请启用 JavaScript，并禁用所有广告拦截器。
每日HackerNews RSS
抱歉。
在医学和科学等高风险领域，了解人工智能系统得出了什么结论只是其一，更重要的是了解它是如何得出这一结论的，包括错误究竟源于推理缺陷、无效证据还是错误假设。 受阿尔法狗启发，机器推理应维护一种明确的认知状态，类似于博弈树，用来记录哪些内容已知、哪些内容存疑、哪些内容已被排除，以及哪些问题仍未解决。推理过程应包括通过演绎、分解、计算和实验不断更新这一状态，并选择最能带来新信息的下一步行动。 与棋盘游戏不同，现实世界中的推理涉及不完整的信息、数量庞大且不断变化的可选行动，以及具有不确定性或随机性的结果。一种以显式认知状态跟踪为核心的全新技术架构，可以让机器推理更具可解释性、适应性和可信度。
The Hacker News 上的一篇讨论 debated 一篇文章，该文章声称大语言模型并不真正具备推理能力。文章指出了三个缺陷：模型没有明确、持久且可审查的信念；知识与推理过程相互纠缠并混合在模型权重中；思维链解释可能只是事后合理化，而非对模型实际计算过程的忠实描述。
许多评论者质疑这些标准，指出人类同样依赖隐性知识，也常常在作出决定后才编造解释。另一些人则认为，以人类的生物机制来评判 AI 会产生误导，并列举了智能体系统的特点：这类系统能够维护状态、持续接收反馈、使用外部工具，并自主规划或采取行动。评论区还批评了将 AI 与飞机、鸟类进行类比的做法，认为这种比较混淆了不同的实现方式与不同的能力。
讨论还延伸到了意识、功能主义、唯物主义、量子理论，以及在没有主观体验的情况下是否仍可能存在可观察的推理。一个较为常见的结论是：这篇文章更有力地论证了透明、可审计的推理的重要性，包括明确的前提、证据、不确定性、搜索过程和验证机制，而不能充分证明当前模型完全不具备推理能力。目前尚未形成共识，主要原因在于“推理”本身仍未得到明确界定，其含义也存在争议。
**人机验证** 要继续操作，您需要解决 CAPTCHA 验证谜题，以确认您不是机器人。 该 CAPTCHA 验证谜题需要 JavaScript。请启用 JavaScript，然后重新加载页面。
一场 Hacker News 讨论聚焦于人工智能引发的内存短缺，预计将持续到 2028 年。数据中心运营商在难以确保芯片、电力、设施及其他资源的情况下，仍作出了激进的、不可取消的承诺，这引发了对项目延期、破产和库存积压的担忧。消费者则反映 DDR4/DDR5 价格大幅上涨，而云端 GPU 既稀缺又昂贵。
许多评论者将人工智能基础设施热潮与互联网泡沫相比，不过微软、谷歌和亚马逊目前仍然盈利。有人建议提前做好财务准备，包括保留应急储蓄、分散投资、避免过度依赖人工智能股票，以及不要让自己的职业或业务与大语言模型供应商绑定得太紧密。
其他人则质疑，内存效率的提升是否真的会有所帮助，并引用了杰文斯悖论：更便宜、更高效的硬件往往会促使总体消费量进一步增加。人工智能也可能让软件性能分析和内存优化变得更加容易。其他值得关注的问题包括军事硬件需求、中国制造商、出口限制和关税。
该内容是损坏或未解析的 PDF 二进制数据，无法翻译成可读中文。
黑客新闻的讨论帖介绍了保罗·哈尔莫斯于 1973 年撰写的约翰·冯·诺伊曼人物特写，重点讲述了他非凡的记忆力、计算速度，以及他在数学、物理学、博弈论、量子力学、计算和天气预报等领域的影响。
commenters 回忆了他的 anecdotes，包括善于交谈、在工作中大声说话、喜爱金钱、危险的驾驶习惯，以及后来因癌症而身体衰退。他的声誉也引出了许多棘手的问题，例如他主张对苏联实施核打击，以及更高的智慧是否必然带来更好的判断力。
讨论中出现了几个主要争议：
- 哪些贡献真正属于他的原创，尤其是量子理论和博弈论方面的贡献？
- 在存储程序计算机架构方面，冯·诺伊曼应获得多少功劳，又应如何与 ENIAC 的发明者约翰·莫克利和 J. 普雷斯珀·埃克特相比？
- 学术上的“孤岛”、把关机制、重复使用的术语和制度壁垒，是否会阻碍跨学科研究？
- 如今的人工智能研究人员或企业实验室，是否可能产生与冯·诺伊曼同等水平的知识影响？
读者推荐了阿纳尼奥·巴塔卡里亚的《未来人》、乔治·戴森的《图灵的殿堂》、本杰明·拉巴图的《疯子》，以及冯·诺伊曼自己的《计算机与人脑》。
施瓦茨教授认为，当前的人工智能系统虽然强大，却与人类科学家的实际工作方式不太匹配。他没有让 Claude 模仿传统科研人员，而是把重点放在“适合 Claude 发挥”的问题上，利用它广泛的知识、编程能力，以及处理可验证定量计算的便利。 他开发了 BootLoops，这是一个用于精确科学计算的开源工具。Schwartz 与领域专家合作，通过 BootLoops 实现了多种分散的方法，计算了 30 个此前尚未解决或得到复现的费曼积分，并在数学物理与生态学、群体遗传学、经济学、语言学、基因组学、宇宙学、天文学和统计学之间建立了联系。专家指导不可或缺：技术计算即使正确，往往也需要合作者将研究引向重要问题，结果才具有科学意义。 Schwartz 还记录了人工智能在实际应用中的失败模式，包括过早宣称成功、过度计算、估算不可靠以及结论薄弱。他建议采取严格的成功标准、独立验证、可视化检查、对抗性审查和人工监督等保障措施。 归根结底，BootLoops 表明，人工智能能够自动化大量技术工作，并连接彼此割裂的领域，从而加速科学进步，但无法取代科学的基础方法。概念判断、审美与取舍、数据收集、验证以及研究方向的选择，仍然本质上属于人类。Schwartz 披露，他曾在 Anthropic 担任访问研究员；BootLoops 是一个独立项目。
一则 Hacker News 帖子链接到 Anthropic 的文章 **《被 Claude 塑形的科学》**。文章认为，Claude 和 GPT 虽然能够完成科学任务，但还不能算真正意义上的科学家，因为它们无法自主生成并验证知识。
讨论将其与 Matt Might 对“人类知识前沿”的可视化相类比，并强调 BootLoops 是由 AI 驱动研究的一种方法。
评论褒贬不一。有人认为这项工作为未来科学的发展方式提供了有前景的思路；也有人批评这种框架过于以 AI 为中心，或缺少实质内容。几名评论者指出，“*-shaped（以……塑形）”这一表述早在 Claude 出现之前就已存在，可能体现了频率错觉。该帖还引发了一些玩笑，有人将“Claude-shaped”与 Anthropic 的标志联系起来，也有人猜测它为何能在 Hacker News 上获得异常高的排名。
该代码集成了 PrintJS，支持打印 PDF、图片、HTML、原始 HTML 和 JSON，并提供针对不同浏览器的回退方案。站点专属功能会将文章容器设置为可打印内容，移除 Pinterest 分享控件，并应用自定义打印 CSS：隐藏导航、广告、订阅弹窗、社交工具、元数据及相关内容，同时优化文章的打印格式。在 Firefox 中使用系统原生打印对话框。 其他脚本包括：通过 Cookie 管理订阅弹窗，支持自定义颜色、定时或滚动触发的显示方式、交互跟踪以及表单关闭处理；在订阅侧边栏进入可视区域时高亮显示；获取文章评论数量并连接评论按钮；调整社交账号信息和订阅模块的标记结构；根据文章专属字段重新定位或显示订阅注册区块。
一则 Hacker News 讨论帖谈及美国被指干预巴西 2026 年大选的指控，包括驻外使馆展开联络、以签证优惠作为激励、向网红提供资金，以及支持右翼候选人。评论者争论，这些行为究竟只是外国对巴西国内事务的寻常评论，还是已经越界干涉选举。
讨论很大一部分是在质疑原文章对法院裁决的描述。法官禁止向缺席的卢拉提问，但并没有提到他本人；与此同时，围绕辩论参赛资格和形式的争议最终导致辩论取消。
讨论帖逐渐变成了各种党派争论，涉及卢拉的工人党、博索纳罗、迪尔玛·罗塞夫的弹劾、环球电视台 alleged bias，以及最高法院的影响。一些人认为，美国的施压可能适得其反，反而提高卢拉的支持率；另一些人则认为证据不足，并提出与美国国际开发署资助的非政府组织或俄罗斯有关的无关说法。后来，这篇帖子被标记并删除或降权。
请启用 JavaScript 和 Cookie 以继续。
欧洲支付组织正在推动各国即时支付体系互联，可能通过 Wero 及其他相关倡议，使交易能够跨境流转，而不必依赖 Visa 或 Mastercard。
支持者认为，这有助于增强金融主权、降低对美国制裁和“去银行化”的影响，并实现更便宜的账户到账户支付。印度 UPI、巴西 Pix、澳大利亚 PayID 和泰国 PromptPay 等类似系统表明，卡组织网络之外的支付方式也可以得到广泛使用。
怀疑者质疑消费者能否从中直接受益。信用卡已经具备广泛受理、积分奖励、欺诈保护和便捷结账等优势，而 SEPA 和 IBAN 转账也能满足许多基本转账需求。批评者还担心，新系统可能只是将对 Visa 和 Mastercard 的依赖，转变为对 Apple 和 Google 的依赖，尤其是在移动钱包要求和远程设备认证等方面。隐私保护、GDPR 的执行、商户接入成本，以及降低处理费是否真的会带动价格下降，也仍存在争议。新系统的普及很可能取决于用户能否获得明确且实用的优势。
一场 Hacker News 讨论围绕哈佛大学粒子物理学家马修·施瓦茨展开。他公开了 36 篇与 Claude 共同署名的论文，主题横跨粒子物理学，以及医学、生态学、经济学、神学和论文写作研究等领域。“Drops”这个说法起初令人困惑，因为它既可以表示“发表”，也可以表示“撤稿”。
评论者阵营分明。批评者称这些成果是人工智能生成的粗制滥造或妄自尊大的产物，强调施瓦茨在物理学之外并不具备相应的专业能力，并警告论文表达得流畅可信，会掩盖事实错误，从而占据本已稀缺的研究验证与复现能力。他们还提到此前类似论文发表失败的案例，并指出学术声望并不能保证研究结论正确。
支持者则依据施瓦茨的说法为 Claude 辩护：它表现得像一名效率很高但仍需大量指导的研究生，在相关领域专家审阅并修改论文的配合下完成了这些工作。他们认为，人工智能或许能加快有用研究和数值分析的速度；而仅凭学术履历或出身判断成果，本身也是一种诉诸权威。
更广泛的担忧包括现有的出版激励机制、同行评审负担过重，以及人工智能究竟应当帮助复现已有结果，还是继续制造更多未经证实的主张。讨论最终没有形成共识；在专业人士进一步审查之前，这些论文是否有效仍无法确定。
许多人重新开始收藏CD、DVD、黑胶唱片和磁带，因为实体媒介能带来拥有感、掌控感，以及一种更主动而非被动的文化体验。Ash拥有5000多张唱片和CD，他重视在不依赖算法的情况下发现音乐，并喜欢完整聆听专辑。CJ和Ruth希望能够长期访问电影、节目和音乐，不必担心流媒体平台将这些内容下架；Ruth还想直接支持音乐人。Antonio不愿订阅服务，也不想面对涨价或个人收听数据被分享。 Quinn喜欢实体媒介所带来的仪式感，并会购买艺术家的磁带以支持他们，尤其是在不便举办演唱会的情况下。Tim欣赏以DVD看电影时那种从容且以家庭为中心的过程，而Sophie则觉得实体媒介不像流媒体那样受到分析、压迫和控制。对这些收藏者而言，实体媒介的吸引力并不只是怀旧：它能提供平台独立性、长期可用的内容、隐私，以及更主动、更有触感的使用体验。
一则关于重拾 CD、DVD 和黑胶唱片的 Hacker News 讨论，核心围绕自主权与持久保存展开。支持者不认同流媒体订阅模式，也不喜欢平台内容随时消失、曲库授权不全、充斥广告、离线体验差、设备容易分散注意力，以及算法不透明、只服务平台而非听众等问题。实体媒介则可以长期备份，并提供封面 artwork、内页注释，以及一种不受干扰、由自己挑选并分享音乐的方式。
很多人同时使用这两种方式：把光盘转录成数字文件，或直接向艺人购买文件，再通过 Navidrome、Subsonic、Plex 或本地存储播放自己的 FLAC/MP3 音乐库。有人还提出了富有创意的方案，例如使用 NFC/RFID 卡播放器，以及通过扫描条形码运行的数字“CD 播放器”。
反方观点则质疑实体媒介成本高、会产生塑料垃圾，而且购买和收藏涉及劳动、盗窃、损坏以及收藏不完整等问题。也有人指出，只要由用户掌控，算法仍然可以辅助发现音乐。总体来看，实体媒介最有吸引力的地方并非怀旧，而是信任、策展，以及有意识地聆听。
Audionaut 是一款免费、开源的多轨音频编辑器和录音工具，使用 C++ 和 JUCE 构建。它原生运行于 Windows、macOS 和 Linux，提供精确的片段编辑、每轨播放列表、灵活的声道支持、淡入淡出、增益控制、 stems 分离以及干净的导出功能，同时避免了完整数字音频工作站所带来的复杂性。
AI 智能体可以通过 MCP 使用 Node.js 18+ 控制已打开的项目，每次编辑都会记录为一个撤销步骤。无界面的 `audionaut-cli` 还支持脚本和持续集成，覆盖项目创建、导入、分析、自动编辑、拼接、拆分、区域、片段操作、分离和导出等任务。命令会提供机器可读的 JSON 信封、预定义的退出码以及标准错误日志；命令行界面和图形界面创建的项目可以相互替换。
构建时需要递归检出子模块。可选的 Essentia 分析功能可进行分段、起始点检测和节拍跟踪，但需要 Python 3.11 或更低版本。基于 Demucs 的分离功能使用项目内置的依赖，并在首次使用时下载模型权重。仓库中包含各平台的项目文件以及 Linux 构建说明。
遥测功能完全由用户自愿启用，并可通过设置 `AUDIONAUT_DISABLE_ANALYTICS=1` 禁用。Audionaut 根据 GPLv3 或更高版本许可证以及商业许可证提供。
Audionaut 是一个全新的开源跨平台多轨音频编辑器，以区域和播放列表为核心，灵感来自 Sound Designer II，而非传统音序器或完整的 DAW。它强调时间精度，并通过 MCP 服务器提供基于智能体的编辑功能，使 Claude Code 能够自动执行编辑，同时让项目保持可见、每次更改均可撤销，并由用户控制保存。
开发者表示该项目最初获得了广泛关注，但目前还没有正式路线图。反馈建议加入右键菜单导入、标签以及标签/区域互换、自动交叉淡化、包络、插入/发送效果、插件支持、Flatpak 打包和性能基准测试。潜在的未来方向包括通过语音或音乐分析自动移除不需要的播客片段、改进制作流程，以及集成基于 OSC 的提示或现场表演功能。
Audionaut 已经可以用于多轨编辑，但还不是完整的 DAW。由于开发者长期使用 JUCE，项目采用了 JUCE。其无锁、向量化音频引擎旨在实现高效播放，不过大量音轨场景下的延迟尚未进行基准测试。