柏林警方正在调查一名18岁学生，因其可能诽谤联邦议院议长弗里德里希·梅尔茨。此前，该学生在抗议德国新兵役法时展示了一张带有针对梅尔茨的极具攻击性的口号的海报，导致海报被没收，并对可能的诽谤和中伤行为展开调查。 德国法律规定，必须调查故意捏造的、旨在损害公众人物声誉的虚假陈述。 此事件紧随对梅尔茨近期一次公开露面后，网络上发表的评论的调查，用户使用了“匹诺曹”和“纨绔子弟”等贬义词。 警方表示，他们有义务调查任何犯罪活动的初步嫌疑，即使涉及政治人物，这也凸显了德国言论自由与诽谤法律界限之间的微妙平衡。
每日HackerNews RSS
## 德国警方调查学生海报引发言论自由辩论
德国警方对一张针对政客弗里德里希·梅尔茨带有粗俗信息的学生海报（“舔球，梅尔茨”）展开调查，由此在Hacker News上引发了关于德国言论自由和法律标准的讨论。一些评论员认为调查是一种令人担忧的过度干预，而另一些人则指出德国在侮辱和诽谤方面的法律比美国更严格。
这场辩论凸显了德国言论自由和观点自由之间的区别，在德国，表达侮辱性言论可能构成非法。 许多用户指出德国刑法典对政治家的强有力保护。 讨论也延伸到对欧洲日益增长的威权主义的更广泛担忧，并举例说明了匈牙利最近的逮捕事件。
除了法律辩论外，另一个帖子表达了对德国能源形势和潜在地缘政治冲突的担忧，预测经济困难甚至军事干预。 最初的事件似乎是一项轻微的违法行为，触发了正式的“调查”——一种标准的警察程序——但它引发了关于政治表达和法律界限的更广泛的对话。
新西兰正经历着 необычный 移民趋势，流失居民数量接近历史最高水平，特别是30至50岁年龄段的人群。 传统上，年轻的新西兰人会去“大海外游”（Overseas Experiences），但现在，已经建立事业的专业人士甚至前总理杰辛达·阿 Dern 都在离开，原因是生活成本上升、就业市场疲软以及海外更好的机会。 澳大利亚是首选目的地，以明显更高的薪水（中位周收入高37%）和更低的失业率吸引着新西兰人。 像Thorns一家这样的家庭正在获得经济利益——收入增加、食品和交通成本降低——以及改善的生活方式。 还有一些人正在英国、美国和欧洲定居，被职业发展和经济稳定所吸引。 虽然新西兰总体上仍然保持净移民增长，但熟练劳动力的流失令人担忧，可能会影响长期的经济增长。 来自印度、菲律宾和中国等国家的移民涌入正在改变新西兰的人口结构，但留住经验丰富的专业人士仍然至关重要。 许多离开的新西兰人仍然与家乡保持着紧密的联系，将“家”视为一种联系，而不仅仅是一个地点。
## 新西兰人口外流：摘要
一篇近期文章强调了30岁以上新西兰人不断增加的移民现象，引发了Hacker News上关于根本原因的讨论。虽然经济数据经常被引用，但评论员认为更深层的问题正在发生，不仅仅是简单的冒险追求。
一个关键点是就业法的影响——特别是漫长的试用期——这可能会阻碍招聘。一些人认为，放宽招聘/解雇限制可以促进就业并留住居民。另一些人指出，澳大利亚更强大的经济以及最近一项为居住在那里的新西兰人提供直接入籍途径的政策是重要的吸引因素。
讨论还涉及新西兰更广泛的经济问题，包括有限的就业市场、高生活成本以及其经济结构可能存在的问题。一些评论员批评过去的领导层，认为其政策对经济产生了负面影响。关于不同经济方法的有效性存在争论，一些人提倡更自由的市场政策。最终，这场对话表明，这是一个复杂的局面，由多种经济因素、政策选择和外部机会共同驱动。
伊朗联合国大使称，伊朗米纳布一所女校最近遭受导弹袭击，据报道造成150名学生死亡，但这一数字尚未得到确认。调查显示，美国军方可能对此负责，并非故意为之，而是由于其快速扩展的人工智能使用中的错误。 司法部和国防部内部消息人士表示，该人工智能系统，一个基于Claude的程序，可能使用了过时的情报，将学校定位在伊朗伊斯兰革命卫队（IRGC）前据点附近。五角大楼正在调查发射是如何被授权的。 此事件紧随之前有关人工智能错误导致埃普斯坦文件发布问题的报告。值得注意的是，特朗普政府最近将Claude的创建者Anthropic列为供应链风险，原因是担心政府监控，导致转向OpenAI的ChatGPT。军方有六个月的时间逐步淘汰Claude。
## 人工智能、战争与问责：伊朗的复杂局势
一份最新报告称，人工智能错误可能导致伊朗学校爆炸事件，造成大量伤亡。然而，Hacker News上的评论员大多反对将其简单定义为“人工智能错误”，认为这代表了人类在战争中使用不可靠技术的决定，并接受平民伤亡作为结果。
讨论的中心是袭击的背景：学校靠近伊朗伊斯兰革命卫队（IRGC）基地，过去曾用作指挥中心，以及指控IRGC故意将学生置于危险之中以引发反应。一些人认为这种操纵构成战争罪。
许多人对仅仅将责任归咎于人工智能表示怀疑，指出美国军方过去曾造成平民伤亡，并质疑目前呈现的叙述。人们担心该事件正被利用来为进一步的暴力和战争罪行辩护，特别是针对伊朗平民。一些评论员强调该地区存在袭击学校和民用基础设施的模式。
最终，这场讨论强调了在涉及人工智能的现代战争中确定责任的困难，以及此类事件可能被武器化用于政治目的的潜力。
## 在受控世界中对声音的渴望 我们以前所未有的速度拥抱了网络，却难以定义它的目的。作者认为，这种热切的渴望源于我们生活中缺失的某种深层渴望：真实的人类声音。 现代生活被“管理”所主导——一种20世纪美国的信念，认为从商业到个人生活的一切都可以被控制和优化。虽然这种受管理的生活提供了安全和可预测性，但它要求一致性并压抑个人表达，迫使我们陷入“专业主义”，并压制了真实的自我。 网络提供了一种强大的解药。它承诺了一个公开的、真实的自我表达平台，一个夺回我们声音的空间——这是受管理环境压抑的核心身份元素。除了获取信息，网络吸引力在于它能够瓦解等级制度并赋能个人。 从主页到电子邮件和独立的在线出版物，网络允许我们绕过传统的公司控制，直接连接，自由甚至颠覆性地表达。我们被网络吸引，并非知道它*是什么*，而是*希望*它能将我们从受控世界的束缚中解放出来，让我们真正被倾听。
这场 Hacker News 的讨论围绕一篇 1999 年的随笔《渴望》，以及它对早期互联网的先见之明。核心论点在于最初的希望，即互联网将瓦解传统等级制度并赋予个人发声权。
用户反思了这一承诺是如何展开的，注意到从充满希望的混乱到像 Myspace、Facebook，最终到由广播式沟通和算法主导的格局的转变。虽然技术*允许*每个人进行广播，但具有讽刺意味的是，它反而使人们更难被*听到*。
对话中突出了一种幻灭感——最初的在线解放“浪潮”达到顶峰并退去，导致社区碎片化（如 Reddit）或被动消费（“无休止地刷令人沮丧的新闻”）。最初对真正民主化的声音的乐观情绪在很大程度上未能实现，注意力集中在少数人手中。
## Linux 内核交换子系统改进 最近的开发重点是彻底改进 Linux 内核的交换子系统，旨在提高性能和灵活性。当前的交换机制将页面绑定到特定设备，在移除设备或使用 zswap（一种基于压缩的交换方法）时会产生效率低下。 一个提议的解决方案引入了“虚拟交换空间”——一个独立于底层设备的单个统一交换表。这允许页面在设备之间无缝移动，并解决了 zswap 预分配未使用存储的需求。虽然前景可观，但这种方法会增加内存使用量，并显示出性能下降，需要进一步改进。 与此同时，另一组补丁提出了“交换层级”，使管理员能够优先使用更快的存储进行交换。这补充了虚拟交换空间的概念，可能简化页面在层级之间的移动。 这些变化表明开发人员重新关注交换子系统，寻求提高性能、可维护性和整体效率。然而，关于开销和性能仍然存在担忧，这意味着在集成之前需要进一步开发。
## Helix: 一款现代文本编辑器 Helix 是一款用 Rust 构建的终端文本编辑器，旨在提供精简且强大的编码体验。它受到 Kakoune 的启发，将**多选和多光标**作为核心编辑功能，实现并发代码操作。 利用 **Tree-sitter**，Helix 提供强大的语法高亮、智能代码导航和准确的代码分析。它拥有**内置的 IDE 类功能**——自动补全、诊断和文档——无需配置。 与 Vim 或 Neovim 不同，Helix 优先采用现代方法，具有合理的默认设置和更小的代码库，使其更易于上手。虽然目前缺乏插件和 GUI（两者都计划在未来实现），但它开箱即用就提供了模糊查找器、项目范围搜索和精美主题等功能。它与 Kakoune 的不同之处在于，它将更多功能直接集成，而不是依赖外部工具。
## 使用自定义补丁编辑器修改Jujutsu变更 作者需要重命名Jujutsu变更中的一个方法，但发现Python LSP重命名不可靠。虽然Git提供了`git format-patch`和`git am`等解决方案，但Jujutsu对此没有直接支持。`jj diffedit`提供了一个接近的替代方案，允许编辑变更内容，但其内置编辑器功能有限，外部合并工具也不起作用。 为了克服这个问题，作者创建了一个与`jj diffedit`集成的自定义工具。该工具从变更生成一个补丁文件，在用户定义的编辑器中打开它（默认使用nano），然后重新应用修改后的补丁来更新变更的内容。它巧妙地通过先从“右”目录（已应用的变更）中取消应用原始补丁，然后再应用编辑后的版本来工作，从而避免对只读的“左”目录的写入访问。 可以通过`jj config edit --user`配置Jujutsu来设置脚本的路径，从而启用此功能。配置完成后，`jj diffedit --tool=patch`将打开补丁进行编辑，并自动保存以更新Jujutsu中的变更。这提供了一种灵活有效的针对性编辑单个变更的方法。
## Jujutsu (JJ) - Git 替代方案讨论
一则 Hacker News 讨论围绕着 **Jujutsu**，一种用于与 Git 仓库交互的新工具。用户称赞 JJ 设计良好、可扩展的界面，并指出它可以针对其原生不支持的任务进行定制。
讨论的一个关键点是，对于习惯于 **Magit**（一个流行的 Git 前端，通常与 Emacs 一起使用）的用户来说，如何过渡。虽然有些人发现很难摆脱 Magit 的肌肉记忆，但另一些人报告说，JJ 的功能最终消除了对传统 GUI/TUI 的需求，即使对于复杂的任务也是如此。
提到了一些旨在在 JJ 中复制 Magit 界面 的项目，包括 **Majutsu** 和 **jjdag**。用户强调 JJ 的交互式分屏视图和简洁的命令是促进平滑过渡的好处。虽然冲突解决和高级操作可能仍然受益于像 lazygit 或 LLM 辅助这样的外部工具，但许多人发现 JJ 足以满足日常 Git 交互的需求。
一场新的、非法发动的战争——据美国战争部长皮特·海格塞斯称，这场战争“没有愚蠢的交战规则”——已经开始，以对伊朗一所小学的毁灭性导弹袭击为标志，近200名女孩和老师丧生。这场冲突严重依赖于先进的人工智能技术，特别是Anthropic的Claude，其资金部分来自亚马逊（及其所有者杰夫·贝佐斯，他最近解雇了《华盛顿邮报》的员工）。
《华盛顿邮报》赞扬了Claude在“精确”识别目标方面的作用，但未能将这种精确性与平民伤亡联系起来。作者认为，这凸显了一个令人不安的循环：大型科技寡头通过向军方出售有缺陷的人工智能来获利，他们的媒体机构随后宣传人工智能的有效性，同时淡化人为代价。
尽管投入了大量资金，人工智能对美国经济增长的贡献“基本为零”，但却被吹捧为军事成功的关键。作者警告说，对本质上容易出错的人工智能的依赖构成了日益增长的风险，将少数人的利润置于民主价值观和可持续进步之上。他呼吁抵制并支持致力于创造更具伦理未来的替代社区。
一篇近期文章（buttondown.com/creativegood）详细描述了Anthropic的AI，Claude，似乎被用于支持军事行动，导致至少175人死亡，其中许多是学生。Hacker News上的讨论集中在AI参与冲突的伦理影响，特别是与伊朗相关的问题。
一些评论员表达了支持帮助推翻现任伊朗政权的观点，将其视为走向自由的积极一步。另一些人则将之与过去的干预（如1953年的阿贾克斯行动和2003年的伊拉克战争）相提并论，告诫人们不要认为会受到欢迎或取得积极结果。
对话还涉及历史意识，有人指出在评估当前事件时，忽视遥远和近期历史都是危险的。一条有趣的评论暗示与一位特定的政治评论员有关联。最初的帖子引发了讨论，形式为“删减诗歌”，突出了新闻报道中的关键短语。
(Empty input provided. There is nothing to translate.)
一款名为“美国数据”(americaindata.com)的新游戏在Hacker News上受到关注，它采用引人入胜的测验形式来测试对美国数据的了解。开发者fidicen欢迎反馈，并计划根据用户建议进行更新。
玩家将其与汉斯·罗斯林的测验进行了有利比较，指出其令人惊讶的难度以及随机猜测可能胜过有根据的猜测的潜力。改进建议包括自适应难度级别，可能带有高级用户设置来控制答案选项之间的百分比差异，以及正确和错误答案之间差异的可视化表示（例如条形图）。
有一小段讨论澄清了该游戏专门关注与*美国*相关的数据，而不是整个美洲大陆。Fidicen正在积极回复评论并采纳未来开发的创意。
该项目最初尝试复制Jeff Dean暗示的、用于查询30亿向量的高效向量搜索解决方案。目标是找到约1000个查询向量与30亿个文档向量数据集之间的相似度（点积），这些向量存储为.npy文件。
最初的简单实现速度很慢（查询3000个向量近2秒）。使用NumPy向量化点积计算显著提高了性能至约0.01秒，并进一步使用`np.float32`优化将其降低至约0.0045秒。然而，扩展到300万个向量需要12.8秒，推算到完整30亿个向量将需要约3216分钟，这不切实际。
一个主要障碍出现了：内存不足（OOM）错误。存储30亿个768维的float32向量大约需要8.6 TB的RAM。潜在的解决方案包括使用生成器、批量操作、内存映射或使用Rust/C等语言编写优化代码。
至关重要的是，作者意识到最初的问题陈述缺乏对关键需求（查询模式：单次查询与多次查询、Top-k检索，数据处理：内存中与基于磁盘，硬件限制：GPU、机器规格，可接受的精度权衡：压缩）的明确说明。核心结论是，定义精确的需求通常比实现技术解决方案本身更具挑战性。
## 查询数十亿向量：一则黑客新闻讨论总结
一则黑客新闻讨论串探讨了高效查询大型向量集（最多30亿）的方法。最初的问题，正如一位评论者所强调的，集中在从这个庞大数据集中找到与查询向量最近的邻居。
提出了几种方法。一种建议是使用二值量化和SIMD优化的汉明距离的嵌入模型，以进行快速比较（每秒16亿次）。另一些人则提倡简单的顺序读取，特别是如果查询是一次性操作，利用像`usearch`这样的工具进行基于磁盘的向量存储。
Redis的向量功能也被提及，为较小的数据集（每秒2万-5万次）提供潜在的快速查询，但扩展性是一个问题。一个关键点是，在这种规模下，生成嵌入本身可能是最大的瓶颈。
讨论还涉及在完全理解需求之前过度设计解决方案的倾向，以及考虑基本方法（如线性扫描）的价值，正如Jeff Dean所建议的那样，优于复杂的索引。最后，现有的向量数据库，如LanceDB和Turbopuffer，被建议为现成的解决方案。