每日HackerNews RSS
这次Hacker News的讨论围绕一张大型公告板系统（BBS）的照片，照片来自互联网普及之前的时代。这张图片引发了人们对这些系统运作方式的怀旧和技术讨论。
关键点包括：BBS在互联网广泛普及之前是重要的在线交流方式，通常在配备多个调制解调器的PC网络上运行。虽然有些人认为容量有限，但许多BBS通过多任务操作系统（如DESQview）或专用软件支持多个并发用户。照片中设置的规模——可能包含数十条电话线和计算机——引发了关于维护这种系统所需的工作量与运行它的“炫酷程度”的争论。
用户分享了拨号上网、下载共享软件以及BBS培养的独特社区的记忆，并将其与现代在线平台的算法性质进行了对比。讨论还涉及了当时使用的调制解调器、串行卡和网络技术等硬件的技术细节，突出了早期在线先驱的独创性和足智多谋。
由于提供的内容是PDF二进制数据流，其中包含大量非文本字符，无法直接翻译成可读的中文。它看起来像是图像或压缩数据的一部分，而不是人类可读的文本。
一场 Hacker News 的讨论围绕着一篇近期文章（以及链接的 PDF）展开，该文章详细描述了在创造“AI 亲密关系”中涉及的令人不安的情感劳动，特别关注数据标注员的经历。核心问题是 AI 开发背后的人力成本，尤其是在 AI 聊天机器人和“AI 女朋友”等领域。
文章强调，一些人，包括来自非洲的一名男子，被雇佣来提供逼真的回应，甚至参与角色扮演以训练这些 AI 模型——有时甚至是用于性暴露目的。评论员对这项工作的剥削性质表示震惊，并将其与人们对 AI 纯粹是技术的认知形成对比。
关于这项工作是仅仅一份工作，还是本质上具有创伤性，引发了争论。一些人指出，其他数据标注任务也存在类似的问题，并质疑应该采取什么具体的行动。另一些人强调了一些 AI 应用的欺骗性，用户认为他们正在与真人互动。讨论还涉及公司将这项劳动外包到印度等国家的情况，以及围绕“AI”解决方案的误导性营销，这些解决方案严重依赖人工输入。
启用 JavaScript 和 Cookie 以继续。
过去一年，作者一直在努力使编码代理真正具有协作性，为此赋予它们对项目的深入理解——超越仅仅是文件内容。最初的尝试侧重于手动向代理提供上下文，虽然有效但不可持续。各种解决方案被尝试过——规则、提取的会话数据和“技能”——但都受到难以持续捕捉*决策时刻*上下文的困扰。 突破来自于意识到 Git 的提交历史已经*记录*了会话。缺失的部分是详细提交信息的规范，解释代码更改的*原因*，而不仅仅是*内容*。这促成了“上下文提交”，一种受 Conventional Commits 启发的规范，在提交信息中使用结构化的行为行来记录意图、决策和学习到的信息。 这种方法消除了对单独上下文跟踪系统的需求，利用了 Git 本身的扩展性和并发性。一个简单的“回忆”技能允许代理主动搜索这段历史以获取推理依据。作者已经将此作为标准开源，希望得到更广泛的应用，并有可能与编码工具进行原生集成，最终目标是实现“更好的提交”——以及更知情、更具协作性的编码体验。
## 上下文提交：在Git历史中记录“为什么”
最近Hacker News上的一场讨论围绕着一项“开放标准”提案——上下文提交，旨在通过明确记录代码变更背后的*原因*，而不是仅仅记录*做了什么*，来改进Git历史。目前，提交信息通常侧重于“做了什么”，而忽略了“为什么”，这会阻碍理解，尤其是在项目增长和开发者变更的情况下。
核心思想是使用键值对（例如 `rejected(oauth-library)`）来构建提交信息，从而可以针对历史决策进行查询。虽然有些人认为提交正文足以解释意图，但支持者认为这种结构化方法更适合“代理编码”——即AI工具需要理解代码背后的逻辑。
这场辩论凸显了既定实践（例如引用外部问题跟踪器，如Jira）与对自包含、机器可读历史的渴望之间的紧张关系。人们对可执行性和潜在复杂性表示担忧，一些人建议现有的工具，如提交尾部，可以实现类似的结果。最终，这场讨论强调了在代码中清晰沟通的重要性，无论对于人类开发者还是日益复杂的AI助手。
启用 JavaScript 和 Cookie 以继续。
## 苦涩的教训与AI辅助写作：摘要
最近的Hacker News讨论围绕一篇论文展开，该论文认为“苦涩的教训”——即在足够算力下，扩展简单方法总是胜出的——并不需要特定的“效用函数”。作者承认使用Claude（一种LLM）作为起草伙伴，引发了关于作者身份和真实性的争论。
许多评论者担心依赖LLM进行散文写作会降低写作的清晰度和直接性，将其比作引入不准确性的图像人工放大。一些人认为，高质量的写作优先考虑简洁和清晰，而这些是LLM经常牺牲的品质。
一个关键点是，尽管LLM具有令人印象深刻的能力，但人们缺乏努力去*理解* LLM正在学习的内容。这些模型被视为黑盒子，而预处理和后处理仍然很初级。
作者为他们的流程辩护，表示他们提供了论点，而LLM完善了文笔，并认为对这种劳动分工感到不适，反映了人们对“苦涩的教训”本身的偏见。然而，其他人批评由此产生的写作可能缺乏真正的理解，并且不必要地冗长，强调了LLM在缺乏真正理解的情况下填补语义差距的风险。最终，这场讨论质疑了AI对作者身份的影响以及清晰简洁沟通的未来。
## 计算大型堆砂身份：加速的故事
该项目专注于高效计算大型“身份堆砂”，这是对一个迷人数学概念的可视化。 最初的算法太慢——生成 100x100 的身份需要几秒钟，阻碍了对更大尺寸的探索。 目标是实现显著更快的计算，最终计算出 16384x16384 的身份，耗时不到一小时，相比于之前已知最大的例子（10,000x10,000，耗时 10 天）有了巨大改进。
主要有两种方法：“差分法”和“迭代燃烧法”。 作者改进了这两种方法，最终开发了一种利用堆砂与使用快速傅里叶变换和多重网格法求解泊松方程之间的关系的新方法。 这使得能够有效地将任何堆砂“投影”到数学理想状态（“零晶格”）上。
加速的关键在于认识到堆砂身份的尺度不变性，并递归地应用这种投影，从较小、预先计算的身份开始。 通过对“稳定化”函数进行细致的优化，也获得了显著的性能提升——这是算法的核心组件——利用了 AVX256、OpenMP、内存对齐以及利用对称性等技术。
虽然进一步的优化是可能的（AVX512、GPU 实现、改进的多重网格技术），但这项工作展示了在计算这些复杂结构方面取得了实质性的飞跃，为进一步的探索和可视化打开了大门。 代码可供那些有勇气探索它的人使用。
一个黑客新闻的讨论围绕着“eavan0”发表的一篇博客文章，文章详细介绍了高效计算大型“身份沙堆”的努力。这些沙堆在视觉上类似于康威的生命游戏，但总是会稳定下来，之前生成速度很慢——一个100x100的沙堆需要几秒钟。
为了创建更大、前所未见的沙堆身份，eavan0开发了一种更快的算法，被描述为之前一篇关于“美丽的阿贝尔沙堆”的博客文章的后续。讨论包括对损坏链接的修正以及与游戏“连锁反应”的比较。
几位用户在尝试访问博客时遇到了网站连接问题（PR_CONNECT_RESET_ERROR），eavan0对此进行了调查。总的来说，这篇文章和随后的对话凸显了计算效率、视觉模式和数学概念之间一个引人入胜的交叉点。
“人工智能是非洲智慧”：训练人工智能的工人正在反击
'AI is African intelligence': The workers who train AI are fighting back
19 天前
迈克尔·杰弗里·亚洲的经历凸显了人工智能兴起背后隐藏的人为代价。在肯尼亚，亚洲每天花费数小时标记色情内容并参与模拟的在线关系——本质上为人工智能性机器人提供劳动力——而报酬微薄。这项工作由算法控制，要求改变人物设定，对他的身心造成严重损害，导致失眠、创伤后应激障碍和性功能障碍，最终破坏了他的个人生活。
现在，作为数据标注者协会（DLA）秘书长，亚洲倡导改善这些经常被剥削的工人的工作条件。数据标注者对于训练和完善人工智能至关重要，但他们获得的报酬极低，缺乏足够的心理健康支持，尽管他们驱动着Meta、OpenAI和Gemini等科技巨头的估值。
DLA正在争取公平工资、福利以及结束限制性保密协议，将这种情况定义为现代跨国公司延续的殖民剥削。由于数据标注是肯尼亚科技劳动力中的重要组成部分，该运动寻求更广泛的团结以及对人工智能依赖弱势劳动力的伦理影响的认识。
```python from openai import OpenAI client = OpenAI( api_key="sk-your-key-here", base_url="https://api.ionrouter.io/v1" ) response = client.chat.completions.create( model="qwen3.5-122b-a10b", messages=[ { "role": "user", "content": [ {"type": "image_url", "image_url": {"url": "..."}}, {"type": "text", "text": "What's in this image?"} ] } ] ) ```
## IonRouter：快速且经济实惠的AI推理 (摘要)
Cumulus Labs，一家YC W26初创公司，推出了IonRouter (ionrouter.io)，这是一款推理API，旨在弥合开源和微调AI模型在速度和成本之间的差距。他们的目标是解决现有问题：快速的提供商价格昂贵（例如Together AI），而廉价的DIY方案（例如Modal）则需要大量的设置并存在冷启动慢的问题。
IonRouter利用定制的C++运行时IonAttention，专为GH200架构构建，实现了令人印象深刻的吞吐量——尤其是在多模态流水线中，达到了588个token/秒，超过了Together AI等竞争对手。目前，其延迟略高（p50 ~1.46s vs 0.74s），团队正在积极优化。
定价按token计算，没有空闲成本（例如，GPT-OSS-120B的输入为$0.02，输出为$0.095）。该服务允许用户轻松地在现有的OpenAI代码中替换基础URL，以访问更广泛的模型。目前，他们专注于展示其引擎，并计划扩展到托管微调模型，为定制AI部署提供简化的解决方案。他们正在积极寻求用户反馈，特别是那些使用微调模型的人。
## AurionOS：一个注重学习的操作系统
AurionOS是一个32位x86操作系统，由一位13岁的开发者用C语言和x86汇编从头开始构建，作为一个学习项目。它专为希望深入理解计算机的人设计，摒弃了现代抽象，以揭示硬件和CPU的核心逻辑。
该操作系统具有自定义引导加载程序、内核、内存管理（使用堆管理器）、VESA图形和窗口管理器，以及一个完整的TCP/IP协议栈，包括DHCP。它还包括一个自定义扇区文件系统（AurionFS），支持FAT12，以及一个拥有超过100个命令的命令行 shell。新命令可以轻松地直接在内核中添加。
AurionOS通过系统调用提供内核服务，目前处于测试阶段，正在进行错误修复。最好使用QEMU、VirtualBox或VMware来体验它。虽然实机启动正在开发中，但该项目完全开源，采用MIT许可证，体现了“每一字节都很重要”的原则。
## Linux 内存管理与快速虚拟机恢复：摘要 本次探讨深入研究 Linux 的内存管理，特别是 `mmap` 和 `userfaultfd` 等机制如何实现高效的虚拟机 (VM) 快照恢复。传统上，虚拟机通过页表与虚拟内存交互，转换为物理 RAM。`mmap` 允许分配内存区域*而无需*立即分配物理页面——这个过程称为按需分页。只有当进程访问该内存时，才会发生物理分配，由内核处理页面错误。 不同的 `mmap` 配置决定了物理页面如何管理（私有写时复制、共享、文件支持）。重要的是，使用 `MAP_FIXED` 替换映射会破坏旧的物理页面关联。这对于虚拟机来说是个问题，因为 KVM、VFIO 和 vhost-user 都依赖于一致的物理页面标识。 `userfaultfd` 通过允许用户空间*处理*页面错误来解决这个问题。它不是替换映射，而是按需填充现有的内存区域。这实现了近乎即时的虚拟机恢复：虚拟机立即启动，缺失的页面在被访问时从快照文件中加载。 虽然这种方法提供了显著的加速，但它也引入了开销（虚拟机退出、系统调用）以及如果处理程序无法跟上并发错误可能产生的瓶颈。它还会改变故障模式，并需要仔细考虑 I/O 模式和缓存。最终，`userfaultfd` 并不只是用于虚拟机；它是一个强大的工具，适用于任何需要延迟内存填充的系统。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Linux 缺页错误、MMAP 和 userfaultfd 用于快速沙箱启动时间 (shayon.dev)
15 分，shayonj 发表于 1 天前 | 隐藏 | 过去 | 收藏 | 3 条评论 帮助
deivid 发表于 1 天前 | 下一个 [–]
说“快”，到底有多快？ 没看到任何测量结果。
shayonj 发表于 1 天前 | 父评论 | 下一个 [–]
你说得对。 我会从这里更新/移植回来 - https://github.com/cloud-hypervisor/cloud-hypervisor/pull/78..., 但速度相当快。
Anonbrit 发表于 1 天前 | 上一个 [–]
“关键见解”这个短语现在让我感到不舒服，因为它在 LLM 写作中出现的频率太高了。
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：