本摘要概述了前现代军队融资的根本挑战，即国家的主要目标是从农业自给经济中提取劳动力和资源，以支持非自给性的军事活动。
由于前现代国家缺乏现代意义上的“军工复合体”，它们主要通过以下三种往往相互重叠的体系来管理这些成本：
1. **再分配经济**：在非货币化社会（如青铜时代帝国），统治者将农业剩余产品集中起来，直接分配以供养士兵和工匠。这需要一个高强度、具备读写能力的官僚体系。
2. **货币化支付**：拥有发达铸币体系的国家（如罗马、古典希腊）能够以现金支付士兵和专业人员。这种方式行政效率高，但前提是必须拥有货币化经济，且具备有效的征税能力。
3. **权力下放**：当国家缺乏征税的行政能力时，它们会将成本“下放”给个人（如自备装备的民兵）、地方精英（“权势人物”）或社区。虽然这种方式行之有效，但往往需要向这些群体让渡政治权力。
最后，尽管**掠夺和征用**有助于抵消开支，但它们并不可靠，且极少能维持长期作战。归根结底，一个社会的军事结构是由其潜在的经济和政治组织所决定的。
每日HackerNews RSS
这场 Hacker News 讨论聚焦于布雷特·德弗罗（Brett Devereaux）的系列博客《为世界构建者准备的前现代军队》（Pre-Modern Armies for Worldbuilders）的第三部分，探讨了古代战争的经济后勤问题。
讨论的核心在于“向入侵者缴纳赎金”与“组建军队”之间的战略博弈。一些评论者认为，进贡（如丹麦金）是一种理性的短期生存策略；但另一些评论者则支持该博客的观点，指出前现代国家通常“财政拮据”，缺乏支付此类贿赂所需的流动资金。
参与者进一步讨论了贿赂敌人的固有风险，指出这往往会壮大侵略者，并造成一种导致长期不稳定的依赖循环。相反，内部招募军队不仅被视为防御的必要手段，还被视为一种能让资源在国家内部循环的经济引擎。该话题还涉及了当时的劳动现实，探讨了铁匠等专业工匠是否真的被“锁死”在自己的职业中，还是依然与农业周期保持着联系，这凸显了在追求历史真实性时进行世界构建所面临的广泛挑战。
SedonaDB 0.4 在空间分析领域迈出了重要一步，引入了 **RayBooster**。这是一个创新的引擎，利用闲置的 GPU 光线追踪核心来加速空间连接。通过将空间交集映射到光线追踪基元上，SedonaDB 实现了巨大的性能提升——在消费级硬件（如 RTX 3090）上运行特定查询时，其性能甚至超过了企业级的 H100。
关键技术进步包括：
* **GPU 优化存储**：使用“数组结构”（Structure of Arrays）格式，实现 O(1) 几何访问。
* **全局索引**：采用 Z 轴堆叠（Z-stacking）构建统一的包围盒层次结构（BVH），以实现高效的批处理。
* **通用谓词引擎**：使用 DE-9IM 拓扑描述符，通过单一代码路径处理任何几何组合。
* **内存感知调度**：通过智能管理复杂连接过程中的 GPU 内存，防止程序崩溃。
在 *SpatialBench* 上的测试显示，RayBooster 的速度提升高达 9.68 倍，大幅缩短了查询时间并降低了云基础设施成本。用户只需通过简单的 Docker 命令（`SET gpu.enable = true`）即可启用此功能。本次发布修复了 187 个问题并新增了 26 个函数，同时也为后续支持 Python DataFrame、GeoParquet 和 N 维栅格奠定了基础。
抱歉。
**slisp** 是一个将 Lisp 程序转换为独立 Linux/AMD64 汇编的编译器。作为一项学习项目，它为传统的交互式 Lisp 环境提供了一种编译型替代方案，并支持整数、字符串、列表、带有闭包的 lambda 以及用 slisp 自身编写的标准库等基本功能。 主要功能包括用于堆内存的指针碰撞分配器（bump-allocator），以及多种数学和逻辑原语。值得注意的是，该项目排除了垃圾回收、宏和 `quote` 等复杂功能，旨在打造一个简洁且实用的基础。 代码仓库包含一套强大的测试套件，其中包括将输出与预期结果进行对比的功能测试，以及针对编译器内部组件的 Go 语言单元测试和模糊测试。该项目的开发源于作者此前参与更复杂语言项目的经验；通过选择 Lisp 语法，作者旨在利用标准系统 ABI 实现一个更易于维护且具备“实际应用价值”的编译器。用户可以通过内置的构建流程或提供的 Makefile 轻松编译和链接代码。
《拦截者》（The Intercept）获取的内部文件显示，以色列政府曾多次请求 Meta 删除社交媒体上批评其对伊朗战争的内容。以色列的请求主要针对表达反战立场、悼念伊朗领导人或分享导弹袭击视频的帖文。 Meta 与以色列政府关系密切，甚至聘请了内塔尼亚胡的前助手担任联络人。该公司经常遵从这些请求，自 2023 年底以来，其配合率已攀升至约 94%。尽管 Meta 声称所有内容均基于其自身政策而非政府要求进行审核，但批评人士认为，该公司的规则不成比例地审查了中东地区的声音，同时偏袒以色列和美国等强国的利益。 法律学者和数字权利专家警告称，这种不透明的幕后审查机制造成了扭曲的全球舆论环境。通过允许交战政府利用特权渠道影响内容审核，Meta 被指控借“危险组织”政策之名压制政治言论，最终损害了其平台在关键地缘政治冲突中的中立性。
抱歉。
Gossamer 是一门现代编程语言，旨在通过 WebAssembly 编译的虚拟机在浏览器中直接流畅运行，无需本地安装。 该语言具有简洁且富有表现力的语法，支持： * **函数式范式：** 包含用于数据转换的可读管道操作符（`|>`）。 * **并发处理：** 通过 `spawn` 和 `join` 提供对 goroutine 的原生支持，并可轻松处理结果。 * **强大的类型系统：** 利用代数数据类型（ADT）和模式匹配来处理复杂数据结构。 * **灵活性：** 允许顶层语句，使 `fn main()` 成为可选，从而减少样板代码。 通过将底层性能与高水平的开发体验相结合，Gossamer 简化了从 Web 路由到复杂计算的各项任务，且一切均可在交互式的浏览器环境中实现。
**Gossamer** 是一门受 Rust 语法启发的新型编程语言，在 Hacker News 上引发了激烈讨论。它被定位为一种“系统语言”，支持 M:N 调度（类似 Goroutine）以及带循环检测的引用计数内存管理，旨在实现无停顿的性能表现。
批评者认为“系统语言”这一标签具有误导性，指出它缺乏底层控制能力、没有用户自定义宏，且依赖引用计数，相比 Rust 的手动或编译时内存管理，这可能会引入额外的开销。怀疑论者还指出，该项目的网站和代码库看起来像是“AI 生成”的内容，缺乏明确的路线图或自托管编译器。
相反，支持者认为该语言有其价值，它采用了 Rust 的人体工程学语法和类型系统，同时去掉了所有权/生命周期和异步函数着色的复杂性。尽管有人认为它类似于 Swift 或 Kotlin 等高级语言，但另一些人则认可其提供高性能、开发友好的初衷。该项目尚处于早期开发阶段（v0.19），因此许多人认为这只是一个有趣的实验，目前尚不具备用于严肃基础设施生产所需的成熟度或独特辨识度。
位于俄克拉荷马州诺曼市山姆·诺贝尔博物馆（Sam Noble Museum）的“奇异头饰：角龙类与非凡头骨的演化”展览，是一场极为出色的演化生物学临时展。该展览汇集了令人印象深刻且内容丰富的化石、雕塑和插图，探索了角龙类及多种哺乳动物多样化的头骨解剖结构。
展览布局逻辑清晰，一侧专门展示中生代恐龙，陈列了一系列引人注目的角龙类头骨和骨架，包括辽角龙（*Liaoceratops*）和曙角龙（*Auroraceratops*）等珍稀标本；另一侧则展示新生代哺乳动物，为理解不同动物群体中独特头部结构的演化提供了背景。高质量的解剖陈列，辅以清晰详实的展板说明，以及谢恩·福尔克斯（Shane Foulkes）和安德烈·阿图钦（Andrey Atuchin）的艺术创作，营造出一种令专家和普通游客都叹为观止的“珍奇屋”体验。
该展览由罗布·加斯顿（Rob Gaston）策划，是古生物学和演化设计爱好者不容错过的盛事。展览将持续至2026年8月下旬，为观众提供了一个价格亲民且引人入胜的视角，去领略大自然中最具创造力的“生物设计师”们的杰作。
抱歉。
列线图是一种由多个刻度尺组成的图形计算工具。用户只需将直尺横跨已知数值，即可即刻解出包含三个或更多变量的复杂数学方程。这种对线图由菲尔贝·莫里斯·多卡涅（Philbert Maurice d’Ocagne）于1880年发明，在现代计算机出现之前，是工程师、医生和科学家不可或缺的工具。
虽然数字计算器在很大程度上已取代了常规数学运算中的列线图，但它们因具备提供变量间相互关系及跨变量敏感度视觉洞察的独特能力，依然具有重要的应用价值。在无需电力且要求高可靠性的现场环境中，或是求解难以通过代数方法分离的隐变量时，列线图尤为实用。
如今，借助PyNomo等软件，设计此类工具变得触手可及。用户可以编写脚本来制作自定义的列线图，将经验数据或特定的物理关系封装其中，将复杂的公式转化为优雅且具有自解释性的图表。无论是应用于工程、医学还是统计学领域，列线图都在原始计算与概念理解之间架起了一座桥梁，证明了计算的真正目的不仅在于数字，更在于洞察。
这篇 Hacker News 讨论聚焦于一份报告，该报告指出美国政府正在限制对新型“GPT-5.6 Sol”人工智能模型的使用，仅允许政府选定的少数“受信任合作伙伴”访问。
**讨论的核心观点包括：**
* **监管越权：** 许多用户认为这开创了一个危险的先例，标志着监管方式从透明、基于法律的模式，转向了武断的、基于“感觉”的行政管控，从而助长了任人唯亲和政治偏袒。
* **“搬起石头砸自己的脚”的讽刺：** 多位评论者指出，OpenAI 和 Anthropic 此前曾游说政府进行监管，如今却面临着不透明、限制性的审查流程，这对它们的商业模式和全球竞争力构成了威胁。
* **地缘政治后果：** 用户担心此举会将人工智能的前沿阵地拱手让给中国。通过迫使美国实验室“削弱”模型并限制访问，政府可能会无意中将外国开发商和企业推向中国或开源替代方案，从而永久性地损害美国产业的全球竞争壁垒。
* **开源的未来：** 人们非常担心这些限制性政策最终会被用来针对开源人工智能，甚至可能将开发或使用未经政府预先批准的模型定为犯罪。
选民对大型数据中心的反对正逐渐成为美国一股强大的政治力量，跨越党派界限，致使支持这些项目的官员落选。数据中心曾被视为经济发展的引擎，如今却日益被公众视为对当地土地利用、水资源以及最关键的家庭用电负担能力的威胁。 近期的选举结果凸显了这一趋势。在犹他州，参议院议长及当地委员因支持大型“Stratos”数据中心项目而落败。俄勒冈州、弗吉尼亚州和密苏里州也出现了类似的政治反弹，反对数据中心的候选人成功将现任官员挤出局。 政治分析人士指出，随着能源价格成为“负担能力”的焦点，选民对“人工智能基础设施消耗海量电力，可能推高消费者电费”这一说法作出了反应。尽管这些项目承诺带来就业和税收，但由于缺乏切实的本地利益，它们已变成一种政治负担。由于公众情绪依然持强烈怀疑态度，共和党和民主党官员目前均面临压力，必须要么放弃这些开发项目，要么实施严格监管，以保护缴费者免受人工智能驱动的能源热潮所带来的成本上涨影响。
这篇 Hacker News 讨论凸显了选民对数据中心激增日益增长的抵触情绪。批评者认为，这些项目往往由地方政客通过秘密、不透明的交易强行推动，优先考虑企业利益而非社区需求。
引发这种反对的主要担忧包括：
* **基础设施压力：** 海量的能源和水资源消耗威胁到当地公用设施的可靠性，并增加了居民的成本。
* **经济影响：** 人们认为数据中心提供的长期本地就业岗位很少，却享受着税收优惠，这实际上是在“成本社会化”的同时实现了“收益私有化”。
* **对人工智能的怨恨：** 许多人将数据中心视为人工智能公司的实体化身，认为这些公司威胁就业并助长了“人工智能垃圾内容”（AI slop），这让公众感到被背叛。
* **治理问题：** 对缺乏公共对话以及利用保密协议（NDA）绕过民主监督感到沮丧。
相反，支持者认为数据中心是技术进步必不可少的基础设施，当地的反对声音往往是由虚假信息、“邻避主义”（NIMBYism）或外部影响活动所煽动。尽管存在这些争论，但这一趋势正成为一个政治包袱，支持这些开发项目的官员在初选中落败就证明了这一点。
本书旨在为构建面向现代人工智能工作负载（包括大语言模型和混合专家模型）的高性能 GPU 内核提供全面指南。本书取材于卡内基梅隆大学的机器学习系统课程，弥合了复杂的 GPU 硬件架构（特别是 Blackwell 一代）与前沿实际应用之间的鸿沟。 本书强调建立稳固的硬件认知模型，重点关注数据布局、异步内存移动和任务调度等关键优化技术。为了便于学习，书中采用了基于 Python 的领域特定语言（DSL）TIRx，让读者能够通过可运行的循序渐进的代码示例，深入理解底层硬件控制。 全书分为四个部分： 1. **GPU 基础**：GPU 架构的核心概念与优化方法。 2. **TIRx 概览**：编程模型介绍。 3. **GEMM 实现**：通过 TMA 流水线和 Warp 特化等高级技术优化矩阵乘法的系统指南。 4. **FlashAttention 4**：深入剖析如何构建生产级的注意力机制内核。 通过将硬件直觉与实践编程相结合，本书为工程师提供了掌握驱动现代人工智能的高性能内核所需的必要工具。
抱歉。