Anthropic研究人员分析了207,049个Claude和Claude Code会话，以映射科学家如何使用AI。相对于研究人员数量，Claude在形式科学（计算机科学、数学、统计学）中使用更多，在健康与基于实验室的物理科学中使用更少。使用最高的是数据分析（约三分之一的Claude会话，Claude Code中近一半）和写作，而数据收集与想法生成尽管被科学家评为最重要，却仍被低估。专门的Claude Science增加了想法生成以及更复杂、自主的生物医学工作。 任务级理论AI能力分数解释了这一模式的大部分：能力前20%的任务获得2到4倍预期使用，而低能力物理任务使用很少。使用还与领域级能力一致。 情景建模显示，当前AI可能使某些领域产出翻倍；自动化75%的非物理工作可使计算机科学产出提升至约8倍；非物理工作的完全自动化可使认知领域产出提升15-16倍，但因物理瓶颈，实验科学仅提升3-4倍。在使用AI的研究人员中，约40%预期AI将在2030年前完成完整研究项目。采用、物理限制、质量与安全仍是制约因素。
每日HackerNews RSS
Hacker News 讨论 Anthropic 关于 Claude 在科学研究中的报告。评论者称 Claude 作为研究助手对繁琐任务有用——绘图、文献检索、复杂可视化和快速实验——但不适合做出科学结论。一些人指出风险：模型可能过拟合、跑偏或过于武断；有效使用需要防护措施和人工验证。其他人认为有限的信任可能源于对早期模型的锚定。实际好处包括节省调试和实现想法的时间，而担忧包括 AI 驱动的研究产出增长快于科学家验证速度，以及潜在的权力滥用。文章/数据指出，207,000 个会话覆盖各领域，计算机科学、工程和医学最常见；健康/实验室科学使用率较低。用户还质疑研究会话研究中的隐私与同意，一些人认为帖子更像营销而非可操作的方法论。
Lippitt-Knoster模型：复杂项目需要六个要素——愿景、共识、激励、行动计划、资源和技能。缺少任一要素都会导致特定失败：困惑、破坏、抵抗、误启动、沮丧或焦虑。愿景、共识和激励属于战略层面；行动计划、技能和资源属于战术层面。该模型既可用作启动清单，也可用作故障排查工具。实践建议包括：通过背景建立愿景；通过私下铺垫和分阶段达成一致建立共识；使用正向激励与利益交换；放弃无法取胜的项目。针对技能差距，提升人员技能、将工作拆分为更小部分，并由领导者承担“胶水”工作。战略与战术关切必须保持平衡；资源、技能和规划相互依存，共同影响可行性与政治资本。
一个 Hacker News 帖子链接了一篇题为“Lippitt-Knoster in Practice (Field Notes for Managing Complex Projects)”的文章。它有77分和两条评论。一位评论者批评管理者在愿景和使命阶段就停止，随后把实施交出去，认为复杂变革需要全程关注。另一位评论者指出该模型已有近40年历史，由 Mary Lippitt 博士于1987年获得版权，并分享了来源图。总体而言，该帖子突出了一种长期存在的复杂组织变革管理框架。
美国联邦航空局开始从空中交通管制系统中淘汰使用数十年的软盘 FAA begins retiring decades old floppy disks from air traffic control
2 天前
FAA正在通过用E-IDS取代老化的软盘系统来现代化空中交通管制；E-IDS是一个用于天气、警报、飞行员报告、航行通告和运行信息的安全数字平台。它将取代400多个设施中的四套20世纪80年代系统，首批升级地点包括大西洋城、纳什维尔、罗切斯特、亚特兰大数据枢纽和盐湖城数据枢纽。FAA计划到2028年底在435个站点完成安装。官员表示，它将加快管制员获取关键信息的速度，减少维护和变通操作，并提高安全性。更广泛的现代化工作包括更换铜缆、增加地面态势感知系统、电子飞行进程条和IP语音交换机。
Hacker News
最新
|
过去
|
评论
|
提问
|
展示
|
招聘
|
提交
登录
FAA 开始从空中交通管制中淘汰使用数十年的软盘
（faa.gov）
89 分，由 pseudolus 发布于 1 天前
|
隐藏
|
过去
|
收藏
|
2 条评论
帮助
dang
发布于 1 天前
|
下一页
[–]
评论已移至 https://news.ycombinator.com/item?id=50388001。
回复
radar1310
发布于 1 天前
|
上一页
[–]
嗯，幸好他们及时做了这件事。很高兴听到他们如此勤勉地跟上技术发展。
回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
第一次世界大战期间，精确计时对协调攻击与生存至关重要。手表从怀表转向腕表；最初被视为女性化的“腕带表”，经由广告宣传与战时需求被重新塑造为阳刚的军事装备。文章追溯了贝拉·宗博里-莫尔多瓦尼回忆录、保罗·福塞尔对黎明与黄昏的分析、“对表”与“零时”的起源，以及劳力士、真力时、沃瑟姆、宝路华等公司的例子。它还记录了1918年11月11日上午11时的停战协定及后来的两分钟默哀仪式。最终，在工业化战争中，手表象征着控制、男子气概以及与战前生活的联系。
一篇 Hacker News 帖子链接到一篇文章，关于一战期间计时对生存和战略至关重要。评论讨论腕表：最初是女性首饰，后来被男性采用，一位评论者提到桑托斯·杜蒙和卡地亚的作用；另一位回忆起一只小巧的劳力士鸡尾酒手表。另一个主题讨论高跟鞋，有人说它们曾被波斯骑兵或性工作者使用，并有一条关于马镫的回复。
Hacker News 讨论了一篇关于大学图书馆被 AI 机器人压垮、威胁公共访问的文章。评论者报告来自住宅代理和爬虫的巨量流量，而不仅是大型 AI 公司，并辩论速率限制、TLS/SSL 指纹识别、IP 黑名单、工作量证明、基于 JavaScript 的访问计数和 WAF 等防御措施。一些人认为图书馆缺乏资源，需要更好的架构或静态服务；另一些人认为开放数据应保持对机器人可访问，反机器人措施会伤害合法用户。帖子还涵盖谁从抓取的数据中获利、承包商/住宅代理生态系统、CFAA 下的法律风险，以及个人网站面临类似流量的轶事。总体共识是机器人流量正在压垮扩展性差的系统，但有效解决方案涉及访问、成本与屏蔽之间的权衡。
错误：服务器错误 服务器遇到了错误，无法完成您的请求。 请在 30 秒后重试。
Google 宣布推出 **Gemini Omni 1.2 Flash**，一款视频生成模型，支持 15 秒原生视频生成、多轮对话式编辑、增强的参考跟随，以及 720p 下每秒 $0.07 的 30% 降价。然而 Hacker News 的讨论更多集中在对 Google AI 生态系统的不满上：命名混乱（用于视频专用模型却冠以 Flash/Experimental/Omni）、访问路径碎片化且有 Bug（AI Studio、Vertex、Flow、Gemini 应用）、订阅或付款困难、发布缓慢、不同账户类型下模型可用性不一致。许多用户表示 Google 的模型能力强，但被糟糕的 UX 和官僚化的产品组织埋没了，有些人因此转向 OpenRouter 或第三方提供商。少数人辩护模型的质量与价值，引用 Google One 套餐和 Flow 积分。评论者还讨论了视频用例（电影 B-roll、数据集）、API 与 Flow 之间的价格差异，以及 Google 在广告收入导向背景下的更广泛 AI 策略。总体情绪：技术强，产品体验弱。
无内容可翻译。
Unleash 是一个流行的开源功能管理平台，帮助团队安全地以更小的发布部署代码、使用生产数据进行测试，以及在不使用单独分支的情况下同时开展多个功能。它支持多种语言的官方和社区 SDK。用户可以使用 git 和 Docker 本地启动、配置 SDK，或通过免费试用体验 Unleash Enterprise。它提供隐私优先设计、审计日志、安全头、灵活托管以及通过 Unleash Edge 进行扩展。可获得社区支持、文档和贡献。许多公司信任它。
Hacker News 讨论了 Unleash：一个已有 11 年历史的开源功能开关服务器。该产品强调本地进程内求值、共享 Rust 引擎、OpenFeature 支持和自托管；付费层级增加 SSO、RBAC、审批和高容量边缘缓存。评论者围绕自建与购买展开辩论：简单开关可用设置或数据库实现，但更大系统需要定向、渐进发布、审计、过期开关清理和弹性缓存。LaunchDarkly 基于 MAU 的定价因昂贵受到批评，而 Unleash 及竞争对手被作为基于席位或请求的替代方案。还有人指出，功能开关常会长期成为配置，并认为尽管存在供应商依赖，托管服务仍可降低运维负担。帖子还包含对营销、许可以及部分作者评论可能由 AI 生成的怀疑。
本文回应乔姆斯基对统计语言模型的批评。乔姆斯基认为此类模型仅取得工程成功而非科学洞察，且语言必然是先天的。作者反驳道，科学结合了事实收集与理论，工程成功可表明模型有效，概率模型可通过考察行为与属性产生洞察。他定义了统计、概率与训练模型，并指出乔姆斯基攻击的是过时的马尔可夫模型而非现代概率方法。概率模型对于噪声下的解读以及捕捉语言的渐变、杂乱事实至关重要，而范畴模型则不够充分。统计方法主导着搜索、语音识别与机器翻译等自然语言处理应用。本文还主张，准确建模世界是正常的科学目标，而非新奇主张。它对比了数据建模与算法建模文化：乔姆斯基偏好简洁优雅的能力模型，而作者偏好反映实际语言使用与表现的模型。他接受先天语言能力，但认为其可能包含概率表征，且语言学应研究观察到的语言使用而非仅研究理想化形式。
彼得·诺维格的文章认为，统计学习具有科学价值，而不只是工程：准确的概率模型可为潜在现象提供证据，尤其在解释任务中。相比之下，乔姆斯基被描绘为对语言学中的统计方法持怀疑态度，优先考虑形式句法规则。Hacker News评论者争论LLM的成功是否能告诉我们关于人类语言学习的信息。一些人认为工程成功并不意味着生物机制；另一些人认为预测成功是证据，LLM表明语言可通过统计学习，尽管数据和计算规模更大且具有不同的先验。其他观点包括儿童的多模态、进化准备好的学习；乔姆斯基有争议的遗产；以及LLM可能展示创造性语言使用，但并不确定人类如何做到。总体而言，该讨论串反映了理性主义、基于规则的语言学与经验主义、数据驱动建模之间长期的争论。
本页来自Pensoft Publishers的《Hymenoptera Research》杂志（第51卷，第227–239页），发布于2016年8月29日，DOI为10.3897/jhr.51.9096。它展示了一篇托管于Pensoft的ARPHA出版平台的研究文章，提供标准文章章节（摘要、引言、方法、结果、讨论、参考文献）以及引用、查看指标、评论、查看图/地图/分类群、通过社交媒体或电子邮件分享等工具。周围网站提供Pensoft公司简介、期刊、图书、服务、项目、联系信息和订阅选项的导航，以及cookie政策通知和版权声明（© Pensoft Publishers 2026）。提供的内容中未包含具体的文章标题和摘要文本。
一篇 Hacker News 帖子链接到一篇 2016 年的文章，讲述困在波兰一座旧核武器掩体中的木蚁（Formica polyctena）群落。工蚁从上方的主群落经通风管坠入，却无法找到返回之路，形成一个仅由工蚁组成的群落。掩体内的群落没有蚁后或幼虫，在寒冷、食物匮乏的环境中生存，建造土丘，并积累了数百万只死蚁。评论讨论了蚂蚁可能如何坠入且无法爬出、同类相食或腐烂是否能维持它们生存、掩体的苏联/华约历史及可能的核储存用途，以及这个故事的比喻性共鸣。评论者还分享了野外研究经历和公民科学的入门途径。总体而言，该帖混合了对这一异常蚁群的好奇、对冷战掩体的历史推测，以及对生存与目的的哲学思考。