曾策划彼得·蒂尔（Peter Thiel）起诉并导致《Gawker》破产的企业家阿隆·德索萨（Aron D’Souza）近日推出了一家名为“Objection”的初创公司。该平台提供“作为服务的裁决”，允许富裕人士付费聘请AI和人类研究员，通过调查来质疑负面新闻报道的合法性。 作者在2021年对普渡制药（Purdue Pharma）继承人迈克尔·萨克勒（Michael Sackler）的专访，成为了该初创公司的首个测试案例。Objection的目标是为客户提供一种“道德上的胜利”——即一份正式的裁决结果，供其向投资者或家人展示，而非寻求传统的法律救济。德索萨认为新闻业存在缺陷且缺乏问责，并声称他的平台为信息时代带来了透明度和“真相探求”。 然而，批评者抨击该平台是精英阶层的“袋鼠法庭”（非法庭），旨在打着数字声誉管理的幌子，恐吓记者并压制批评性报道。在面临审查后，Objection的网站已下线，德索萨称公司正在“重建”。归根结底，该项目凸显了一个日益增长的趋势：权势人物正试图绕过传统法律体系，通过私人的、技术赋能的仲裁手段来压制记者。
每日HackerNews RSS
这篇 Hacker News 讨论聚焦于《好莱坞报道》的一篇文章，该文详细介绍了由彼得·蒂尔（Peter Thiel）支持的风险投资项目“Objection”。该项目试图用一种私有的、由人工智能驱动的裁决服务来取代传统的司法审判。
讨论呈现两极分化：一方是对蒂尔曾利用法律战压制媒体（尤其是 Gawker 对阵浩克·霍根案）的历史持警惕态度的人，另一方则是对该平台技术有效性感兴趣的人。批评者认为该项目是“为脸皮薄的亿万富翁打造的虚荣出版物”，旨在规避司法系统；而另一些人则指出，该初创公司通过使用人类调查员和 AI 陪审团，尚未证明其方法论存在偏见或缺陷。
许多评论者对“司法私有化”的概念表示怀疑，认为这是富人试图在公共监督之外施加影响的尝试。讨论还触及了新闻问责制、Gawker 式报道的伦理，以及亿万富翁利用巨额资源压制负面报道的危险性等更广泛的紧张关系。归根结底，参与者对于该平台究竟是争议解决机制的合理演进，还是威权审查的工具，仍存在严重分歧。
Cosmodial 天图 正在加载星空…… Cosmodial
对不起。
现代执法正日益受到“战士心态”的主导，这种心态训练警察将每位平民都视为潜在的致命威胁。虽然其初衷是提高警察的安全，但这种过度警惕的思维方式在社区信任方面造成了巨大障碍，因为它阻碍了积极的互动，并常将非暴力事件升级为可避免的冲突。 为恢复合法性，作者主张进行根本性的文化转变：以“守护者”身份取代“战士”身份。这种转变将服务、沟通和公众信任置于单纯的战斗战术之上。为落实这一变革，作者提出了两项切实可行的改革措施： 1. **强制性的非执法接触：** 要求警察与社区成员进行积极、非惩罚性的互动，以建立融洽关系，并将警徽背后的双方人性化。 2. **战术克制：** 训练警察优先考虑耐心与降级冲突，当警务目标可以通过更安全、更审慎的方法实现时，应避免不必要的身体接触。 总之，作者认为，通过将警务视为一种与社区共同完成——而非针对社区实施——的协作服务，执法机构不仅能提高警察和平民的安全，还能培养有效执法所必需的公众信任。
这场讨论以一篇 2015 年发表在《哈佛法律评论》的文章为核心，探讨了美国执法部门向“战士心态”转变的文化趋势。
评论者认为，采用军事化的言辞、装备和战术，已使警察从社区守护者转变为将公民视为敌人的占领力量。这种军事化通常与“杀戮学”（killology）培训以及一种优先考虑武力而非降级冲突的自我孤立亚文化有关。
这场辩论触及了导致这一趋势的几个关键因素：
* **武器化：** 许多参与者认为，美国枪支的泛滥迫使警察处于过度警惕的状态；而另一些人则认为，这只是警察滥用武力和缺乏问责制的借口。
* **系统性问责：** 一个主要议题是，“蓝色细线”（thin blue line）准则和限定豁免权保护了警员免受后果影响，从而加剧了不当行为。
* **任务蔓延：** 警察越来越多地被指派去处理他们无法胜任的社会问题（如心理健康危机和轻微的法规执行），这导致了不必要的冲突升级。
归根结底，参与者建议，要恢复信任，就需要摒弃以战士为中心的准则，实施社区警务，并结束警察问责制的系统性缺失。
特斯拉在丹麦发布的自动驾驶汽车宣传视频中，显示出多处在哥本哈根交通环境下的违规行为。丹麦骑行者协会和丹麦汽车协会（FDM）对此表示担忧。 汽车 2026年6月10日 15:56 收听文章 保存文章 已保存 已读 在特斯拉获得丹麦批准后发布的这段短视频中，一辆自动驾驶的特斯拉究竟会犯下多少错误？观看视频，亲自数一数。 汽车 2026年6月10日 15:56
最近一段展示特斯拉全自动驾驶（FSD）在丹麦运行的宣传视频，在 Hacker News 上引发了强烈反响。批评者指出，视频中的车辆违规驶入了一条明确标示为自行车道的车道，且无视了多项交通标志和路面标线。
该讨论凸显了几个核心担忧：
* **地区合规性：** 评论者指出，将自动驾驶汽车编程为遵守不同地区各异的交通法规（例如转弯前是否应并入自行车道）极其困难。
* **系统性故障：** 怀疑论者认为，特斯拉的人工智能可能难以识别标准的交通标志（如“禁止驶入”或“道路封闭”），这可能源于系统过度依赖从人类驾驶行为中“学习”，而人类驾驶中往往包含违规操作。
* **安全与监管：** 许多用户对缺乏问责制以及对行人和骑行者构成的潜在危险表示不满。一些人认为，此类错误反映了特斯拉“纯视觉”方案的根本性缺陷，即缺乏激光雷达（LiDAR）带来的冗余性。
该讨论帖随后演变成了一场关于特斯拉批评者可信度，以及在公共道路上部署测试版驾驶软件之道德问题的辩论。
为了提升 macOS 上的编程智能体性能，作者通过 `llama.cpp` 结合 Metal 加速，对本地环境中的 **Gemma 4 26B**（GGUF 格式）模型进行了优化。通过集成**多 Token 预测（MTP）草稿模型**，生成速度从 58.2 token/s 提升至 72.2 token/s（提升 24%），表现优于原生 MLX 实现。
**关键组成：**
* **引擎：** `llama.cpp`（构建时支持 Metal/Accelerate）。
* **模型：** Gemma 4 26B-A4B（Q4 量化）搭配 Q8 MTP 草稿头。
* **优化：** 在 M1 Max 上，使用 `--spec-draft-n-max 3` 可达到最佳速度。
* **功能：** 集成的多模态投影仪支持截图分析，兼容 OpenAI 的 `llama-server` 可实现与“Pi”编程智能体的无缝衔接。
作者指出，虽然 Qwen 3.6 35B 等替代模型在编程逻辑上更出色，但 Gemma 4 + MTP 的配置在日常智能体工作流中仍是更快速、更具响应性的选择。文中还提供了详细说明，包括用于自动化的 Shell 脚本包装器和 Pi 的配置方案，以实现开箱即用的本地开发体验。
这篇 Hacker News 讨论聚焦于一篇关于如何使用 `llama.cpp` 在 macOS 上运行本地编码智能体的指南。作者说明，该文章并非针对初学者的教程，而是其个人配置的快速记录，旨在回应社区对其性能基准测试的关注。
社区讨论的主要内容包括：
* **基准测试的局限性：** 有经验的用户指出，作者采用的 128 token 基准测试太短，不具备参考意义。他们建议至少使用 1,000 到 3,000 个 token，以便准确衡量预填充（prefill）和上下文处理能力。
* **工具偏好：** 关于使用何种工具存在显著争议。尽管一些用户倾向于使用 LM Studio 等“一体化”应用以追求易用性，但资深用户认为，手动配置的 `llama.cpp` 在性能和速度上优于 Ollama 等封装工具。
* **硬件与性能：** 讨论强调了本地模型与 Claude 等“前沿”云端模型之间的差异。虽然本地模型具备隐私和离线运行的优势，但用户指出，要实现高效的编码任务，必须配备高性能的 Apple Silicon 芯片（如 M1/M4 Max 以及 64GB 以上内存）。
* **实用性：** 许多评论者探讨了运行本地模型与使用 API 相比是否具备经济可行性，最终结论是，对于学习、隐私保护及开发独立性而言，本地模型仍然是一个有价值的工具。
您好，您提供的文本区域为空，请提供需要翻译的内容。
Hacker News 社区最近讨论了一款受经典游戏《席德·梅尔之海盗！》启发、基于浏览器运行的海战游戏。开发者收到了玩家的广泛反馈，玩家在称赞其怀旧氛围的同时，也指出了几个有待改进的地方。
提升游戏性的常见建议包括：
* **物理效果：** 引入真实的动态风向和可变航行速度，因为目前的移动方式过于简化。
* **平衡性：** 解决“绕圈射击”战术过于容易的问题，该战术目前让玩家可以无视船只体型差距击败大型舰船。
* **视觉效果：** 用户希望改善色彩对比度，因为目前在深色背景下很难看清炮弹。
* **功能：** 建议包括增加岛屿和障碍物、调整难度等级以及添加多人游戏功能。
开发者对这些建议持开放态度，尤其是加入风力机制和多人游戏支持。该讨论帖也成为了用户交流个人项目、游戏开发经验以及分享《Old Ironsides》、《Taipan》和《Overboard!》等复古游戏回忆的枢纽。总体而言，该项目作为一个有趣的雏形受到了好评，许多用户鼓励创作者继续优化游戏的核心机制。
作为一名开源维护者，作者表达了对大量低质量、由人工智能生成的“路过式”拉取请求（pull request）涌入的沮丧。为了避免沦为“半人马”（即被迫花费时间审查机器生成代码的人类），作者更新了贡献指南以应对这一趋势。 未经请求的拉取请求现在将被直接关闭。贡献者必须先开设一个问题（issue），以确保他们是真正对项目感兴趣的人，而非只会懒散地向大语言模型输入提示词的用户。作者认为，他们已没有时间和兴趣在人工智能生成的“垃圾”中筛选潜在的改进。 在反思开源现状时，作者担忧对人工智能的依赖正在侵蚀编程技艺以及曾经让协作软件开发充满意义的社区精神。通过强制执行“以人为本”的贡献流程，作者旨在保护自己的时间，并在自动化的未来中维护项目的完整性。
作者因需赶工完成紧急的翻译任务而提前离开了健身课，一位熟人问她为什么不直接用 ChatGPT 来提高工作效率。这次经历凸显了一个日益严重的误解：人工智能会让专业人才变得过时。 作者认为，虽然人工智能可以在创建词汇表或格式检查等行政任务中作为有用的工具，但它无法复制专业翻译所必需的细微差别、文化本地化和批判性思维。就像蹒跚学步的孩子一样，人工智能需要持续的监督，并且经常会产生“幻觉”而编造信息。 这种荒谬感在那位熟人自己的职业选择中体现得淋漓尽致；尽管她建议作者使用人工智能，但她自己却承认无法在人力资源工作中应用人工智能，因为它“不够可靠”。最终，作者强调人工智能是专业人士的一种进阶工具，而非替代品。就像使用锤子的屋顶修理工依然是熟练的工匠一样，作家和翻译人员仍然不可或缺，他们提供的监管和专业知识是技术无法比拟的。
这篇 Hacker News 的讨论聚焦于人工智能作为一种便捷工具与人类专业知识的必要性之间的张力。
参与者指出了一种反复出现的模式：人们常称赞 AI 是自身专业领域之外任务的福音，但同时又认为在他们自己的专业领域内 AI 无法取代他们——这种现象被比作“盖尔曼遗忘症”的一种变体。
讨论的核心争论在于 AI 产出的结果到底是“足够好”还是仅仅是“看似合理的垃圾”。许多人认为，虽然 AI 有助于加速琐碎工作、编程或技术翻译，但它缺乏高质量、细致或创造性产出所必需的真正理解力。相反，另一些人则认为，人类的怀疑往往源于否认或未能意识到 AI 能力的快速演进，并提出即使是建筑或复杂工程等专业工作，最终也可能由自主的代理系统来管理、验证或执行。
最终的共识认为，尽管 AI 目前仍是一个需要人类持续监督的不完美的“初级”助手，但它正在从根本上改变人类劳动的价值，迫使专业人员从“执行者”转变为对日益强大的自动化系统进行管理、验证和引导的操控者。
请启用 JavaScript 和 Cookie 以继续。
抱歉。
WASI 0.3 WASI 0.3
2 天前
WASI 0.3.0 现已正式发布。它在 WebAssembly 组件模型中引入了原生的、基于完成机制的异步支持，标志着一个重要的里程碑。 通过将 `future<T>` 和 `stream<T>` 直接集成到规范 ABI 中，WASI 0.3 取代了 WASI 0.2 中繁琐且需手动编排的事件循环。此前，各组件在协调异步操作时困难重重；现在，宿主环境可以管理一个供所有组件共享的统一事件循环。这一转变简化了组件接口，实现了跨多种语言（包括 Rust、Go、Python 和 JavaScript）的惯用异步绑定，并支持高性能的服务链式调用，有望将服务间的延迟从毫秒级降低至纳秒级。 至关重要的是，WASI 0.3 是一项稳定且已获批准的规范，能够保证长期兼容性。目前，Wasmtime 和 Jco 等运行时已开始提供支持，客户端工具链的更新也正在进行中。通过将异步处理视为“一等公民”，该版本解决了长期存在的组合问题，并为高效、可互操作的 WebAssembly 开发树立了新标准。