这是一份 PDF 文件的二进制数据片段，其中包含压缩的文档流内容。由于这些数据属于编码后的底层机器代码，无法直接翻译成中文。如果你需要阅读该 PDF 的内容，请使用 PDF 阅读器打开原始文件。
每日HackerNews RSS
在这篇反思中，人工智能研究员理查德·萨顿（Richard Sutton）指出，虽然通过监督学习训练的“生成式人工智能”在模仿方面很有用，但它从根本上缺乏真正的创造力或进行科学发现的能力。他认为，当前的生成模型存在一个致命缺陷：它们产生的输出要么是“新颖的”（随机的），要么是“好的”（忠实于训练数据），但绝不可能同时具备这两者。
萨顿断言，真正的发现需要三个步骤：变异、评估和选择性保留。虽然生成式人工智能可以处理变异，但它缺乏内部评估机制，这意味着它无法判断自身生成的新颖输出的质量。为了实现真正的科学和数学突破，人工智能必须超越模式识别和模仿，转向“发现”系统——例如强化学习——即由智能体提出想法，根据明确的目标进行评估，并保留最佳结果。
萨顿最后发出“号召”：要实现创造力的全面自动化，我们必须将评估循环整合到人工智能系统中，使其能够通过积极主动地验证假设，而非仅仅预测序列中的下一个标记，从而参与到科学研究的过程中。
这次讨论围绕 AI 研究员 Rich Sutton 最近关于 AI 创造力和发现本质的观点展开。Sutton 认为，生成式 AI（大语言模型）仅靠生成本身无法实现真正的创造或发现；相反，他提出这些成果需要一个包含“变异、评估和选择性保留”的闭环系统。
Hacker News 社区的辩论可以概括为三个主要观点：
* **“工具链”的必要性：** 许多评论者认同 Sutton，强调现代编程和数学领域的成功（如 AlphaGo、Claude-Code）并非仅归功于大语言模型，而是得益于提供可验证反馈回路的“代理工具链”。如果没有针对现实进行测试和验证想法的机制，生成的输出仅仅是衍生性的。
* **对“衍生性”论点的批评：** 一些参与者认为 Sutton 的说法建立在稻草人谬误之上。他们指出，当前的训练后技术（例如带有可验证奖励的强化学习，即 RLVR）已经纳入了评估和选择环节，实际上使模型能够超越其基础训练分布。
* **发现的范畴：** 另一些人则讨论“发现”是否与“方案耕耘”有着本质区别。有人认为人类的创新往往只是极其高效的试错过程，这意味着 AI 在技术领域迭代和重组想法的能力，有可能匹配甚至超越人类的能力。
数值编号 Value Numbering
21 天前
值编号（Value numbering）是一种编译器优化技术，通过识别并重用冗余且相同的表达式，有效精简编译过程中生成的“杂乱”代码。 **局部值编号（LVN）**作用于指令的线性序列（基本块）。通过对指令进行哈希处理（hash-consing）并将这些哈希值映射到现有变量，编译器可以用对先前计算结果的引用来替换冗余计算。 **全局值编号（GVN）**将此技术扩展到控制流图。最常见的实现方式是利用**支配树（dominator tree）**来传播可用表达式。一个基本块可以继承其支配块的“值映射表”，从而实现对祖先块中已计算表达式的重用。 虽然基础方法主要针对“纯”指令，但编译器也可以通过跟踪“失效（kill）”集合并执行加载-存储转发（load-store forwarding）来处理非纯操作（如内存加载）。更高级的技术包括使用统一哈希表、值划分以及工作表数据流算法。在动态 JIT 环境中，值编号对于消除强度削减（strength-reduction）过程中产生的冗余计算至关重要。归根结底，这种方法通过将重复计算替换为简单的引用，成为优化中间表示的一种简单而强大的手段。
德国裁定谷歌需对 AI 概览中的错误回答承担责任 German ruling declares Google liable for false answers in AI Overviews
21 天前
慕尼黑地方法院对谷歌下达了一项临时禁令，裁定该公司对其人工智能搜索摘要所生成的虚假诽谤性内容承担直接责任。 法院驳回了谷歌关于其仅作为中立搜索引擎的辩护，认定人工智能摘要是由谷歌算法生成的“独立、全新且实质性的陈述”，而非仅仅是指向第三方内容的索引。由于谷歌控制着人工智能的结构与内容，法院将其定性为内容提供商而非中介机构，从而剥夺了其作为搜索引擎通常享有的责任豁免权。 此外，法院还驳回了谷歌关于“用户应自行核实人工智能声明”的主张，指出该功能呈现时具有权威性，且往往缺乏可追溯的来源。裁决强调，由于该人工智能在原始资料并不存在的情况下虚构了企业与欺诈活动之间的联系，受害者别无其他法律救济途径。这一裁决开创了重要先例：如果该裁决维持原判，将标志着人工智能提供商——而不仅仅是它们抓取数据的来源方——必须对其模型合成内容的准确性和合法性承担法律责任，这可能会对全球各大人工智能开发者产生深远影响。
德国法院近期裁定，Google 需为其 AI 概览（AI Overviews）所生成的诽谤性言论承担责任。不同于主要呈现第三方内容且历来享有法律保护的传统搜索结果，法院认定由 AI 生成的摘要属于 Google 创作并发布的“原创内容”。由于这些摘要常将信息合成新的叙事——有时会捏造关联或虚构源材料中不存在的事实——法院结论认为，Google 承担相应的编辑责任。
Hacker News 社区对此裁决意见分歧严重。许多用户认为，如果 Google 选择为了自身利益“重写”网络内容，就必须承担其输出结果带来的法律后果，尤其是当这些输出损害他人声誉时。然而，该裁决的批评者担心，对非确定性的 AI 模型施加严格责任会扼杀创新，导致 AI 服务撤出欧洲，甚至实际上禁绝此类技术。多位评论者指出，这一裁决凸显了大型语言模型（LLM）的“幻觉”问题，即该工具的核心功能——生成概率性文本——与法律对事实准确性的要求存在根本性冲突。
确实，莱尼格尔接受该提议后，仅雇佣了少数几名员工。其中包括几位动画师、一位负责记录拍摄帧数的助理，以及负责操控摄影机的莱尼格尔的丈夫。除了担任导演，莱尼格尔还亲自制作剪影木偶，用硬纸板和铅片裁剪出角色，并用金属丝铰链固定它们的关节。她还构思了电影的剧本，将多个中东童话故事融合成一个完整的故事——《阿赫迈德王子历险记》。
Container machine 为 macOS 提供了一个轻量级、持久且高度集成的 Linux 环境。它基于标准的 OCI 镜像构建，允许开发者运行完整的 Linux 发行版（如 Ubuntu、Debian 或 Alpine），并与宿主机实现无缝集成。 主要功能包括： * **统一的工作流程：** 您的 macOS 主目录和配置文件会自动挂载到容器中，使您能够使用原生 macOS 工具编写代码，同时在 Linux 环境中进行构建和测试。 * **系统级能力：** 与标准容器不同，这些机器运行 `init` 系统（如 `systemd`），使您能够管理长期运行的后台服务，并在模拟生产的环境中测试应用程序。 * **简便的管理：** 通过直观的命令行工具，您可以管理多个特定发行版的机器、调整资源（CPU/内存），并可在不同 Shell 之间即时切换。 * **无需复制步骤：** 由于容器机器与宿主机共享文件系统，Mac 上的分析器和调试器等工具可以直接与 Linux 产物进行交互，无需在不同环境间移动文件。 无论您是需要跨不同发行版进行测试，还是需要一个持久的 Linux 工作空间，Container machine 都能提供快速、集成且灵活的开发体验。
那是死亡。 It's death
21 天前
一个平凡的清晨迅速演变成荒诞的闹剧：一系列灾难性的意外——因为炉灶断了一只手、盯着太阳把自己弄瞎、在挑选网飞剧集时意外虚度了十年——最终导致他经济破产，并被压垮的信件意外砸死。 主角发现自己置身于一片无限的虚无黑夜中，遇见了一位披着斗篷的身影，对方是来往生之路的冷漠引路人。面对自己一生虚度这一沉重的事实，叙述者问道自己是否活错了人生。那个身影给了他片刻的宽慰，建议他原谅自己，因为人生本就是在信息不全的情况下度过的。那身影离去后，留下他独自徘徊在凄凉空旷的虚无中，叙述者开始向虚空深处走去，独自沉思这段经历的荒诞与悔恨的沉重。
抱歉。
**Nucleus** 是一款为高性能 AI 智能体和生产服务设计的 Linux 安全增强型声明式容器运行时。与 Docker 不同，Nucleus 摒弃了守护进程、镜像仓库和 OCI 镜像管理的开销，转而采用“Nix 原生”方案。
### 核心功能
* **完全声明式**：服务使用 NixOS 模块和 TOML 进行定义，确保部署过程可复现、可审计且具备版本控制。
* **零开销隔离**：利用 Linux 内核原语（cgroups v2、命名空间、Landlock、seccomp）实现近乎裸机的性能（例如 12 毫秒的启动时间）。
* **强化安全**：特性包括不可逆的策略执行（seccomp、Landlock）、出口流量过滤、可选的 gVisor 集成（以实现更强的沙箱保护）以及根文件系统认证。
* **三种运行模式**：
* **智能体模式 (Agent Mode)**：用于 AI 工作负载的瞬态、快速启动沙箱。
* **严格智能体模式 (Strict Agent Mode)**：针对不可信瞬态任务的故障安全隔离。
* **生产模式 (Production Mode)**：具备健康检查和 systemd 集成的声明式长驻服务。
* **Nix 集成**：利用 Nix 闭包（closures）替代可变的宿主机绑定挂载，从而创建最小化、锁定化的服务环境。
对于相比标准 OCI 镜像仓库的便捷性，更看重深度隔离、可复现性和可审计性的运维人员而言，Nucleus 是理想的选择。
更多茉莉护栏 More Molly Guards
21 天前
这篇文章探讨了“Molly Guard”（防误触保护装置）在硬件和软件中的演变。
作者列举了多种实例，从工业级 IBM 打字机上的物理屏障，到 SD 卡槽旁用于警示用户避免过早弹出的指示灯等巧妙设计。一些机械结构（如软驱杠杆）通过直观的锁定方式防止操作失误。
在软件方面，作者审视了现代用户界面。虽然有些保护机制能有效防止数据丢失（例如 macOS Finder 在大量打开文件时的确认提示），但另一些则差强人意。作者批评了谷歌 Chrome 的“按住以退出”功能，认为其视觉设计糟糕且缺乏反馈，并将其与早期 iTunes 中直观且具拟物化风格的“刻录光盘”保护机制进行了对比。
文章最后追溯了该术语的起源，展示了“Molly”（激发这一概念的工程师之女）与其父亲的历史合影。文章总结道，防误触设计的初衷是防止错误，而成功的实现依赖于直观的逻辑，而非仅仅依靠令人沮丧的设计。