五百个时钟 1× 10× 60× 600× 3600× 现在 现在 没有匹配的时钟。 显示全部 如何阅读 如何工作
每日HackerNews RSS
一篇 Hacker News 帖子展示了一个 HTML 文件中的 500 个自包含浏览器时钟，主要由 Claude Opus 5.5 在极少人工指导下生成。作者将时钟作为创意基准，对多样性印象深刻，尽管部分设计主题重复且显得粗糙。评论者称赞了该项目的雄心以及 Pong 和交互式小说时钟等示例，而其他人则批评许多时钟丑陋或廉价。作者表示几乎所有的想法和代码都来自 Opus，该工作消耗了约 1500 万 token，占其订阅配额的很大一部分。一些用户分享了类似 AI 构建的时钟项目，并指出 Opus 能产生令人印象深刻但粗糙的结果。总体而言，该帖子突出了 AI 生成的交互式网络艺术的创意潜力与当前局限。
请启用 JavaScript 和 cookie 以继续
Hacker News 讨论了 Matthew Prince 于 2016 年发表的帖子，该帖子解释了 Cloudflare 为何提供免费套餐。评论者称赞 Cloudflare 慷慨、易用的服务，尤其适合小型项目和域名。帖子还突出了一个反复出现的讽刺：许多用户因 Cloudflare 的安全规则而被拦截在某位评论者的博客之外，引发对过度拦截以及将访问决策外包给主导性守门人的抱怨。更广泛的担忧包括中心化、隐私（如 iCloud Private Relay 验证码）、幻影延迟、高昂的企业成本以及 Cloudflare 缺乏盈利能力。一些人将免费套餐视为聪明的增长/数据策略和廉价带宽玩法；其他人则警告未来可能出现平台劣化或私人审查。总体而言，讨论在赞赏 Cloudflare 的可及性与对其日益增长的流量控制权的怀疑之间取得平衡。
约翰·威廉姆斯是一名荒野生存教练，在右翼民兵组织中卧底超过两年，包括AP3和誓言守护者，期间未通知警方、FBI或亲人。他升任AP3的犹他州指挥官，并接触到誓言守护者领导人，包括一名现领导该组织的前警察侦探，同时秘密录制会议并收集文件。受1月6日国会大厦袭击事件的激励，他以自由职业义务警员的身份行动，收集民兵组织与执法部门联系以及监视记者的证据。在向一名记者发出匿名警告险些暴露他之后，他逃离，并后来向ProPublica分享了大量资料。这些记录揭示了新一代民兵领导人——医生、律师和警察——专家警告称，特朗普承诺赦免1月6日暴乱者可能引发民兵组织复兴。威廉姆斯现在计划公布更多文件，希望激励其他人渗透极端主义团体，并预计会遭到暴力报复。
Hacker News 链接一篇 ProPublica 文章，讲述一名卧底渗透进入美国民兵组织最高层。评论指出警方和军方人员令人警觉的参与、与“格拉迪奥行动”和“秃鹰行动”的历史相似之处，以及一名医生的参与。一些用户赞扬卧底的工作及其人文影响，另一些人批评文章的叙事新闻风格戏剧化且难以跟进；支持者认为讲故事是调查报道的核心。其他帖子还提到 Patriot Front 泄露、与不安全存放的机密文件的比较，以及地方官员涉嫌施加影响。总体而言，讨论围绕民兵渗透，以及对文章报道风格和影响的复杂反应。
启用 JavaScript 和 Cookie 以继续
阿姆斯特丹阿蒂斯动物园的一只南部地犀鸟接受了3D打印的喙假体，据报道这是首次替换鸟喙的两个部分；此前的案例是一侧假体或模制喙。评论者提到了鸟的体型较大、动物园使用断裂的喙碎片和CT扫描设计假体，以及受伤原因不确定。讨论还涉及资金：动物园由门票收入和捐赠支持，一些用户就为鸟的生活质量花钱与用于其他事业之间的成本与伦理问题进行了辩论。帖子中还包括一个关于“bill”的双关语、关于阿蒂斯动物园围栏和阿姆斯特丹之行的评论，以及希望看到鸟使用新喙的视频的热情。
Sphinx 是一个用于代理辅助开发的 Git 钩子，它会暂停推送到受保护分支，并询问开发者变更代码在故障场景下会做什么。它使用审查模型根据 diff 生成问题，独立于编码代理。开发者回答；答对允许推送，答错则揭示问题并提供另一场景。它支持 Codex、Claude Code、Cursor、OpenCode、Pi 或普通 Git，并可使用 OpenRouter 或兼容 OpenAI 的端点，token 用量极少。它从不向代理暴露 .env 文件或密钥，跳过操作通过 `sphinx yolo` 记录。安装：`npm install -g sphinx-understand`，运行 `sphinx install`，然后正常推送。需要 macOS、Linux 或 WSL 上的 Node 22.19+。
Sphinx 是一个 Show HN 工具，在 AI 生成的代码发布前测验开发者，旨在在加速编码的同时保留理解。评论者对其价值存在争议：一些人说它可能减少粗心的“vibe coding”并发现盲点；其他人则认为它增加摩擦，可能通过把问题粘贴给 AI 来作弊，或者只能检查理解而不能捕捉 diff 级别的 bug。许多人反思更广泛的速度与理解之间的紧张关系：AI 能加速工作，但可能削弱学习，尤其是对经验不足的开发者；仔细审查、清晰的 PR 描述、架构纪律和可选使用，可能比强制测验更重要。有人建议在 PR 前应用检查，或用于开源/企业防作弊；怀疑者则说有动力的开发者已经理解自己的代码，没动力的不会在乎。总体而言，该讨论将 Sphinx 视为不断变化的工作流中一个不完美的防护栏，人类判断仍然不可或缺。
伊丽莎白·霍姆斯纪录片《你能看到一切》如何在欺骗你 The Elizabeth Holmes documentary “You Can See Everything” is deceiving
21 天前
作者表示，新纪录片《You Can See Everything》与其说关于霍尔姆斯，不如说关于叙事与操纵。观众期待的是一个欺骗叙事，但影片通过取景、镜头角度、剪辑以及信息揭露的顺序来欺骗观众。作者指出，霍尔姆斯在患者欺诈指控中被无罪释放，但在误导投资者方面被判有罪，这凸显了社会对细微差别的厌恶。引用佳能照片实验，文章认为感知是由叙事者塑造的。导演兰斯·奥本海姆和内森·菲尔德反复改变观众看待霍尔姆斯、她丈夫以及菲尔德本人的方式，引发情绪反应和重新思考。纪录片表明，人们往往先形成情绪印象，再寻找支持事实，这使得操纵变得容易。最终，它既是心理操纵的解释，也是其身临其境的例证。
这个 Hacker News 帖子讨论一篇评论，认为内森·菲尔德的纪录片《你能看见一切》对伊丽莎白·霍姆斯的描写具有欺骗性。评论者争论这部电影是否揭示了任何关于霍姆斯（她因欺诈投资者被定罪）的新信息，还是主要展示纪录片如何操纵观众。一些人认为霍姆斯是深思熟虑且有自我意识的；另一些人认为她妄想或缺乏自我意识。帖子还涉及菲尔德的元叙事、行为艺术风格、剧透担忧和观众反应。多位评论者指出，纪录片是由剪辑、构图和音乐塑造的叙事，并且观众常常把它们误认为客观现实。其他人讨论霍姆斯对患者的影响、Theranos 欺诈细节，以及与其他骗子的比较。总体而言，反应褒贬不一：有些人觉得这部电影烧脑且发人深省，而另一些人认为在案件已有充分记录的情况下，它具有操纵性或没有必要。
lpviz 是一个交互式线性规划可视化工具，需要 JavaScript。同时，文档无需 JavaScript 即可使用：lpviz 文档 · 单纯形法 · 内点法 · PDHG · 椭球法 · 中心路径
Hacker News 讨论介绍了 lpviz.net，一个用于可视化线性规划算法的交互式浏览器工具。用户可以绘制可行域并设置目标箭头；工具展示 Simplex、对偶 Simplex 等求解器如何找到最优顶点。创作者表示其目标是建立对求解器行为的直觉，补充专注于建模的课程。评论者称赞它并要求更多透明度，如逐步更新和 LaTeX 计算；创作者建议可能加入单独的逐步模式，并提到 3 变量版本正在开发中。另一位评论者解释了 LP 基础：约束定义可行域，目标优化线性函数，最优解常出现在顶点。此外还讨论了退化以及 active-set/criss-cross 方法，有一个分支加入了 criss-cross 和 proximal primal-dual active set。帖子包含网站链接和 YC 广告。
请启用JavaScript并禁用广告拦截器
黑客新闻
最新 | 过去 | 评论 | 提问 | 展示 | 工作 | 提交
登录
通过沿着父亲的足迹攀登来处理他的去世
（nytimes.com）
11 分，由 elemeno 发布于 1 天前
隐藏 | 过去 | 收藏 | 讨论
帮助
考虑申请 YC 2027 冬季批次！申请开放至 11 月 2 日。
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
作者需要一个无分支公式来提取浮点数中的最低置位。无法手动找到，他们对一组精选常量上的最多五次运算表达式进行暴力搜索，并用归纳搜索剪枝重复输出。这找到了几个五运算公式；其中一个可复用公共子表达式，减少到四次运算。最终表达式计算 a = x 的指数/符号位，然后以浮点数形式返回 (x 的位与 (a - x 的位)) 减 a。它通过翻转符号位处理 2 的幂，这对作者的 FPU 模拟器可接受。搜索约四分钟，证明穷举枚举可以发现不明显的位操作优化。
Hacker News 线程链接到一篇关于对 FPU 模拟器进行超级优化的文章。作者解释说，对于位计数操作，使用浮点减法是因为基于 ctz 的整数方法需要复杂处理次正规数和 2 的幂，且更难向量化；浮点减法在现代硬件上更快，并且适合 WASM。评论者讨论隐藏的浮点到整数转换、CTZ/CLZ 与 FSUB 之间的 ISA 权衡，以及一个玩具超级优化器。一位评论者指出，对每种组合进行微基准测试不切实际，另一位则批评 AI 时代的博文写法。总体来说，该线程涵盖底层优化权衡和模拟器设计。
Lean v4.35.0 在 AI 发现内核漏洞后加强了证明检查。`lake check` 在沙箱中导出并用 leanchecker 重新检查开发内容；`lake check --paranoid` 还运行 nanoda、lean4lean、con-leche、con-ron，以及一个加固内存分配器的内核变体。Con-leche 是首个用 Lean 编写并证明一致的 Lean 内核；它能快速检查 Mathlib，但编译器/运行时缺陷仍可能发生。Con-ron 是一个被验证为细化 con-leche 的 Rust 版本，因此同时使用两者可降低共享编译器/运行时风险。Lean4lean 的验证预计很快完成。开发者也在翻新内核、构建更简单的内核，并为大型项目规划二进制/增量检查。用户被敦促运行 `lake check --paranoid` 并报告内核分歧。
关于 Lean 发布经验证内核（Lean 中的 con-leche、Rust 中的 con-ron，部分由 Claude 构建）的 Hacker News 讨论。评论者争论近期数学突破来自 LLM 加 Lean 还是仅 Lean。共识是：Lean 负责形式化而非发现；LLM 提供创造力，Lean 的类型检查器提供正确性，二者迭代循环推动进展。人类很少先形式化再非形式化证明；LLM 先用自然语言推理，再翻译成 Lean。评论者指出形式化对人类繁琐且缓慢，数学家的挫败感针对 LLM 驱动的变革而非 Lean 本身。其他人讨论 Lean 的可读性、与 Agda/Coq 的比较，以及形式语言能否重塑数学教育。在验证方面，多个内核降低共享编译器/运行时错误的风险；哥德尔相关担忧被认为不切实际。一些人指出 Lean 作为通用编程语言和 DSL 载体的潜力。