请启用 JavaScript 和 cookie 以继续。
每日HackerNews RSS
抱歉。
这项技术分析对比了 Embassy（异步 Rust）与 FreeRTOS（C 语言）在 STM32F446 微控制器上的性能表现，测试场景包含 LED 闪烁、UART 通信和 GPIO 中断等标准任务。 研究测量了中断延迟、程序大小和静态内存占用。与最初的预期相反，Embassy/Rust 在所有主要指标上均优于 FreeRTOS/C： * **延迟：** Embassy 展示了明显更快的终端处理速度和更低的整体延迟。 * **内存/体积：** 与 C 项目相比，Rust 实现的二进制文件更小，静态内存占用也大幅降低。 * **易用性：** 作者强调，相比传统 RTOS 环境基于线程的模式，async/await 模型更为直观，且与硬件中断的集成度更高。 虽然 FreeRTOS 提供了熟悉的抢占式多任务环境，但结果表明，对于嵌入式系统而言，异步模型在性能和开发便捷性之间提供了更好的平衡。此外，作者简要提到，另一种基于 Rust 的框架 RTIC 由于更接近底层硬件，其性能甚至优于 Embassy，这进一步证明了 Rust 在嵌入式领域的效率。
抱歉。
后 AI 时代的互联网看起来并不怎么样 —— Jordan Goodman 个人博客 作品集 咨询服务 2026年9月2日 自从生成式 AI 爆发以来，互联网的大部分内容几乎变得无法使用。当我真正想直接从来源获取答案时，搜索引擎却强行插入 AI 生成的回答。社交媒体平台充斥着机器人生成的垃圾内容。正因如此，我已经注销了大部分账号，尤其是 X。生成内容的门槛正趋向于零，导致噪音淹没了有效信息。 基于以上原因，我与互联网的关系已转变得更加平静——只在我的个人网站上发布和互动，订阅深度内容 RSS 源和 Substack 博主，并极其挑剔地选择订阅的 YouTube 频道。我希望互联网能再次变得好用。 由 Bear 驱动 ʕ•ᴥ•ʔ
抱歉。
Muse Spark 1.3 现已发布，在智能体任务和编程任务方面实现了显著的性能提升。该模型专为实际应用而设计，现在能够更出色地处理长周期工作流、同时管理多项任务，并能主动修正自身的规划偏差。 主要改进包括： * **增强协作能力**：当面临模糊不清的情况时，模型会提出澄清问题；遇到困难时会请求协助；在执行关键操作前会进行确认。 * **编程效率提升**：在工程任务中，Muse Spark 1.3 更加精简，与前代版本相比，工具调用次数减少了约 20%，Token 使用量减少了约 25%。 * **可靠性增强**：模型展现出更好的约束管理能力，能更准确地执行复杂指令，并对自身局限性有更敏锐的感知，从而减少了幻觉现象。 * **稳健的安全性**：增强了对对抗性输入和提示词注入的防御能力，同时对不可逆操作具有更好的判断力。 Muse Spark 1.3 即日起可通过 Muse Code 和 Meta Model API 使用。目前已支持现有的推理模式，而“最大推理（max reasoning）”功能将在完成最终安全测试后发布。团队计划进行后续更新，包括发布未来的模型版本以及开放权重。
Hacker News
最新 | 往日 | 评论 | 提问 | 展示 | 招聘 | 提交
登录
推出 Muse Spark 1.3 (meta.ai)
65 分 | scrlk | 1 天前 | 隐藏 | 往日 | 收藏 | 讨论
主帖链接：
Muse Spark 1.3 - https://news.ycombinator.com/item?id=49541256 - 2026 年 9 月 (197 条评论)
帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
请启用 JavaScript 并关闭广告拦截器。
抱歉。
请提供您需要翻译的内容。
Meta 发布了 **Muse Spark 1.3**，这是一款全新的 AI 模型，在推理、编码和视觉生成方面（如“骑自行车的鹈鹕”基准测试所示）较之前版本有显著提升。
**Hacker News 讨论要点：**
* **性能与价格：** 用户对该模型的速度和能力印象深刻。其一大亮点是“贡献者”定价模式：如果用户允许 Meta 使用其输入数据进行训练，可享受约 20 倍的折扣。
* **编码效用：** 该模型在编码代理框架中表现出色，尤其是其原生工具。一些开发者更喜欢这种“工具化”的行为，而不是其他往往表现得越界或过于“热心”的前沿模型。
* **行业情绪：** 评论区观点两极分化严重。虽然许多开发者认可其技术进步、极具竞争力的价格和开源贡献，但仍有大批用户对 Meta 持深度怀疑态度，理由涉及道德担忧、数据隐私以及该公司过去的商业行为。
* **基准测试疲劳：** 一个反复出现的话题是标准化 AI 基准测试（如 DeepSWE）的效用正在降低，许多用户认为实际应用表现以及所使用的特定“框架”比排行榜排名更为重要。
arXivLabs 是一个让合作者能直接在我们的网站上开发并分享 arXiv 新功能的框架。与 arXivLabs 合作的个人和组织都认同并接受我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 始终致力于这些价值观，并仅与遵守这些价值观的合作伙伴开展工作。如果您有能为 arXiv 社区创造价值的项目构想，请了解更多关于 arXivLabs 的信息。
抱歉。
请启用 JavaScript 和 Cookie 以继续。
这次 Hacker News 的讨论围绕 AISLE 最近发布的一则声明展开。该声明称其自主人工智能系统在 `curl` 代码库中发现了六个新的漏洞，而此前 Anthropic 和 OpenAI 的工具在扫描该项目时均未发现任何问题。
讨论的主要观点如下：
* **营销与实质：** 许多用户认为该声明是激进的内容营销。批评者指出，这六个已识别的 CVE 漏洞均被评为“低严重性”，暗示其结果可能被过度炒作了。
* **方法论：** 该系统似乎采用了人工智能引导的模糊测试（Fuzzing）方法，即结合大语言模型来识别高风险函数，并利用传统的模糊测试技术（如 libfuzzer 或 AFL）进行测试。参与者指出，与标准模糊测试相比，这种方法对计算资源的要求极高。
* **“正面交锋”的争议：** 虽然一些用户认为 AISLE 通过发现其他工具漏掉的错误从而超越了 Anthropic 和 OpenAI，但另一些人则认为，在没有完全相同且“干净”的代码库版本的情况下，很难进行工具对比，因为模型可能会受到此前已知漏洞的影响。
* **语言安全性：** 这次讨论重新引发了关于 C 语言内存安全性的争论。一些人认为，即使是像 `curl` 这样高质量的项目也表明，如果不转向 Rust 等内存安全语言，人类无法始终如一地编写出安全的 C 代码。
Tangle 是一个由 Shopify 开发的开源、与平台无关的实验平台，旨在普及机器学习流水线开发。它通过功能强大的拖拽式可视化编辑器，让团队能够构建复杂的机器学习工作流，无需繁琐的配置。
主要功能包括：
* **协作设计：** 团队可以使用可重用模块库或自定义组件来克隆、共享和编辑流水线。
* **灵活性：** 作为一种平台无关工具，Tangle 允许用户通过将代码封装在容器中来集成任何语言或框架。
* **高效性：** 基于内容的先进缓存机制可存储中间结果，显著缩短实验时间并降低计算成本。
无论是从零开始构建还是使用示例流水线，Tangle 都为现代机器学习团队提供了一个易于访问的协作环境。您可以在 GitHub 上探索该项目、为其开发做出贡献或查看文档。
本指南为进阶用户提供了一种无需 Root 的方案，旨在将小米 15 Ultra 的操作系统锁定在 Android 16（HyperOS 3.0.309.0）版本。其主要目的是绕过 Android 17 中令人诟病的隐私侵犯、遥测数据收集及各类“AI 垃圾功能”。
**核心步骤包括：**
* **隐私加固：** 执行恢复出厂设置，并在初始设置过程中系统性地禁用所有系统级遥测、跟踪、广告及不必要的权限。
* **卸载臃肿软件：** 手动禁用或卸载非必要的系统应用、后台服务以及“国产软件臃肿组件”，以提升性能并保护隐私。
* **深度优化：** 利用 `Shizuku` 和 `aShell` 执行 ADB 命令，在无需电脑的情况下进行深度的系统清理。
* **系统调试：** 调整开发者选项（如动画缩放、日志记录缓冲区），禁用“内存扩展”，并用 F-Droid 等注重隐私的替代品替换默认组件，以及更换第三方输入法。
* **网络控制：** 限制后台数据，禁用自动更新，并使用本地工具监控应用的跟踪行为。
*免责声明：本指南仅供进阶用户参考，作者不对设备的稳定性或数据丢失负责。请谨慎操作。*
抱歉。