷歌推出了Gemini 3模型，在基准测试中表现优于OpenAI的GPT-4，并提供TPU（张量处理单元）作为英伟达GPU的直接竞争对手，这如同“帝国反击战”中英雄旅程的一个阶段。
这构成了双重威胁。 英伟达此前在人工智能基础设施中至关重要，现在面临利润压力，其主导地位受到质疑。 尽管对计算的需求仍然很高，但谷歌的TPU替代方案以及超大规模公司开发自己的软件堆栈的潜力，威胁着英伟达的锁定地位。 依赖英伟达芯片且在模型开发方面举步维艰的OpenAI，面临失去模型质量领先地位的风险。
然而，OpenAI拥有一项关键优势：超过8亿的ChatGPT用户群。 这种“需求侧”控制权，类似于谷歌的搜索主导地位，创造了强大的护城河。 巩固这一优势的关键在于采用广告模式——目前尚未实现的潜力，这将释放大量收入并进一步巩固其地位。
最终，这场战斗取决于谷歌能否凭借其庞大的资源和基础设施克服OpenAI的用户群和英伟达已建立的生态系统，以及OpenAI是否能够利用其独特优势。 结果将检验有关市场力量以及在科技世界中控制需求的持久实力的核心理论。
## 黑客新闻讨论摘要：谷歌、英伟达和 OpenAI
这次黑客新闻的讨论围绕着 Ben Thompson 对谷歌、英伟达和 OpenAI 竞争格局的分析，特别是关于大型语言模型（LLM）的未来。一个主要的争论点是 Thompson 建议在 ChatGPT 中添加广告会改善产品——许多评论者对此在伦理和用户体验方面强烈反对。
这场辩论凸显了人们对将利润置于用户利益之上的担忧，一些人将其与剥削性的商业行为相提并论。虽然承认谷歌的技术优势（TPU、现有基础设施），但许多人认为 OpenAI 目前拥有用户基础的“护城河”，尽管面临财务挑战。然而，一些评论员认为谷歌通过现有产品（搜索、Android）的巨大覆盖范围使其在部署人工智能和通过广告将其货币化方面具有显著优势。
人们对基准测试的可靠性表示怀疑，并达成共识，即实际性能和用户体验至关重要。讨论还涉及数据、算法优越性和如果公司在没有实现盈利的情况下耗尽资金可能出现的“人工智能寒冬”。最终，该帖子揭示了对人工智能竞赛的复杂看法，并对纯粹的财务激励驱动的“恶性竞争”表示担忧。
Aivition 是一款一体化的图像处理工具。它轻巧、启动迅速，并能即时查看图像。它还具有无限画布，允许您像在桌面上一样自由地排列和组织图像。要进行编辑，只需右键单击图像即可调出选项菜单——从基本的裁剪和旋转到 AI 驱动的功能，如背景移除和高清放大。🍄 自定义 RGB 通道混合 Google Drive 支持平台：Windows 10/11 便携版：无需安装。只需解压并运行。要启用 AI 功能，请下载相应的检查点。要完全卸载：打开应用程序 → 进入设置 → 清除注册表，然后手动删除应用程序文件夹。编辑后的图像记录存储在每个图像目录中的 .aivition 文件夹中。您可以根据需要选择删除这些记录。此仓库主要用于错误报告、功能请求和其他建议。如果您喜欢 Aivition，请为该仓库点赞！
一位开发者在Hacker News上分享了“Aivition”，一款1.8MB的Windows原生AI图像处理工具，完全用C++从头构建，包含自建UI、视觉和AI库。该应用通过Google Drive直接下载提供，不提供公开源代码。
这引发了讨论。一些评论者对下载未经验证的可执行文件表示担忧，其中一人发现多个安全厂商将其标记为潜在恶意软件——原因在于一个图像处理库。开发者澄清该组件处理图像数据，并正在调查。
讨论还集中在术语（“app”与“application”）以及缺乏源代码阻碍信任和验证的问题上。虽然开发者表示这不是一个开源项目，也没有许可证，但评论者建议发布源代码或创建一个演示视频，以建立信任并展示他们的技能。许多人认为GitHub链接没有帮助，因为它缺少代码，仅依赖于下载链接。
Netflix 在大多数现代电视上停止了从其移动应用程序的投屏功能。
Netflix Kills Casting from Its Mobile App to Most Modern TVs
1 天前
该网站正在使用安全服务来保护自身免受在线攻击。您刚才的操作触发了安全解决方案。 提交特定词语或短语、SQL命令或格式错误的数据等行为可能会触发此阻止。
## 定价实验：超越基础A/B测试
运行定价实验与标准A/B测试有显著不同，需要关注微观经济学，而不仅仅是操作层面。单纯改变价格，并非关于减少摩擦，而是关于理解销量和价值（利润）之间的权衡。提价可能*降低*转化率，但*增加*整体利润。
成功的定价需要从“转化率优化”转向“收入优化”，重点关注**支付意愿 (WTP)** 和 **价格弹性**。弹性揭示需求对价格变化的敏感度——你是在价格至上的大宗商品市场，还是拥有品牌，允许提价？
策略性地测试：针对生活方式/奢侈品提价（利用“凡勃伦效应”，即更高价格=更高感知价值），针对竞争/消耗品降低价格以提高销量和生命周期价值。
至关重要的是，在测试期间隔离变量，并确保所有平台的价格一致性。使用**每位访客毛利润 (GPPV)**，而不仅仅是转化率来分析结果。不要害怕实验——了解你的最佳定价点对于盈利能力至关重要，并且通常需要勇气来挑战假设。
一个黑客新闻的讨论围绕着一篇关于进行盈利定价实验的文章。核心争论在于A/B测试时应该优先考虑*哪个*指标：转化率（CVR）还是加入购物车率（ATC）。
一位关键评论员认为，仅仅关注ATC率的提升是不对的，因为加入购物车并不一定意味着购买，可能会产生误导。即使ATC下降，CVR和每位访客收入的提升也是更可靠的成功指标。
其他评论从赞扬文章的详尽到对“劣质化”——基于品牌忠诚度，在保持价格的同时逐渐降低产品质量——的愤世嫉俗的观察不等。原文作者欢迎反馈，承认在没有听众回应的情况下写作的困难。
## 青霉素发现的真相 亚历山大·弗莱明被认为是发现青霉素的人，这通常归功于葡萄球菌培养皿的偶然污染。然而，更深入的调查显示了一个更复杂的故事。虽然弗莱明观察到霉菌抑制了细菌生长，但一些不一致之处挑战了传统叙述——他的实验室窗户很少打开，这个故事与之前的“幸运”发现相似，最初的记录保存延迟且不完整。 科学家们现在认为弗莱明可能并非观察到随机污染物。相反，他可能一直在积极寻找抗菌物质，最初是溶菌酶，而霉菌的生长则得益于实验室的低温。试图复制他结果的实验在很大程度上都失败了，这表明青霉素的效果在细菌菌落成熟*之前*最为明显。 证据表明弗莱明的最初描述随着时间的推移而演变，可能为了一个引人入胜的故事而有所夸大。最终，虽然偶然性发挥了作用，但弗莱明观察和调查异常现象的准备至关重要。这一发现强调了系统研究*和*对意外发现的开放性的重要性——这个过程更类似于进化，而不是一次单一的“意外”事件。 无论具体细节如何，弗莱明的观察都引发了拯救生命的抗生素的开发，彻底改变了医学。
## 青霉素的故事：神话与现实
一篇近期文章挑战了人们普遍接受的青霉素发现叙述，在Hacker News上引发了讨论。虽然亚历山大·弗莱明偶然观察到霉菌抑制细菌生长仍然是核心——一个至关重要的第一步——但文章认为流行的故事过于简化。
核心争议在于，今天无法准确复现“霉菌通过敞开的窗户污染培养皿”的“神话”，而且弗莱明自己的回忆随着时间推移而发生了变化。批评者认为这并不能否定这一发现，而是强调了科学进步的混乱和常常不精确的本质。他们强调，偶然的观察*结合*弗莱明的求知欲是关键。
许多评论者同意文章将问题定性为揭穿“神话”是不必要的煽动。重点不是要抹黑弗莱明，而是要理解这一突破背后的复杂过程以及承认科学历史的细微之处的重要性。讨论还涉及更广泛的主题，如巧合、严谨的研究以及人类倾向于构建引人入胜的叙述，即使这些叙述并不完全准确。最终，争论的中心在于我们如何讲述科学发现的故事——优先考虑简洁的叙述，还是拥抱固有的复杂性。
## 重生一台计算历史：泰克特朗尼克斯 4051
本文详细介绍了对一台1975年发布的泰克特朗尼克斯4051图形工作站的修复过程。泰克特朗尼克斯以其示波器而闻名，但令人惊讶的是，它也生产终端和计算机，而4051正好弥合了两者之间的差距——一个集成了摩托罗拉6800计算机的终端。这台机器重达35公斤，长度接近一米，从存储中被救出并恢复了生机。
修复工作包括追踪电源问题，最终修复了一个损坏的开/关开关和主变压器上断开的电线。接下来是更换一个烧毁的电阻器和显示器校准（需要小心处理高电压），但都得到了成功解决。
4051拥有8-32KB的RAM，通过磁带和RS232进行数据存储，并通过ROM模块扩展功能。虽然无法运行像DOOM这样的现代游戏，但它可以处理更简单的程序，例如大富翁。作者计划进行进一步的升级，包括一个GBIP闪存模拟器，以便更轻松地加载程序，以及一个ROM板，用于克隆丢失的模块，以确保这件20世纪70年代的技术能够继续运行和探索。
## 复古技术：20世纪70年代矢量图形工作站
最近一篇Hacker News帖子展示了一台精美修复的20世纪70年代矢量图形工作站，引发了那些记得——以及那些对早期计算机图形学着迷的人们的讨论。这些机器，例如讨论中的Tektronix型号，使用线条而不是像素来绘制图像，让人联想到经典的《小行星》游戏。
用户分享了使用Tektronix命令编程、利用ASCII转义序列进行图形处理，甚至运行TeX的早期DVI预览器的回忆。有趣的是，xterm今天仍然可以模拟Tektronix模式，像gnuplot这样的工具继续支持输出到这些显示器（或模拟器）。讨论还涉及gnuplot独特的，有时古怪的许可问题。
除了硬件之外，评论者还回忆了这些工作站在地形数字化和排版等领域的应用。这篇帖子还引发了关于矢量图形和替代显示技术的失落艺术的对话，一些人哀叹了从存储管和唐·布鲁斯创新的照明技术等技术上的转变。最终的挑战？让DOOM在上面运行！
This appears to be a snippet of a PDF file's internal data, not readable content. It's binary data and control characters, not text meant to be translated. There is no meaningful Chinese translation possible.