在《意识的起源：双脑时代的解体》一书中，心理学家朱利安·杰恩斯提出了一个大胆的理论：人类意识是近三千年来才发展出的一种文化产物。杰恩斯认为，在此之前，人类拥有“双脑心智”，即大脑的左右半球独立运作。 在这一前意识状态下，个体缺乏内在的叙事能力和决策能力。相反，当面临不确定性时，他们会听到来自右脑的听觉幻觉，并将之解读为神的声音。杰恩斯声称，这一现象在《伊利亚特》等早期文学作品中得到了印证。他认为，随着历史的变迁，这些声音逐渐消失，迫使人类发展出现代意识，而精神分裂症或许正是这种双脑模式残留的痕迹。 尽管该理论在学术界评价两极，常被视为天才之作或荒诞无稽，但它依然是一次试图解释人类心智历史演变的独特尝试。作者进一步指出，当代对听觉幻觉以及“异手综合征”等神经系统疾病的研究，为理解大脑半球与人类自主意识之间复杂的关系，提供了引人入胜却又令人不安的视角。
每日HackerNews RSS
抱歉。
在从 Gmail 转向 Fastmail 后，作者反馈体验非常理想。尽管曾担心失去 Gmail 的自动分类功能，但作者发现使用子域名寻址不仅能实现同样的分类，甚至通过将邮件自动路由至特定文件夹，达到了更好的管理效果。 选择重新开始而非转发旧邮件是一个正确的决定，这不仅提供了一个清爽的开端，还促使作者手动更新了重要的账户信息。作者强调了使用自定义域名的好处，这不仅便于未来迁移，也提升了专业沟通的形象。虽然新域名可能会在短时间内遭遇像 Gmail 这样的服务商的延迟投递（灰名单机制），但这通常会在几天内解决。 此外，作者还称赞了 Fastmail 的“掩码邮箱”隐私功能，以及该平台稳定的应用程序和详尽的文档。总而言之，这次迁移比预期顺畅得多。作者鼓励其他人也尝试转换——最好是使用自己的域名——因为这能带来更高的掌控力、灵活性以及长期的便利性。
这是一篇来自 Hacker News 的讨论，探讨了从 Gmail 迁移至独立电子邮件服务商（尤其是 Fastmail）的过程与挑战。
**核心要点包括：**
* **自定义域名至关重要：** 用户普遍认为，拥有一个自定义域名是实现邮件可移植性最重要的一步。这使得未来更换服务商时，无需面对更新每一个账户的繁琐任务。
* **“艰巨”的误区：** 虽然更换服务商听起来令人畏惧，但许多用户表示这实际上非常简单。建议包括：采取循序渐进的方式，按需更新账户，或者在过渡期间利用 Gmail 的转发规则将邮件发送至新主机。
* **服务与功能的权衡：** Fastmail 因其稳定、“无聊”（意指稳定可靠）、以及优质的人工支持而受到赞誉。然而，用户也对失去 Gmail 出色的垃圾邮件过滤和自动收件箱分类功能感到不满。
* **隐私与实用性：** 许多用户承认电子邮件天生缺乏安全性。讨论揭示了两种立场的分歧：一类是寻求注重隐私且非美国本土服务商（如 Proton 或 mailbox.org）的用户；另一类则是优先考虑功能性、可靠性和客户支持的用户。
* **账户依赖性：** 一个持续存在的挑战是“使用 Google 账号登录”这一生态系统，即便用户迁移了电子邮件地址，仍会被绑定在 Google 的体系中。
随着美国庆祝建国250周年，许多美国人将目光投向了国家文化的另一个基石：当地酒吧。尽管全国拥有超过4万家饮酒场所，但其中一些具有深远的历史意义，甚至有几家比国家本身的历史更为悠久。全国最古老的酒吧是位于罗德岛州纽波特的白马酒馆（White Horse Tavern），该酒馆始建于1673年。 《商业内幕》（Business Insider）近期编制了一份各州持续经营时间最长的酒吧名单。评选标准侧重于该场所作为酒馆或沙龙的起源，而非仅仅考虑建筑的年代。所有权变更、包括禁酒令期间在内的临时关闭，以及灾难后的建筑重建，都不会取消这些场所的入选资格，前提是它们的身份可以追溯到最初的建立。 从康涅狄格州的格里斯沃尔德旅馆（1776年）等18世纪殖民地酒馆，到亚利桑那州的宫殿餐厅和沙龙（1877年）等边疆沙龙，这些场所提供了一个独特的视角来观察美国历史。尽管关于所有权更迭和建筑历史的争论从未停止，但这些酒吧作为活的纪念碑，两百多年来一直保留着当地文化和美国社会传统的精神。
抱歉。
“如果收费仅限于大型商户或高额交易，那么对整体普及率的影响可能不大。但如果收费扩展到小型和非正式商户，尤其是在受理网络尚在发展中的地区，则可能会阻碍商户规模的扩张，而这种扩张正是 UPI 此前实现规模化的关键。”他说道。
印度正考虑对 UPI 交易征收商户费用（商户折扣率），重点可能针对 2,000 卢比以上的大额交易。尽管 UPI 系统彻底改变了印度的数字支付，但目前它被视为一种“免费”的公共基础设施，这引发了人们对其网络长期财务可持续性的质疑。
该提议在 Hacker News 上引发了激烈争论：
* **经济可持续性：** 支持者认为，有必要收取象征性费用（0.3%–0.5%）来覆盖维护基础设施、欺诈检测和交易结算的成本，同时保护小微企业和低额支付。
* **地缘政治压力：** 一些评论者认为，征收该费用是受国际支付供应商和美印贸易谈判的推动，旨在削弱 UPI 的主导地位，实现公平竞争。
* **隐私与效用：** 许多用户强调了数字追踪的便利性与金融主权丧失之间的矛盾。批评者认为，国家对支付渠道的控制带来了监控风险，而支持者则认为该系统依然是一个极大地提高了效率的“奇迹”。
* **游客体验：** 国际用户经常批评该系统严格的实名认证（KYC）要求以及对外籍人士的准入限制，并指出全面“数字化”的转变使得现金使用变得愈发困难。
请启用 JavaScript 和 Cookie 以继续。
抱歉。
作者提出了“AI;DR”（AI; didn’t read，即“AI生成，未读”）这一概念，这是一项针对低质量、未经编辑的AI生成内容所采取的个人准则。 尽管作者承认在2026年，AI已成为头脑风暴或起草文档的标准工具，但他们认为，如果不加修饰或润色就直接输出，是对读者的不尊重。正如“TL;DR”（太长不看）是为了应对信息过载而出现的一样，“AI;DR”则是为了抵制“AI垃圾内容”而设立的界限。 其核心观点很简单：如果发送者懒得审查和编辑自己的内容，那么接收者就没有义务去阅读。除非特定场景（如技术客服）需要自动化回复，否则内容应体现人文关怀。通过推行这一准则，作者鼓励人们优先考虑真实有效的沟通，并要求创作者对其署名作品的质量负责。
所提供的文本反映了软件工程师在 Hacker News 上关于“人工智能垃圾内容”（AI slop）日益泛滥的热烈讨论。所谓“AI 垃圾内容”，指的是由大语言模型（如 Claude 或 ChatGPT）生成、冗长且低质量的内容。
**讨论主要观点：**
* **问题所在：** 工程师们对同事将大量未经编辑的 AI 生成内容直接丢入代码审查（PR）、Slack 讨论串和文档中的行为感到愈发沮丧。此类内容因被认为“自以为是”、辞藻堆砌、冗余且往往空洞无物而受到批评。
* **“AI;DR”情绪：** 借鉴“TL;DR”（太长不看）一词，用户采用了“AI;DR”（AI 生成，没读）这一说法，以此表示拒绝阅读带有明显 AI 生成痕迹的内容。共识是：如果发送者都不愿花心思去编辑或理解自己发出的消息，那么接收者也没有义务去阅读。
* **影响：** 参与者描述了“上下文中毒”现象，即 AI 生成的注释和文档中充斥着不必要的术语和“幻觉”产生的架构决策，使代码库变得混乱不堪。
* **职业摩擦：** 这一趋势在视 AI 为中立生产力工具的人与视其为“肉身代理”（阻碍人类意图表达、削弱批判性思维并浪费时间）的人之间引发了分歧。
Hacker News 上的一篇讨论提到了 *404 Media* 的一篇报道，揭露了亚马逊为了训练人工智能模型而销毁珍稀书籍。该讨论帖主要用于汇总关于此事的多个重复发帖，并将读者引向 *404 Media* 的原始调查报道。用户还分享了该文章的存档版本，以供遇到付费墙的读者阅读。
现代营销正受困于对指标的过度痴迷。尽管专业人士充斥着无穷无尽的 KPI——从点击率到广告支出回报率（ROAS）——但大多数人缺乏相应的技术专长来真正理解、解读或有效利用这些数据。 归根结底，对这种“糟糕数据”的依赖已成为一种借口。营销人员往往优先考虑可量化的短期数字，仅仅是为了证明预算的合理性或体现自身价值，却忽略了一个事实：有意义的品牌建设需要的是信念和经验，而非单纯的电子表格。我们陷入了一个决策信息不足的恶性循环：领导者因被迫依赖不完善的分析，而对自己原本的直觉产生怀疑。要向前发展，行业必须停止将肤浅的追踪与实际策略混为一谈，并回归到一个经验和愿景远胜于盲目痴迷指标的模式。
这篇 Hacker News 讨论探讨了数字广告领域普遍存在的问题，其核心观点是营销人员“沉迷于糟糕的数据”。
参与者分享的经历强调了广告流量质量低劣的问题，并指出 Reddit 和 ChatGPT 等主流平台存在高跳出率和疑似点击欺诈的情况。一些评论者将这些问题归咎于误点击，而另一些人则认为广告技术生态系统存在“彻头彻尾的欺诈”，导致行业更倾向于追求不透明的指标，而非实际效果。
讨论中反复出现的一个主题是，分析团队面临着操纵数据以符合内部预期或满足管理层对积极趋势需求的压力，而不论数据是否准确。贡献者们指出，许多企业追求的是“虚荣指标”，而非现实中的转化率。
讨论最后得出结论：数字营销行业很大程度上受“路灯效应”驱动——即只在最容易找到的地方寻找数据，而不是去寻找最有价值的数据。参与者最终认为，由于数据往往被用来证明预算或组织规模的合理性，而非推动科学洞察，这种依赖受污染和误导性数据的循环依然根深蒂固。
据 404 Media 报道，亚马逊正在购入绝版稀有书籍，并通过切除书脊的方式将其损毁，以获取内容用于人工智能训练。一项调查通过追踪一本稀有书籍的去向，证实了亚马逊确实存在这一做法。 随着大语言模型（LLM）逐渐耗尽互联网上的可用数据，各公司正日益转向实体档案，以获取高质量的人类创作文本。2022 年之前出版的书籍因其创作于人工智能热潮之前而尤为抢手。依赖较早的人类原创资料是一项战略举措，旨在防止“模型崩溃”——即人工智能在学习自身生成的输出后导致性能下降的现象。亚马逊已证实，其确实通过商业渠道获取书籍以改进产品，这凸显了科技巨头为确保获取真实、非合成的训练数据而不惜采取的极端手段。
抱歉。
Roboflow Playground：尝试并比较 30 种计算机视觉模型 Roboflow Playground: Try and Compare 30 Computer Vision Models
2 天前
Roboflow Playground 是一款旨在简化零样本计算机视觉模型评估的新工具。它允许用户同时测试和比较多达五个模型，无需单独配置 API 或基础设施。
该平台支持来自 OpenAI、Anthropic、Google 和 Meta 等提供商的 30 多种流行模型，以及 Florence-2 和 YOLO-World 等开源替代方案。用户可以执行各种视觉任务，包括目标检测、图像分类、OCR、图像描述以及开放式提示词视觉问答。
通过在多个模型之间并排运行相同的图像和提示词，用户可以在为项目确定特定模型之前，轻松评估其性能、准确性和输出质量。该界面非常直观：只需选择任务、选择模型、上传图像并输入提示词即可。Roboflow 计划随着新模型的发布不断添加新模型，为用户提供一种高效、免费的方式，以跟上快速发展的计算机视觉领域。您可以立即前往 Roboflow Playground 网站开始测试。
抱歉。