本网站正在使用安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了安全解决方案。有多种操作可能触发此阻止，包括提交某个特定词或短语、SQL命令或格式错误的数据。
每日HackerNews RSS
该讨论串讨论了《纽约时报》烹饪付费应用新增 AI 功能（如食材替代和食谱缩放）引发的反弹。批评者担心 AI 幻觉、不安全或错误的说明、在高级人工测试食谱服务中不信任 AI，以及担心这预示最终会削减专业测试厨房。部分用户不满为不想要的 AI 付费，并要求提供关闭它的开关。其他人认为这些可选功能实用且有用，指出基础食谱仍由人工测试，AI 只在用户请求时进行修改。评论者还争论术语（“幻觉”与“编造”）以及负面反应是否反映了更广泛的公众 AI 怀疑态度。一些人指出，许多用户已经私下使用 AI 调整食谱，因此内置工具可能增加价值。总体而言，反应呈两极分化：支持者看到便利，反对者看到平台劣化和信任受损。
Apple Developer 的 Touch on Mac 页面提供用于优化 Mac 触控输入应用的资源，包括教学视频、文档、示例代码和设计指南。开发者可以获取 Xcode 27.3 beta 及相关 SDK，以及 Apple Design Resources。页面还推广 Meet with Apple 小组实验室，供开发者向工程师和设计师提问。页面包含标准网站导航和页脚链接。
**摘要：Hacker News 关于 "Get Ready for Touch on Mac" 的讨论**
苹果发布触屏 MacBook 引发了 Hacker News 的混合反应。许多用户表示怀疑，引用 Windows 触屏笔记本多年来的误触经历，并更偏好 Mac 优秀的触控板。家长注意到孩子本能地伸手触碰屏幕，暗示预期的代际变化。
主要担忧包括：macOS 可能变得更加类似 iOS，失去键盘/鼠标优势；苹果忽视对 Catalyst 应用的键盘驱动改进；该功能仅在昂贵的 Pro 型号（2800 美元以上）上首发，而非消费级设备。一些人质疑高价下的目标受众。
积极声音指出触摸有助于滚动、浏览和绘图，且未使用的触摸功能影响最小。其他人认为该功能早已应该推出，因为 Windows 已提供完善的触屏支持多年。
其他讨论点："PRO" 营销壁纸让用户误以为屏幕坏了；一些人担心 UI 元素变大以适应触摸；开发者提出关于通过触摸的上下文菜单和窗口管理的实际问题。
总体情感在 Hacker News 技术导向受众中偏负面，尽管一些人预测在更广泛的消费群体中成功。
Hunter Brooks
写作
活动
简历
图像生成已经走了很长的路
我在 2022 年 8 月用 DALL-E 2 制作了这些。
HN
一篇题为"图像生成自2022年8月起已长足进步"的Hacker News帖子分享了早期AI生成图像的怀旧内容。评论者指出缺乏提示词或上下文使图像难以评估，不过其他人认出了诸如解剖结构错误和幻觉文本等熟悉缺陷，将其视为早期生成器的标志。一些人表达了对这种"粗糙"美学的怀旧，其中一人链接了一篇关于怀念糟糕AI艺术的文章。其他人指出有随时间比较模型的基准测试，并注意到现代生成器可按要求复现旧风格。实际讨论包括在普通GPU上使用ComfyUI等本地开源工具，用户因成本和灵活性而称赞开源模型胜过商业模型。编辑和保持图像一致性方面的挑战也有所提及。少数评论被标记为垃圾信息。总体而言，该帖反映了图像生成如何迅速演进，以及早期AI艺术的不完美如何成为一种可识别、甚至怀旧的风格。
请启用 JavaScript 和 Cookies 以继续
Hacker News
抱歉，我们无法这么快地处理您的请求。
重新加载
GitLab 安全事件：尝试利用 CVE-2026-97229 GitLab Security Incident: Attempted Exploitation of CVE-2026-97229
2 天前
Alpine 的 GitLab 在 10 月 20–21 日因 CVE-2026-97229（严重的 Ruby/Onigmo 正则漏洞）遭攻击。实例缺少 10 月 12 日的修复；攻击者发送了构造的 CI 配置，使 worker 崩溃，并推进了部分漏洞利用，但代码执行尚未确认。由于无法排除成功，Alpine 从头重建了 GitLab，重置了所有密码和密钥，并在重新开放前进行测试。用户需要新密码，并应更改其他地方重复使用的密码。检查未发现 aports、软件包、10 月 21 日发布版本或签名密钥被篡改，也未发现私有数据被可见返回。仅升级 GitLab 不能解决问题，因为补丁在 Ruby 中；运行自定义 Ruby 的受影响用户需要 Ruby 3.3.13、3.4.12 或 4.0.9 或更高版本，且较旧的 alpinelinux/gitlab:19.3.6 镜像仍存在漏洞。Alpine 的 Ruby 软件包通过 `apk upgrade` 修复。Alpine 将更快打补丁、改进日志并添加签名发布标签。
Hacker News 的一个帖子讨论了一起 Alpine Linux 上 GitLab 的安全事件，涉及试图利用 CVE-2026-97229。仅升级 GitLab 无法修复该漏洞；它源自 Ruby 的正则表达式引擎，而 Alpine 使用标准 Ruby 的自定义镜像缺少 GitLab 的 Ruby 补丁。评论者争论自托管风险、VPN 与零信任、依赖更新负担、CVE 编号，以及从不可信输入编译正则表达式的危险。一些人建议加强防御并减少互联网暴露；另一些人讨论 C 内存安全问题、Rust、模糊测试以及 Forgejo 等替代方案。该事件突显了供应链和版本混淆，尤其是容器镜像重新打标签，以及保持自构建软件已修补的困难。
健康更新 A Health Update
2 天前
作者在住院接受最后一次化疗时，回顾了为期一年的癌症治疗。六周腰椎穿刺导致严重脊髓性头痛后，他们每28天接受Bendamustine和Rituximab输液。副作用包括金属味、疲劳、严重肌肉和体重下降、神经病变，以及三月肺炎与房颤 scare，但他们坚持步行，并于五月完成输液。随后身体恢复：味觉、力量、平衡和神经功能改善，使他们能够外出和锻炼。还有一项治疗将在取出输液港前检查脑脊液，之后他们希望再次游泳。他们表达对妻子和康复的感激。最后转折：住院期间他们发现并紧急修补了影响公司服务器的PHP漏洞，导致网站暂时无法访问。现在在家中露台，他们感到安心，更健康，也更快乐。
标题为“A Health Update”的Hacker News帖子（343分）链接到Craig Hockenberry关于其癌症经历的博客。Hockenberry因创造“tweet”一词并开发早期iPhone应用而知名，获得了广泛支持。评论中有个人经历：一名用户的妻子因罕见遗传病导致的肠癌对免疫疗法Remarkable有效；其他人分享因癌症失去亲人的经历及对治疗选择的反思。讨论涵盖化疗副作用（甲氨蝶呤）、癌症的不可预测性，以及AI是否能加速药物开发。题外话包括Twitter更名为X和运动动力。该讨论串整体富有同理心，融合了希望、悲伤与对医学进步的感激。
沃尔特爷爷给孙辈们写了一个基于科学的“原来如此”故事，内容关于进化、氧气与气候变化。鸟类超高效的肺源自恐龙；这些肺是在二叠纪氧气骤降导致95%生命死亡之后进化出来的。更早之前，植物登陆并获得了木质素，得以高大生长，但死掉的木质素无法被消化，因此碳被埋藏，氧气升至30%以上，使得巨型昆虫与两栖动物得以出现。后来真菌与细菌进化出分解木质素的酶，氧气骤降至约12%，造成大灭绝；幸存者进化出了高效的肺。恐龙繁荣并体型巨大；鸟类继承了它们的肺。后来，人类把化石木质素作为煤炭、石油和天然气挖出来燃烧，释放二氧化碳的速度比其沉积时快50万倍，导致危险的全球变暖。替代方案存在——风能、太阳能、核电、碳捕集——但需要全球合作来调节地球温度。
Hacker News 上关于 Walter Murch 的 Nautilus 文章讨论，文章探讨鸟类如何飞越珠穆朗玛峰。评论者将 Murch 确认为著名的电影剪辑师和音效设计师。文章的核心解释是鸟类高效的呼吸系统：利用气囊和中空骨骼的单向气流，在高海拔有效利用有限的氧气。评论者澄清了这一解剖结构，并指出爬行动物中的进化中间形态。
讨论串还就文章的煤炭起源故事展开辩论，用户对木质素/真菌/细菌叙事及沼泽条件提出争议和修正。另一个讨论涉及化石燃料、气候激励，以及合成烃和储能的潜在未来角色。用户提出关于高氧时代、恐龙体型、野火、鸟类为何没有巨大化以及大型动物灭绝的问题。其他评论纠正了氧气本身不易燃的说法，提到吕佩尔秃鹫的极高海拔记录，并指出文章得到坦普尔顿基金会支持。总体而言，该讨论串将赞誉与科学纠正及离题辩论混杂在一起。
请启用 JavaScript 并禁用广告拦截器
一篇 Hacker News 讨论报道了 DHS 员工数据泄露。评论者就发布此类信息是否算作人肉搜索展开辩论，一些人认为公共雇员数据长期可得（如电话簿），另一些人强调现代风险，如骚扰、虚假报警和数字监控。多人将联邦隐私与州薪资透明度作比较，而另一些人表示执法人员的身份可能需要免受恐吓的保护。该帖还包含尖锐的政治反应，包括幸灾乐祸和指控为监控辩护。还提供了替代讨论链接。总体而言，对话中心是数字时代政府透明度与雇员安全之间的张力。
Cartesia 提出字节级分层网络（H-Net）作为端到端的分词替代方案。H-Net 递归地将原始字节块化为更高级表示，旨在通过直接从数据中学习语义来符合“苦涩的教训”。受控扩展阶梯显示，单阶段字节 H-Net 在验证损失上比匹配的 BPE Transformer 计算效率高 1.28 倍，下游任务和代码上的增益更大（域外最高约 5 倍）。一个更大的、与 SmolLM3 计算匹配的两阶段 H-Net 在约 1T token 而非约 11T token 后达到基线的最终平均分数，意味着约 10 倍的计算/数据效率。定性分析显示，H-Net 学习上下文相关的、语义上有意义的块边界，并展现上下文内分词，适应重复模式和新变量名。除语言外，H-Net 在 DNA 建模中表现出强增益（6–7 倍计算效率）和涌现的生物学对齐分段，以及在像素空间视觉模型中有前景的多维结果。总体而言，H-Net 被呈现为一种面向跨模态原始数据学习的基础架构。
Hacker News 上的讨论围绕“Scaling Hierarchical Networks”（H-Nets）展开；该方法让模型自行学习数据分块，而不依赖 BPE 等固定分词器。评论者就字节是否为自然基础展开争议：有人认为 Unicode 字节具有任意性和脚本依赖性，也有人认为它们作为不可再分原子提供了最佳表达力与计算权衡。支持者指出，学习式分词可能更好地捕捉形态与句法，改善下游迁移，并可推广到 DNA、图像等模态，从而整合预处理。怀疑者反驳说，BPE 对英语/代码中的多字符模式利用高效且解码更快，因此 H-Nets 可能需要领域特定的理由。其他人指出，H-Nets 仍可利用多字符模式和推测解码，性能需要实际测量。开放问题包括结果是否在不同模态/任务中成立，或只是基准调优的结果。
AI 已从橡皮鸭和代码片段来源演变为能干的编程助手。把问题写下来能澄清思路，AI 也能帮助克服导致拖延的小知识缺口。初级开发者应在卡住时才使用它，因为挣扎才能建立理解；资深开发者更能判断其输出。公司可能更青睐资深开发者，因为 AI 已能处理初级执行工作。代码不重构仍会腐化；使用不当，AI 会加速混乱。它在小步推进时效果最佳，也可能过度生成或增加不必要的抽象。随着代码更容易产生，系统设计、边界和耦合变得更重要。好习惯包括增量修改、清晰的简洁性约束、强测试、用于调试的日志、markdown 笔记、主动简化以及确保个人理解。速度便宜，但优质软件仍需谨慎与理解。
一篇 Hacker News 帖子链接到 blockingqueue.com 上的《我用过的最好的橡皮鸭》，获得 15 点和 7 条评论。评论者讨论其建议对中大型编码组织是否实用，以及 LLM 是否赋能个体程序员同时可能加速大型团队的衰败。一名评论者描述将 AI 用作导师和后续测验。其他人讨论投稿标题、大小写以及 HN 的自动标题篡改/审查，指出投稿者可编辑标题。该页面还推广 YC Winter 2027 申请。