这段文字记录了为Lone Lisp动态语言开发垃圾回收器的过程，从一个非常基础的（“初学者第一个”）实现开始，并逐步演进以应对重大挑战。最初，该回收器是“精确的”，仔细跟踪对象位置并在对象不再使用时回收内存。然而，对象发现了一个漏洞——短暂地脱离堆栈，导致回收器过早地“回收”它们。 为了解决这个问题，回收器被扩展为在“地下世界”——原生堆栈中搜索逃逸对象，使用诸如跟踪堆栈帧和利用平台特定知识（如堆栈指针位置）等技术。这涉及到复杂的、近乎神奇的代码来访问和扫描原生堆栈以查找Lisp对象。 为了解决测试中暴露的持续存在的问题，特别是隐藏在CPU寄存器中的对象，还需要进一步改进。这需要平台特定的汇编代码来保存寄存器内容以便扫描。最终，结果是一个保守的垃圾回收器，虽然不完美，但成功地定位和管理内存，为“Lisp之地”带来了和平。作者将这个过程描述为垃圾回收器自身成长和学习的旅程。
每日HackerNews RSS
## 婴儿的第二个垃圾回收器 - Hacker News 摘要
Matheusmoreira 发表了一篇文章，详细介绍了为他的 Lisp 实现“lone”构建垃圾回收器的第二次尝试。该回收器主要是*保守的*，通过允许将 Lisp 值直接放置在 C 栈上而简化开发，无需立即关注垃圾回收问题。它现在还包括堆压缩和对保守发现的值进行固定。
讨论集中在保守型 GC 的权衡（简单性与性能）、潜在的优化以及栈扫描的挑战。用户建议使用编译器属性，如 `preserve_none`，以在 GC 调用期间最大限度地减少寄存器保存，并探讨了确定栈边界的方法。
尚未完全进行性能测试，但初步调试显示，保守的栈扫描器检查大约 16 个缓存行，在扫描值中识别出大约 26-31% 的命中率。作者指出，在移除递归求值器后，C 栈深度显著减少，可能改善暂停时间。对话还涉及了相关项目，如 Whippet，以及利用编译器特性支持 GC 的困难。
## Meta的雷朋眼镜：一场隐私危机
Meta的雷朋智能眼镜，预计到2025年销量将超过七百万副，对隐私构成重大威胁。虽然外观像普通太阳镜，但它们会持续录制视频和音频，并将数据发送给位于肯尼亚内罗毕的Sama等分包商，工人们在那里审查深度个人化的影像——包括亲密瞬间——用于人工智能训练。
关键在于，这种数据收集是由一个无法关闭的人工智能功能实现的，且未获得有意义的同意。Meta声称隐私“由您控制”，但调查显示存在持续的数据传输，并且无视GDPR等数据保护法律。这些眼镜实际上将任何在范围之内的人变成了一个数据来源，影响私人空间，并引发了对可识别面孔的担忧，尽管有匿名化声明。
除了Meta之外，其他科技巨头也在开发类似的眼镜，预示着整个行业都在推动将面部数据货币化。这项技术被宣传为辅助工具，但批评人士认为这是一种“特洛伊木马”，用于大规模监控。最近的事件表明存在被滥用的可能性，包括识别个人和访问个人信息。
日益增长的公众和监管压力——包括诉讼以及立法者要求提供答案——凸显了迫切需要制定政策，禁止这些眼镜在私人场所使用，并要求科技公司承担更大的责任。
## 黑客新闻讨论：始终在线的AI眼镜与隐私
一场黑客新闻的讨论围绕一个项目（[banray.eu](https://banray.eu)）展开，旨在提高人们对始终在线的AI眼镜潜在危险的认识。核心问题是这些设备持续进行面部识别和数据收集的隐私影响，特别是关于Meta等公司潜在滥用的问题。
用户们争论问题在于技术本身还是缺乏对数据收集公司的监管和信任。一些人指出大型科技公司过去的数据泄露和隐私侵犯行为，作为不负责任行为的证据，并呼吁更严格的监管和问责制。另一些人则对过于严格的欧盟法规表示沮丧，建议关注负责任的创新，而不是直接禁止。
一位患有面部失认症（无法识别面孔）的用户提供了一个独特的视角，指出自然的面部识别能力已经存在隐私动态。对话凸显了技术进步、个人权利以及负责任的数据处理之间的紧张关系。最终，讨论强调了考虑新兴技术的伦理和社会影响的重要性。
亚伦·沙博，现任环保署助理署长，正在主导削弱甲烷污染法规的努力，尽管他之前作为石油和天然气游说者工作时，曾撰写过反对更严格法规的关键行业论据。元数据显示，沙博在受雇于其成员之一期间，曾为美国勘探与生产委员会（AXPC）撰写了一封反对甲烷控制的信函，时间为2022年。 自加入特朗普政府以来，沙博一直积极寻求来自像AXPC和美国石油学会等行业团体的意见，甚至包括具体的法规措辞，而这些团体将从放松法规中受益。内部记录显示了多次会议和协作起草环节。行业代表报告称与环保署的互动非常积极，并注意到环保署愿意考虑长期寻求的豁免。 批评者，如谢尔顿·怀特豪斯参议员，指责环保署已被石油和天然气行业“俘获”。政府将这些互动描述为惯例，并声称沙博已履行所有道德义务。然而，修订甲烷法规的努力——拜登气候战略的关键组成部分——引发了人们对优先考虑行业利益而非环境保护的担忧，特别是考虑到甲烷对全球变暖的巨大贡献。
对不起。
美国宇航局“阿耳忒弥斯2号”任务的宇航员们描述了他们第一次看到月球背面。美国宇航局宇航员里德·维斯曼、维克多·格洛弗、克里斯蒂娜·科赫，以及加拿大航天局宇航员杰里米·汉森已经进入了他们的任务第三天，乘坐“猎户座”飞船将绕月球背面飞行并返回地球。“你感觉到的有些东西，与我平时看到的月球不一样，”科赫说。宇航员们分享了一张他们拍摄的月球东方盆地的照片，美国宇航局表示这是“人类用肉眼看到整个盆地”的第一次。截至周六23:00（英国夏令时），美国宇航局在线仪表盘显示，“阿耳忒弥斯2号”飞船距离地球超过18万英里（289,681公里）。
这是大约1993年的SPF/PC v4弃用软件。它是一个类似ISPF的环境和编辑器。它还包含REXX实现！它在DOSBOX上运行良好且使用有趣。要执行面板命令（例如用于导航），请同时按下键（例如2）和Control键。可在Windows和MS-DOS上运行。此软件按原样提供。我不提供支持，也不会查看问题报告。你自行负责。2024年6月，东京。
对不起。
谜题寻宝
Puzzlehunts
2 天前
## Providence 团队赢得麻省理工学院神秘寻宝赛！
Providence 团队（又名 Providence 调查蛋局）在 2026 年麻省理工学院神秘寻宝赛中获胜，获得了设计明年比赛的荣誉——这是一项巨大的工程！ 这一胜利标志着多年参与解谜比赛的成果，这些比赛是复杂的竞赛，团队争相解决一系列多样化的谜题，从填字游戏到频谱图，每个谜题都产生一个单词答案。
作者详细介绍了他们进入解谜世界的过程，从 2014 年 MUMS 解谜比赛开始，并扩展到包括微软大学解谜挑战赛和 DASH 等赛事。他们强调了协作精神和模式识别技能，这些是成功的关键。
麻省理工学院神秘寻宝赛成立于 1981 年，是这些赛事的巅峰。 Providence 团队最初是一群与布朗大学有关联的朋友，成员数量增长到 250 多人，多年来不断进步，2023 年获得第七名，2024 年和 2025 年获得第二名，最终获胜。 今年比赛的主题是“Puzzmon”（一个受宝可梦启发的世界），涉及复杂的谜题，如“Method to the Mathmess”、“Not a QR Code”和“The Alphabet”，需要各种技能和团队合作。 最后的挑战带领团队穿过麻省理工学院的隧道，以发现答案：COINDECRYPTOOOLOGY。
获胜意味着一年的高强度谜题创作，需要保密和后勤计划。 对于一个由对谜题和乐趣的热爱所团结的多元化团队来说，这是一项有益的挑战。
Hacker News 新闻 | 过去 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
Puzzlehunts (vikramsaraph.com)
8 分，surprisetalk 1天前 | 隐藏 | 过去 | 收藏 | 1 条评论 帮助
btucker 1天前 [–]
我最谦卑的经历之一是2000年代中期与大学低年级的朋友参加卡内基梅隆大学的谜题竞赛。我们完全失败了。我仍然记得看着其他小组在校园里四处奔跑，而我们仅仅为了解决第一个谜题就花了一整天的时间才走出房间。
这提醒了一群自负的低年级学生，我们还有很多技能需要培养。回复
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请YC | 联系
搜索：
## Syntaqlite：利用人工智能构建 SQLite 开发工具 多年来，作者一直渴望拥有更好的 SQLite 开发工具，对缺乏强大的选项感到沮丧，尽管 SQLite 在行业中非常重要。这促成了“syntaqlite”的创建——一个在三个月和约 250 小时内实现的工程，这很大程度上归功于人工智能编码代理。 该项目源于需要改进用于 Google 内部的自定义 SQLite 扩展程序（“PerfettoSQL”）的工具。虽然人工智能加速了开发，但最初的“氛围编码”方法导致了一个脆弱且难以管理的的代码库。用 Rust 进行完全重写，作者掌控设计并使用人工智能作为强大的“自动完成”工具，最终取得了成功。 人工智能在代码生成、重构和研究方面表现出色，显著加快了开发速度并实现了诸如编辑器扩展之类的功能。然而，它也带来了一些挑战：沉迷于提示、代码库理解的丧失以及倾向于推迟关键的设计决策。人工智能难以处理需要主观判断或历史背景的任务。 最终，作者强调人工智能是*实现*的倍增器，而不是*设计*的替代品。关于真实世界中人工智能辅助软件开发的诚实描述，超越简单的演示，对于理解其真正的潜力和陷阱至关重要。Syntaqlite 证明了虽然人工智能可以极大地加速开发，但人类监督和强大的设计基础仍然是必不可少的。
启用 JavaScript 和 Cookie 以继续。
## 假阳性与新法律：路边毒品检测的问题 不准确的路边毒品测试——特别是价格低廉，仅需2美元的比色测试——正在导致全美范围内的错误逮捕。这些测试用于快速筛查，依靠颜色变化来指示是否存在毒品，但经常产生假阳性。诸如鸟粪、幼儿骨灰，甚至曾祖母的药物，都曾测试出呈阳性，导致法律纠纷和人生毁灭。 研究表明，误差率范围从15%到91%，远高于制造商的说法。尽管有警告说结果*必须*经过实验室确认，但许多逮捕仅仅基于这些初步测试结果。 科罗拉多州最近颁布了美国第一部禁止仅基于比色测试结果进行逮捕的法律，起因于一名女性被错误指控持有可卡因，因为她的处方药引发了假阳性。虽然更准确的电子设备存在（价格超过24,000美元），但其价格阻碍了广泛应用。倡导者认为，投资可靠的测试对于保护无辜公民和减轻司法系统的负担至关重要。科罗拉多州的新法律为全国范围内的改革树立了潜在的先例。
## 因不准确的毒品测试导致的错误逮捕
CNN报道指出一个重要问题：每年因依赖廉价、不准确的比色毒品测试而发生数万起错误逮捕。这些测试旨在作为快速筛查工具，但经常产生假阳性结果，然而逮捕往往在实验室确认*之前*进行——这个过程可能需要数周时间。
问题因鼓励认罪协议的系统而加剧；许多被捕者无力承担等待实验室结果期间的长期法律诉讼，尽管无辜，仍认罪。Hacker News上的讨论指出，除了测试本身之外，还存在系统性问题，包括州立实验室资金不足和不堪重负、缺乏问责制以及刑事司法系统优先考虑速度而非准确性。
一些评论员建议进行改革，例如要求在逮捕*之前*进行实验室确认，禁止认罪协议，并将资金转移到定罪而非逮捕。另一些人批评更广泛的“毒品战争”，并倡导非罪化和减少危害的策略。一个关键的结论是，需要采取更公正和基于证据的毒品执法方法，承认快速测试方法的不可靠性以及对陷入系统中的个人的不利影响。