每日HackerNews RSS
出于重新掌控个人数据并避免订阅费用的愿望，作者为自己的 12GB 文件实施了 3-2-1 备份策略。 **备份策略：** * **工作层：** 主“同步”文件夹通过 **Syncthing** 在主电脑、NAS（GMKtec M3）和笔记本电脑之间同步。**Tailscale** 提供安全的远程访问，iOS 和 Android 设备则使用第三方文件查看器。 * **硬盘层：** 作者使用 **restic** 每周自动对外部驱动器进行加密备份。 * **异地层：** 由于 restic 在云端的延迟问题，作者手动使用 **rclone** 将压缩后的副本备份到 Google Drive。 **额外措施：** * **Dotfiles：** 通过 **chezmoi** 管理并备份到 GitHub。 * **系统状态：** 安装 **Timeshift** 以进行 Arch Linux 系统恢复。 * **照片：** 通过涉及 PhotoSync 的手动流程处理。 作者总结道，尽管 Tailscale 和 Syncthing 等工具非常出色，但整个过程其实是在与平台限制和碎片化的软件作斗争，这证明实现一个真正“免费”且无缝的备份系统依然是一个脆弱的 DIY 工程。
抱歉。
艾德米尔领域
免费 · 网页端
单一领域 · 全员在线
踏入其中。领域永不关闭。
一款在浏览器中即可游玩的免费多人动作角色扮演游戏。升级英雄、深入探险，共同守护边境。
立即游玩 →
领域指南 · 掉落列表 →
无需下载 ◆ 秒速开启
从上次中断处继续
欢迎回来，。领域从不停歇。
无需任何设置。直接回到你熟悉的世界，从上次离开的地方继续。
继续游戏 →
领域指南 · 掉落列表 →
同一英雄 ◆ 同一领域 ◆ 无需等待
更新日志
v3.21.0 新增四个地下城，以及终于可以修改的游戏设置
v3.20.0 现在可以看到自己的生命值了，游戏已支持手机端游玩
v3.19.0 西南部新增真实海域，挑战终章以获取成就，并从根本上修复了移动错误
查看全部日志 →
领域统计 →
抱歉。
在论文《奶牛的高阶多极矩》（*Higher multipoles of the cow*）中，本杰明·V·莱曼（Benjamin V. Lehmann）探讨了物理学中常被使用却鲜有正式论证的“球形奶牛”近似法的局限性。莱曼提出了一种正式的多极展开方法，将标准的球形奶牛仅视为级数中的第一项。 通过扩展这一框架，作者得以计算能够解释非球形几何特征的牛体势及相互作用。这种方法对于分析那些因球对称性而被抑制的物理现象至关重要，例如旋转奶牛因引力波引起的自旋减慢。该论文建立了一种定义高阶多极矩下牛体几何结构的方法，并为这些系数提供了基准计算，证明了多极奶牛模型在复杂物理问题中的实用价值。
抱歉。
该参考资料集广泛探讨了**计算语言学、心理学与大型语言模型（LLM）**的交叉领域，主要涵盖以下四个主题： 1. **身份与健康的语言标记：** 研究表明，书面语言可以揭示个体深层次的差异，包括人格特质、道德基础和政治意识形态。此外，语言模式还是心理健康状况（如抑郁症和精神病）以及认知能力下降（如阿尔茨海默病）的诊断指标。 2. **社会语言学与文化语境：** 相关研究探讨了语言如何反映社会动态，包括性别、地域差异以及随时间推移发生的文化变迁，强调了交流模式如何深植于特定的社会和地理语境中。 3. **大型语言模型的兴起：** 文献中的很大一部分关注 ChatGPT 等工具的迅速普及。研究人员正在评估这些模型的心理“特征”、政治偏见，以及它们作为研究中人类参与者替代方案的有效性。 4. **对语言多样性的影响：** 越来越多的研究警告称，人工智能辅助写作、基于合成数据的模型训练以及标准化的对齐技术正在使人类交流趋于同质化，这可能会削弱文化细微差别，并降低创造性及学术论述中的内容多样性。
对不起。
经济学教授布莱恩·卡普兰（Bryan Caplan）利用2022年消费者财务调查的数据指出，有关美国经济绝望的普遍说法在很大程度上是站不住脚的。他认为，虽然贫富差距确实存在，但这种差距很大程度上是由年龄造成的，而非制度性失败。 卡普兰观察到，大多数净资产较低的美国人只是因为年轻；随着时间的推移、稳定的就业和自律的储蓄，他们通常能积累可观的财富。到了五十多岁时，绝大多数美国人都能实现相当程度的财务安全，许多人甚至跻身百万富翁行列。他断言，美国普通民众已为退休做好了充分准备，以至于他主张对富裕的老年人进行经济状况调查，或逐步取消他们的社会保障金，因为他认为这些人已经生活得很舒适。 归根结底，卡普兰认为，人们一味关注那些拥有六位数净资产的中年美国人所面临的“经济苦难”，更多是心理感知问题，而非财务现实。他总结称，约60%的美国人口足够富裕，无需政府支持也能过得很好，且美国制度为绝大多数人提供了实现退休后财务稳定的充足机会。
对不起。
一位匿名联邦举报人对美国邮政署（USPS）新推出的“联邦选票邮件门户”提出警示，警告该系统未经测试、仓促上线，可能在即将到来的中期选举中导致大规模选民丧失投票权。 该系统旨在执行一项特朗普签署的行政命令，要求各州选举官员上传选民信息和唯一的选票条形码。举报人称该系统“完全不容错失”；如果大批选票中有一张扫描失败，整批选票都会被拒绝，这可能导致数千张选票延迟送达或无法送达选民手中。 发布此披露信息的参议员理查德·布卢门撒尔（Richard Blumenthal）将此举称为“蓄意破坏”，并对邮政署是否具备安全处理这些需求的操作能力表示担忧。批评者认为，该系统增加了不必要的官僚障碍，威胁到选举的公正性。 邮政署坚称该门户网站是自愿性质的，旨在实现安全高效，并表示其行为符合法院命令。尽管联邦法官近期限制了该机构强制执行新流程的能力，但美国邮政署仍在推进该系统的最终定稿，计划于九月推出。这一举动引发了关于联邦政府与州政府在选举管理权上孰优孰劣的持续争论。
这场在 Hacker News 上展开的讨论围绕着一份举报人报告展开，内容涉及美国邮政署（USPS）针对邮寄选票所制定的新限制性规定。根据这些规定，各州需要向美国邮政署提供合格选民名单；如果选票信息与系统数据不符，美国邮政署将有权阻止这些选票进入投递流程。
参与讨论者深感担忧，认为这些在期中选举前夕实施的变动并非为了提高安全性，而是行政部门为了操纵选举结果而采取的“恶意”手段。许多评论者指出，大量的调查已反复证明邮寄选票的欺诈行为在统计学上微不足道，因此这些干扰措施旨在制造混乱、剥夺倾向于民主党的选民的投票权，并为质疑或废除选举结果制造借口。
该政策的批评者指出，由负责投递服务的美国邮政署来审核选举文件的合法性是极其荒谬的。另一些人则认为，对“选民诚信”的关注只是压制选民的借口，并援引数据称，10% 的美国人无法提供拟议的更严格法律所要求的特定身份证明。尽管一些参与者为实行更严格的身份核验辩护，但主流观点认为，这些干预措施破坏了公众信任，并为投票设置了系统性障碍，从而对民主构成了威胁。
随着 AI 驱动的代码生成日益普及，传统上将合并请求（Pull Request）作为质量把控、指导交流和架构对齐的“万能”瓶颈已难以为继。 作者认为，我们给代码审查施加了过多的职责，这并不公平。与其试图加快这一“流程”，团队更应将反馈闭环前置。通过在开发初期就进行知识共享和设计决策——采用结对编程、集体编程、协作设计会议和自动化测试等实践——团队可以在编写第一行代码之前就确保方向一致。 在这种模式下，代码审查将从每一项变更的强制门槛，转变为仅针对复杂架构变动或高风险领域采取的“异常审查”流程。其目标并非自动化代码审查，而是彻底反思我们的工作流。如果我们希望工程师在 AI 辅助的时代依然保持对代码的掌控和理解，就必须优先考虑协作式问题解决和系统架构共享，而非仅仅检查已完成的合并请求。简而言之：我们必须停止等到流程结束时才去进行最重要的沟通。
尽管人工智能在知识工作（数据处理）方面的进展正在加速，但通用人形机器人的发展仍处于“演示”阶段。与人人可及且可验证的 ChatGPT 不同，物理人工智能大多局限于经过剪辑的演示视频，这些视频往往掩盖了重大失误，并只展示了精心挑选的成功案例。 在物理世界实现真正的自主性，需要克服数字领域所不存在的巨大障碍。这包括实现人类水平的灵巧度和触觉灵敏度、解决复杂的运动规划，以及在不可预测的现实环境中进行导航。此外，开发者还必须应对关键的工程限制：机器人面临散热、电池续航以及安全方面的挑战，尤其是在以人类速度移动时。 与可以快速扩展的软件不同，机器人需要庞大的物理供应链和制造基础设施。即便技术里程碑得以实现，机器人在进入人类空间时，仍面临严苛的监管、安全和伦理挑战。归根结底，机器人技术中“从演示到现实”的鸿沟远比软件领域宽广得多。在这些机器走出受控环境并能通过持续、未经剪辑的表现证明其可靠性之前，与迅速成熟的智能人工智能代理相比，它们仍是一个遥远的前景。
这篇 Hacker News 的讨论探讨了为何与数字 AI 的进步相比，构建功能性人形机器人仍然极其困难。
主要观点包括：
* **“物理鸿沟”**：尽管数字 AI（知识型工作）正在飞速发展，但机器人技术在面对不可预测的物理世界时依然举步维艰。传感器和执行器不仅昂贵且脆弱，且缺乏人类手部的灵活性。
* **人形与特定任务之争**：许多人认为，两足人形设计对于实际应用来说是“死胡同”。专门的硬件（如仓库拣货机器人或多臂设备）在效率和成本效益上，已经优于试图复制人类解剖结构的产品。
* **经济壁垒**：某些地区的高昂劳动力成本推动了自动化，但机器人往往难以比肩人类劳动的效率和低成本。此外，制造“通用型”硬件在经济上不如专用工业机械划算。
* **控制挑战**：掌握运动需要硬件、经典 PID 控制与神经模型之间的复杂协调。尽管基于模拟的学习前景广阔，但目前还没有类似大语言模型（LLM）所使用的互联网规模数据那样庞大的物理任务数据集。
归根结底，参与者认为，尽管机器人技术正在演进，但其大规模普及可能还需要数十年，而非数年。
1966年7月22日，英国皇家空军工程师沃尔特·“塔菲”·霍尔顿中校在林纳姆空军基地进行了一次计划外的“闪电”式战斗机试飞，尽管他飞行经验有限。当时他奉命进行简单的地面滑行测试以诊断电气故障，却意外启动了飞机的加力燃烧室。
由于无法切断动力，霍尔顿在起飞前惊险避开了一辆油罐车和一架正准备起飞的哈维兰“彗星”客机。他当时在没有头盔、弹射座椅未激活的敞开式驾驶舱内飞行。在两次着陆尝试失败后，他凭借第三次尝试成功着陆，采用了尾轮式飞机的着陆技术，虽造成机尾擦地，但最终使喷气机安全停下。
随后的调查证明霍尔顿并无过错，指出他遵守了当时的指令，并成功挽救了飞机。尽管经历了这次高压事故，这架飞机在修复后仍继续服役至1974年，最终成为了博物馆的展品。霍尔顿则在皇家空军继续服役，直至1970年代末退休。
这篇 Hacker News 帖子讨论了 1966 年涉及联队指挥官“塔菲”·霍尔顿（"Taffy" Holden）的一起惊险事件。当时他在进行地面维护检查时，意外驾驶一架英国电气闪电式战斗机（English Electric Lightning）起飞。
霍尔顿虽然是一位经验丰富的军官，但并非合格的闪电式战斗机飞行员。他在试图滑行飞机时，无意中开启了加力燃烧室。由于缺乏驾驶高性能喷气式飞机的训练，他在毫无闪电式战斗机飞行经验的情况下，被迫驾驶该机并成功着陆。
评论者强调了他能幸存下来的非凡之处，指出闪电式战斗机拥有极高的性能，能够进行垂直爬升和超音速飞行，对于未经训练的飞行员来说，这是一架极其危险的飞机。讨论还涉及了当时英国皇家空军（RAF）对此事件的“典型”反应：一种冷静、轻描淡写的评估，将过错主要归咎于程序漏洞，而非将其视为应受惩罚的罪行。帖子中的专家分析了这次飞行的机制、在高音速喷气式飞机上“凭感觉飞行”的难度，以及军事维护程序的历史背景。霍尔顿于 2016 年去世，留下了一段关于意外航空英雄主义的传奇故事。