2006年，作者搬到了匹兹堡，并在一个寒冬买下了一栋破旧的房子。在没有暖气和管道的情况下，他们开始了艰苦的翻修过程。他们很快了解到，在匹兹堡，“废金属回收者”承担了非官方的金属垃圾清理工作。 作者讲述了与两位年长的回收者罗恩和韦德之间难忘的经历。他们赶来要把地下室里一个沉重的铸铁炉子搬走。清理过程变成了一场混乱的折磨：震耳欲聋的叫喊声、韦德幽闭恐惧症发作，甚至还动用了斧头在干墙上开路。尽管过程荒诞且充满体力挑战，但任务最终完成，却只换取了每磅四美分的微薄报酬。对作者而言，这段混乱又粗砺的经历成为了他们在这座新城市生活的标志性记忆，也见证了匹兹堡人机智、不拘一格的城市本色。
每日HackerNews RSS
废料 Scrap (2006)
3 天前
抱歉。
在 macOS 27 “Golden Gate” 中，苹果已正式弃用 `hdiutil` 命令行工具，并强制要求所有磁盘映像操作切换至 `diskutil image`。 测试显示，虽然 `diskutil` 的运行速度明显更快且生成的映像文件更小，但此次迁移存在诸多问题。主要痛点包括： * **功能缺失：** `diskutil` 缺少许多 `hdiutil` 的传统选项，例如对清理（如处理垃圾文件/临时文件）的明确控制，以及用于程序化解析的详细输出选项（如 `-puppetstrings`）。 * **错误处理机制不完善：** 与 `hdiutil` 不同，`diskutil` 在遇到权限错误（如涉及 root 用户所属文件）时会静默失败，而不会触发身份验证提示。 * **信息冗长性不足：** 该工具提供的问题诊断信息有限，导致调试难度加大。 开发者 Jeff Johnson 批评了苹果破坏既定工作流程的决定，并指出此举可能会导致依赖 `hdiutil` 的现有应用程序失效。此外，他强调了一些长期存在的漏洞（例如与 `.bnnsir` 文件相关的问题）仍未得到解决，而苹果模糊不清的技术支持回复更令问题雪上加霜。总之，尽管 `diskutil` 展现出了性能潜力，但在其能够作为成熟且功能完备的替代方案以取代现有的 `hdiutil` 工作流之前，仍需进行大幅改进。
对不起。
由中国制造商荣耀（Honor）开发的名为“闪电”的人形机器人打破了人类运动纪录，以9.32秒的成绩完成了100米短跑，超过了尤塞恩·博尔特9.58秒的世界纪录。这一壮举发生在第二届世界人形机器人运动会期间，该活动在北京举行，为期五天，共有2000多台机器人参加了包括跳高和举重在内的51个项目的角逐。
此次运动会凸显了中国在机器人技术方面的飞速进步。在全球技术竞争日益激烈的情况下，中国正寻求在人工智能和硬件领域占据主导地位。尽管专家指出，目前人形机器人主要用于研究和演示，而非大规模的现实应用，但其不断进化的能力已引发了公众的极大兴趣。
此次活动是在地缘政治紧张局势加剧的背景下举行的。美国近期采取行动，禁止进口外国制造的人形机器人，并以涉嫌军事联系为由对部分中国机器人公司进行了标记。尽管存在这些限制，中国仍生产了全球大部分的人形机器人，展示了其在从制造业到物流业等多个行业引发革命的潜力。
近期，一款中国人形机器人完成了一项百米短跑，其用时快于尤塞恩·博尔特（Usain Bolt）的世界纪录，这一成就引发了 Hacker News 社区的激烈争议。
批评者认为，这一壮举更多是“营销噱头”而非技术突破。许多人指出，几十年来，专用机器在力量和速度上早已超越人类，且鉴于这些机器人自主性有限、缺乏通用灵活性，称其为“人形”显得有些牵强。一些用户甚至斥之为“作弊”，认为这些机器人的机械结构与人类生物学差异巨大，且往往在跑完后就需要维修或更换。
相反，支持者则认为这一表现是双足行走领域的重要里程碑。他们认为，解决双腿（而非轮子）高速奔跑所需的平衡和运动难题，是一项尖端的工程进步。
讨论还触及了更广泛的存在主义议题，从对人工智能取代人类劳动的担忧，到对体力劳动“工业化”的质疑。最终，社区意见依然两极分化：一些人将其视为机器人技术不可避免且令人印象深刻的进化；而另一些人则认为这只是又一场被过度炒作的表演，证明了机器一直在做它们擅长的事——在单一任务上超越生物体。
ProgramBench Vetted：从可执行二进制文件中进行逆向工程 ProgramBench Vetted: Reverse Engineering from a Runnable Binary
3 天前
**ProgramBench Vetted** 是一项经过强化的基准测试，包含 50 个任务，旨在评估 AI 智能体从已编译的“封装”二进制文件中重构功能性代码库的有效性。与前代产品不同，它专注于**难度校准**，确保评分能准确反映模型通过实验推理逻辑的能力，而非利用测试套件的缺陷。 ### 核心特性 * **挑战内容：** 智能体将获得一个二进制文件、使用文档和一个 Shell 环境（无互联网）。它们必须探测二进制文件、推测其行为，并编写一个能通过一系列行为测试的替代代码库。 * **严格流程：** 任务经过多轮自动化及人工验证。专门的“评审”和“纠错”智能体会审计环境泄露、重复测试以及“捷径”式解决方案（例如调用已安装的系统库而非编写代码）。 * **公平性：** 该基准测试旨在奖励有意义的局部进展，而非“全有或全无”的成功，从而防止模型仅通过复现浅层的命令行界面来获取高分。 ### 核心意义 ProgramBench Vetted 通过测试智能体协调长期任务的能力，解决了“记忆悖论”。即便模型在预训练数据中见过目标程序，它仍需展示出正确进行逆向工程与逻辑实现的能力。
抱歉。
TigerBeetle 采用“协议感知确定性模拟测试”（Protocol-Aware Deterministic Simulation Testing, DST）来确保其分布式数据库的可靠性。传统的黑盒测试（如 Jepsen）是从外部对系统进行测试，而 TigerBeetle 则采用“由内而外”的测试方法。
通过利用逻辑和物理确定性，该数据库在一个名为 VOPR 的模拟器中运行，其中时间以及存储和网络等外部交互均可完全控制。这使开发人员能够在一个进程内以极高的速度探索庞大的状态空间，从而模拟崩溃、网络分区和数据损坏等情况。
至关重要的是，由于模拟器具备协议感知能力，它能够深入洞察各个副本的状态。它强制执行以下约束：
* **安全性不变量：** 验证共识协议和存储引擎（LSM 树）在所有副本间保持逐字节的一致性。
* **活性不变量：** 确保副本即使在复杂的恢复场景下，也能有效地将本地和全局持久性转化为可用性。
通过检查这些内部属性，TigerBeetle 超越了简单的系统级断言，使开发人员能够捕获细微的 Bug，验证复杂的恢复协议，并以绝对可复现的精度对优化效果进行基准测试。这种方法将那些“难以调试”的分布式场景转化为了可控且快速的测试用例。
抱歉。
跳至测试 正在加载…… 此测试需要 JavaScript 来记录答案并计算分数。 关于本实验
抱歉。
**zcomplete** 是一款轻量级、高性能的命令行工具，适用于 Zsh、Bash 和 Fish，可实时纠正输入错误的命令。 **主要特性：** * **智能纠错：** 能够针对拼写错误（例如 `gti` → `git`）、前缀错误（`mkd` → `mkdir`）以及子序列匹配提供修正建议。它会根据你的历史记录和使用模式进行学习，并按频率和近期使用情况对命令进行排序。 * **安全至上：** 内置“危险命令”列表（如 `rm` 或 `git reset --hard`），执行时需用户明确确认。用户可设置模式：`safe`（默认）、`unsafe` 或 `bypass`。 * **高性能：** 使用 Rust 编写，运行速度极快，对 Shell 响应时间的额外开销小于 1 毫秒。 * **兼容性与隐私：** 支持 Linux 和 macOS (arm64/x86-64)，无需复杂配置，且所有数据均保存在本地（无任何数据上传）。 * **简易安装：** 通过单条 Shell 命令即可安装。它能无缝集成且不会覆盖现有配置，并完全兼容你的 Shell 环境。 无论你是要修复简单的拼写错误还是复杂的子命令，zcomplete 都能通过学习你的习惯来节省时间，在确保持续工作流的同时，为可能具有破坏性的命令提供一道安全防线。
抱歉。
请启用 JavaScript 和 Cookie 以继续。
这篇 Hacker News 的讨论围绕着一项关于气候变化经济影响的研究展开。该研究因使用了乌兹别克斯坦极端的异常数据而失效，最终遭到撤稿。评论者指出，研究人员原本的图表通过截断坐标轴掩盖了这些异常值，引发了人们对于这是由于严重失职还是蓄意数据造假的质疑。
讨论突显了学术研究中“数据完整性”的更广泛问题。参与者认为，单个错误的数据点可能会在元分析中产生连锁反应并影响政策，形成难以遏制的“引用惯性”。虽然一些用户认为 AI 工具最终有助于自动标记此类异常，但也有人指出 AI 同样可以被用来大规模生成误导性内容。
该帖还涉及了“人工垃圾内容”的挑战，即那些未被核查的过往偏见或欺诈性数据。归根结底，这场对话强调了建立更好的可重复性标准和自动化数据验证机制的迫切需求，以防止有缺陷的研究在科学文献和公众舆论中根深蒂固。
```Show HN: terminal-code – 在终端中运行 VS Code``` Show HN: terminal-code – VS Code inside the terminal
3 天前
``` tode 打开当前文件夹 tode <文件夹> 打开指定文件夹 tode <文件> 打开指定文件 tode --goto <文件:行:列> 在指定行和列打开文件 tode --diff <a> <b> 比较两个文件 tode --split right 在右侧拆分终端窗格中打开 terminal-code tode --review 在源代码管理面板中打开 tode --import 从兼容 vscode 的编辑器中导入设置、快捷键、代码片段和扩展 tode --shortcut-setup 解决 terminal-code 与当前终端之间的快捷键冲突 tode --upgrade 将 terminal-code 升级到最新版本 ```
抱歉。
传统芯片每秒在处理器和内存之间传输数据数十亿次，大部分能量都消耗在数据搬运而非计算上。这是一个 80 年来从未被行业质疑过的架构缺陷。Mythic 做到了。我们将人工智能模型权重存储在闪存内，并在源头直接进行模拟计算，从根源上消除了这种浪费。
关于 Mythic 模拟存内计算（CiM）架构的 Hacker News 讨论，主要集中在对其应用于大语言模型（LLM）的技术可行性的怀疑上。
尽管参与者承认，与数字算术逻辑单元（ALU）相比，该架构在能效上具有 100 倍至 1000 倍的提升潜力，但他们对制造差异性、噪声以及扩展至万亿参数模型所面临的困难表示了深切忧虑。批评者指出，Mythic 目前的芯粒仅能处理 3000 万至 8000 万个参数，这意味着若要运行现代大语言模型，则需要数千个裸片，这会造成巨大的物流和架构障碍，特别是在键值（KV）缓存管理和数据吞吐量方面。
讨论的很大一部分围绕着缺乏公开、独立的基准测试，以及该公司经常被指为人工智能生成的营销材料不够透明。虽然一些工程师认为模拟原理是合理的，且通过将模型针对特定硬件进行重调等补偿技术可以减轻可靠性问题，但其他人仍持怀疑态度。目前的共识是，虽然模拟计算是克服冯·诺依曼瓶颈的一种引人注目的替代方案，但 Mythic 面临着严峻的经济和工程挑战，许多人质疑他们能否真正与英伟达等数字解决方案的快速扩张相抗衡。