作者在没有 Rust 或编译器设计相关背景的情况下，通过完全由 AI 代劳的方式，成功构建了一个名为“Phargo”的 PHP 引擎。作者并未试图去理解或审计代码，而是扮演项目经理的角色，指挥 AI 根据客观的第三方基准（即包含 22,000 个文件的官方 PHP 测试套件）来修复识别出的故障。 该实验依赖于“彻底的诚实”原则，即拒绝让 AI 给自己的工作评分。通过运行已有数十年历史且不可篡改的上游测试套件，该项目迫使 AI 必须处理 PHP 语言中那些“令人抓狂”的边缘情况。事实证明，这种方法比人工代码审查更有效，它揭露了许多本会被忽视的“波特金功能”（即语法解析通过但实际上并未实现任何功能的代码）。 尽管作者缺乏技术专长，但 Phargo 目前已能成功运行 WordPress。这证明了只要拥有严谨且不可腐蚀的测试工具，通过 AI 驱动的迭代，完全可以开发出复杂的软件。作者认为，在现代软件开发中，开发者的角色已经从编写代码转变为“瞄准”——即确定目标，并根据毫不妥协的客观标准来验证输出结果。
每日HackerNews RSS
抱歉。
这份摘要综合了作者对实验室自动化现状与未来的探索。
**实验室机器人的现状**
实验室自动化依赖两个核心要素：“盒子”（如移液工作站等专业仪器）和“机械臂”（机器人搬运装置）。虽然这些工具已经很成熟，但目前利用率不足。根本瓶颈不在于硬件，而在于为独特的探索性实验对这些系统进行编程和校准所需的“活化能”。大多数研究的迭代性太强，无法证明花费数周工程时间来构建机器人工作流是合理的。
**三种未来发展思路**
行业目前在降低这种阻力方面存在三种路径：
1. **转化：** 开发软件，将人类编写的实验方案自动转换为机器可执行的指令。
2. **硬件/基础设施：** 构建集成化、模块化的工作单元，实现实验室物理布局的标准化。
3. **智能化：** 利用人工智能进行实时错误恢复和适应，使机器人在硬件不完美或实验需求变化的情况下仍能正常工作。
**未来：中心化**
作者认为所有路径最终都将趋向于“云实验室”——即中心化、高通量设施。通过对实验进行批量处理，这些实验室可以最大化机器人的效用并实现垂直整合，从而将成本降低到使“校准”实验（确保检测结果能准确预测人体预后）在经济上变得可行。自动化的真正价值不仅在于提高实验通量，更在于实现高质量、可重复的科学研究，而这正是目前受限于人工实验所阻碍的。
抱歉。
德克萨斯农工大学的研究人员开发出一种突破性的鼻喷雾剂，显示出逆转与年龄相关的认知衰退的潜力。这项由阿肖克·谢蒂（Ashok Shetty）博士领导的研究表明，“神经炎症”（与衰老相关的慢性脑部炎症）并非不可避免，而是可以治疗的。
该疗法利用称为细胞外囊泡（EVs）的微观输送载体，其中装载了微小RNA。通过鼻腔给药时，这些囊泡能绕过大脑的保护屏障，直接抵达受损组织。一旦被吸收，它们便能抑制炎症通路并为神经元线粒体“充电”，从而有效恢复细胞能量并清除“脑雾”。
在实验室模型中，仅需两剂喷雾，几周内受试对象的记忆力和认知功能就得到了显著改善，效果持续数月之久。值得注意的是，该疗法对男女两性同样有效。通过提供一种无需复杂手术或长期药物治疗的非侵入性替代方案，这种方法有望彻底改变阿尔茨海默病和痴呆症等神经退行性疾病的治疗方式。研究团队已为该疗法申请了美国专利，这标志着向临床应用迈出了重要一步，旨在让衰老的大脑保持敏锐、活跃与健康。
近日，德克萨斯农工大学（Texas A&M）发布的一则新闻稿称鼻喷雾剂可以“逆转大脑衰老”，这一消息在黑客新闻（Hacker News）网站上引发了质疑。批评人士认为，该文章极具煽动性，疑似由人工智能生成，且将小鼠神经炎症标志物的减少与全身性衰老逆转混为一谈，具有误导性。
参与者指出了该大学公关稿与发表在《细胞外囊泡杂志》（Journal of Extracellular Vesicles）上的原始研究之间存在巨大鸿沟。该科学论文详细阐述了来自干细胞的细胞外囊泡如何减少中年小鼠的海马体炎症并改善认知标志物。评论者谴责了这种“点击诱饵”式的宣传，并指出啮齿动物模型的研究结果在科普报道中经常被过度炒作。
讨论随后演变为对“抗衰老研究骗局”、大语言模型写作模式特征的广泛批判，以及关于实验室小鼠处境的黑色幽默。尽管一些用户探讨了N-乙酰半胱氨酸（NAC）等补充剂作为人类可获取替代品的有效性，但舆论一致认为，标题中“逆转大脑衰老”的承诺缺乏证据支持，为时尚早，是低质量科学新闻报道的典型表现。
澳大利亚网红莉莉·杰伊（Lily Jay）错综复杂的AI操纵网 Australian influencer Lily Jay's tangled web of AI manipulation
2 天前
ABC新闻核查部的一项调查曝光了由网红主导的“莉莉·杰伊基金会”（Lily Jay Foundation）利用人工智能生成的内容来骗取慈善捐款。 莉莉·杰伊是一位知名的社交媒体网红，她利用自己的平台声称在乌干达、加沙和尼泊尔等地开展人道主义工作。然而，调查人员发现她发布的许多视频（包括孤儿院的画面以及她本人获得“人道主义奖”的照片）都是通过人工智能伪造的。 调查显示，该基金会并未作为慈善机构进行正式注册，且在财务和项目运营方面缺乏透明度。包括澳大利亚世界宣明会前首席执行官蒂姆·科斯特洛（Tim Costello）在内的专家警告称，此类行为不仅利用了公众的善意、误导了捐赠者，还损害了合法非政府组织的信誉。 当被问及这些疑点时，该基金会未作出回应，并开始删除网站上的可疑内容，但目前仍在继续向国际用户募集捐款。这项调查凸显了人道主义领域中人工智能驱动的诈骗活动日益增加的危险，并强调了在捐款前通过官方慈善登记机构对相关组织进行审查的重要性。
尽管采取了包括辐射、严格清洁和湿度控制在内的严苛消毒规程，一支国际研究团队仍在组装“凤凰号”火星探测器的美国国家航空航天局（NASA）洁净室中，发现了26种新的细菌物种。
这些顽强的微生物进化出了复杂的生存机制，以在极端环境中茁壮成长。许多细菌会产生粘性生物膜以附着在表面，而另一些则形成保护性孢子来抵御化学处理。从基因层面来看，这些细菌具备修复辐射和氧化应激所致DNA损伤的能力。
除了韧性之外，这些微生物还拥有独特的代谢特性，对人类工业具有巨大的潜力。其中几个物种能产生宝贵的天然化合物，包括抗菌聚合物、玉米黄质等抗氧化剂，以及具有抗癌特性的分子。研究人员认为，这些“极端微生物”有望成为地球医药和食品保鲜等领域中，各类新型生物分子的重要来源。
抱歉。
几年前，作者曾为 JS1k 比赛成功制作了一个小于 1KB 的世界地图，最近他重温这一挑战，尝试利用生成式人工智能（GenAI）来优化结果。通过使用 Codex，作者发现尽管 AI 在处理 SVG 路径复杂度和空间识别上存在困难，但在迭代 ASCII 表示形式方面却很有帮助。
此次突破不仅在于简化地图，更在于选择了针对压缩优化的格式。通过去除空白边缘和水印，作者发现“填充式”的陆地形状——包含长而可预测的重复字符——比稀疏的轮廓线压缩效果更好。通过对纯陆地的 ASCII 地图应用 `deflate-raw` 算法，作者将地图数据压缩到了仅 445 字节。加上必要的 base64 数据和解压逻辑，整个项目依然远低于 1KB 的限制。
作者目前正向其他人发起挑战，欢迎大家超越这一效率，或创作出更逼真的 1KB 世界地图。
抱歉。
协议窥探：AirDrop 与 Quick Share 中的漏洞研究 Protocol Prying: Vulnerability Research in AirDrop and Quick Share
2 天前
本研究论文首次对专有的苹果 AirDrop 和安卓 Quick Share 文件传输协议进行了全面的安全性分析。鉴于这些服务在全球拥有超过五十亿台设备，且均支持零点击访问，它们构成了重大的攻击面。 作者进行了一项广泛的跨平台研究，通过逆向工程剖析了 AirDrop 复杂的七层状态机，并开发了名为“AIRFUZZ”的协议感知型模糊测试工具，旨在对压缩前的数据进行变异测试。调查发现，在各种实现方案中存在六个关键漏洞（V1–V6）： * **苹果 AirDrop：** 三个预认证缺陷，包括拒绝服务 (DoS) 和内存损坏问题。 * **三星 Quick Share：** 两个协议层缺陷，包括一个安全加密绕过漏洞。 * **谷歌 Quick Share (Windows版)：** 一个堆释放后使用 (use-after-free) 漏洞。 研究人员已向相关厂商负责任地披露了这些发现。苹果、三星和谷歌均已确认报告，其中谷歌还为在其 Windows 实现中发现的漏洞提供了赏金奖励。这项工作凸显了对未公开且具备高权限的近场通信协议进行安全性审查的迫切需要。
对 2026 年 2 月至 6 月期间 Codex 遥测数据的分析显示，GPT-5.5 的响应元数据存在显著异常：推理标记（reasoning-token）数量不成比例地集中在 516、1034 和 1552 个标记上。 尽管 GPT-5.5 的响应仅占总响应量的 19.3%，但它贡献了 82% 的“刚好 516 个标记”事件。这种模式在其他模型变体中并不存在，且与整体推理标记强度呈负相关——尽管此类聚集事件有所增加，但整体推理强度却在下降。这种行为表明，这更像是模型特有的阈值设置、截断或预算约束，而非任务复杂度的自然变异。 这种聚集现象与报告中提到的 Codex 复杂任务性能下降情况相吻合。数据显示，GPT-5.5 响应达到 516 个标记这一阈值的概率，是非 GPT-5.5 模型基准的 33 倍。 现请求 Codex 团队调查这些固定的标记峰值是源于有意设置的内部阈值、路由异常，还是系统级的截断。建议的验证方案包括：对比“刚好 516 个标记”任务与可变推理长度任务的性能表现，并审计 GPT-5.5 的调度逻辑。
Hacker News 的用户报告称，OpenAI GPT-5.5 Codex 模型出现了严重的性能退化，其特征表现为一个“自适应思维”错误。
研究人员和用户发现，该模型在执行推理任务时经常会“短路”，在消耗恰好 516 个 token 后便返回错误结果。相反，当模型成功完成任务时，通常会使用 6,000 到 8,000 个推理 token。测试证实，在使用 Codex CLI 进行的重复试验中，有近一半出现了这种行为，导致依赖该模型进行编程任务的资深用户感到非常沮丧。
尽管有些人将此问题归因于“享乐适应”或用户的主观偏见，但许多开发人员分享了可复现的测试案例，证实了在 516 个 token 处会出现峰值，这表明 OpenAI 的推理引擎在集群或批处理推理预算方面可能存在缺陷。
此次讨论引发了关于专有“黑盒”模型与本地开源替代方案之间可靠性的广泛辩论。许多用户现在正通过外部仪表板积极跟踪模型性能，或考虑转向 Claude 等竞争对手，理由是 OpenAI 最近的模型更新缺乏一致性和透明度。
在南非姆波波梅尼（Mpophomeni），非营利组织“Funda Nenja”（祖鲁语意为“与狗共学”）开办了一所独特的“狗狗学校”，旨在改善当地儿童及其宠物的生活。该项目由阿德里安·奥利维尔（Adrienne Olivier）于2009年创立，每周提供免费的训练课程，让孩子们学习如何照顾、训练狗狗并与它们建立深厚的感情。
除了关注动物福利，Funda Nenja还是该地区重要的社区中心，助力当地缓解贫困和失业问题。通过教授训犬技能和培养同理心，该项目激发了孩子们的成就感、领导力与自信心。此外，该组织还通过提供兽医护理、入户走访、心理咨询和食物援助等方式，为社区提供全方位的支持。
这一倡议形成了一个良性循环：当孩子们学会善待宠物时，他们也能从中获得回报与关爱，进而改善自身的情绪健康。对于许多参与者，包括那些如今在组织内工作的前学员来说，“狗狗学校”为他们指明了人生目标，照亮了未来的道路。通过专注于人与动物之间的纽带，Funda Nenja营造了一个充满关怀的环境，让孩子们感受到被重视与信任，并赋予他们照顾身边生命的能力。
像 Opus 4.8 和 Sonnet 5 这样较新的 Anthropic 模型出现了一种退化问题：它们经常在工具调用中注入“幻觉”键（如 `type`、`id`、`matchCase`），导致调用无法通过验证。虽然旧版本模型能妥善处理自定义工具模式，但最新版本却表现得力不从心——讽刺的是，它们在遵循非标准模式方面反而“变差”了。 作者推测，这是 Anthropic 内部闭源工具“Claude Code”进行强化学习（RLHF）所产生的副作用。由于 Claude Code 具有极高的容错性——能够静默修复格式错误的工具调用、过滤未知键并支持别名——模型被训练得预期处于一个“对错误宽容”的环境中。因此，这些模型对 Claude Code 所使用的特定编辑模式形成了强烈的固定偏见，导致它们难以适应其他定义严格的模式。 这表明工具模式已不再是“中立”的协议，而是受到模型训练后环境隐藏偏见的影响。作者总结认为，开发者可能需要依赖严格的语法约束解码来确保可靠性，因为现代模型正日益针对某种特定的、未公开的工具生态进行优化。
这篇 Hacker News 的讨论凸显了先进大语言模型（LLM）与其交互“工具/代理”（harnesses）之间日益紧张的关系。
核心问题在于，模型在调用工具时往往难以处理语法，频繁插入“冗余内容”或虚构字段。用户提出了三种主要的应对策略：
* **稳健的错误处理：** 开发者不应让系统静默失败，而应提供清晰、可操作的错误提示，引导代理在下一次尝试时纠正特定错误。
* **确定性钩子（Deterministic Hooks）：** 许多参与者主张用“钩子”代替传统的技能调用。通过将逻辑卸载到 LLM 之外确定性运行的代码中，开发者可以确保可靠性、降低成本并强制执行护栏（例如在提交更改前运行测试）。
* **系统性担忧：** 许多评论者怀疑，前沿模型正针对专用环境（如 Claude Code）进行专门的强化学习调整，这导致它们在独立或自定义环境中使用时表现得“草率”。
归根结底，大家的共识是：开发者必须停止将代理视为万无一失的黑盒。相反，应将工具交互视为一个标准的 UI/UX 设计问题，优先考虑清晰的反馈和确定性的约束，以弥合模型“智能”与可靠输出之间的鸿沟。