每日HackerNews RSS

## 生成艺术之旅 这项工作始于2016年的一次编程练习,逐渐演变成一种深刻的个人创作途径。多年来,作者在p5js和其他工具中不断实验,建立了一套“词汇”——由算法和技术组成,每项技能都成为未来创作的资源。 早期的作品侧重于展示数学概念,例如叶序螺旋,将公式置于审美选择之上。随着对更自然、手工纹理的渴望,作者开始探索流场、线条密度和模拟笔触。最初以灰度工作,专注于形式,然后作者逐渐理解累积的线条可以*成为*纹理。 这种理解为模拟材料铺平了道路——水彩、毡尖笔、裂纹釉等,并非通过物理精确度,而是通过引人入胜的印象来实现。颜色一直是一个挑战,通过直觉和实验得以克服。 这项旅程从“我能做什么?”转变为“我想表达什么?”,算法服务于更大的艺术愿景。这种耐心、自主的学习实践在生活的压力下持续进行,为个人审美探索提供了一个空间,并带来充实的成长感。

对不起。

启用 JavaScript 和 Cookie 以继续。

## Microsoft PhotoDNA 与账户问题 - Hacker News 摘要 Hacker News 上的一场讨论围绕着一位用户与微软账户验证和 PhotoDNA 系统的奇特经历。该用户声称,在要求年龄确认后,微软联系了警方以验证其身份和年龄,起因是其个人资料图片在多个账户中被标记。 许多评论者对警方的介入表示怀疑,认为微软通常不会为了标准的账户问题而动用执法部门——除非涉及儿童性虐待材料 (CSAM),在这种情况下他们会联系失踪与被剥削儿童国家中心 (NCMEC)。一些人认为这个故事可能是捏造的或存在误解。 讨论还强调了对微软 PhotoDNA 的担忧,这是一种用于识别图像的哈希系统,可能导致误报(哈希冲突)以及对用户数据的广泛扫描,包括 Windows 11 上的文件。关于扫描范围和隐私影响存在争论。尽管创建了许多新账户,该用户仍然面临被标记的照片问题。最终,评论者质疑为什么用户在遇到这些持续问题的情况下仍然继续与微软互动。

启用 JavaScript 和 Cookie 以继续。

对不起。

该网站正在使用安全服务来保护自身免受在线攻击。您刚才的操作触发了安全解决方案。 提交特定词语或短语、SQL命令或格式错误的数据等行为可能会触发此阻止。

本文详细描述了一项追求极致计算能力的大胆尝试——达到百亿亿次浮点运算(1e21 FLOPS)的处理水平。作者对这种能力的潜力着迷,设想一台能够以人类无法想象的速度处理信息,在短短几周内模拟数千人生的思考过程的机器。 目前已具备硬件基础,主要挑战在于开发能够驾驭它的软件,并确保所需的巨大电力——估计为10兆瓦,可能由250英亩的太阳能发电场提供。作者分解了预估的3000万美元成本,认为在其有生之年能够实现拥有。 驱动力不仅仅是速度,而是利用这种力量*思考*的能力——将其用于解决问题、创造和全面的数据分析,本质上是将50,000个协调一致的头脑合而为一。

## 泽塔浮点运算梦想与未来计算 最近一篇帖子在Hacker News上引发了关于实现泽塔浮点运算能力——一种惊人的处理能力——的可行性讨论。对话深入探讨了ZFS创建者预见今日数据规模的历史远见,以及计算的物理极限,指出存储一个完全填充的128位存储池所需的能量将超过煮沸海洋所需的能量。 目前,超过2^64字节的数据集已经很常见,这给元数据管理带来了挑战,并需要诸如虚拟化之类的创新解决方案。虽然64位寻址目前仍然足够,但对更大指针(128位)的需求迫在眉睫,并可能带来潜在的安全优势。 讨论还涉及替代未来,包括戴森球群作为巨大能量和计算能力的潜在来源,尽管实际障碍仍然存在。最终,该帖子强调了约束条件的转变——从计算到能量、资本以及规模扩展的基本物理学——并质疑追求不断增长的计算能力是否可持续,甚至是最有成效的道路。一些人推测人类可能已经生活在模拟之中,这使得这些进步不可避免。

## Trivy 供应链攻击总结 (2026) 2026年3月,一场复杂的供应链攻击破坏了Aqua Security的Trivy漏洞扫描器。攻击者将窃取凭证的恶意软件注入到官方Trivy发布版中,使其能够静默地从CI/CD环境中窃取明文API密钥。关键在于,攻击并未利用代码漏洞,而是利用了Trivy访问包含暴露密钥的环境变量的权限。 受损的二进制文件通过流行的GitHub Actions(trivy-action和setup-trivy)传播,影响了数百万个流水线。现有的密钥管理工具(Vault、AWS、Doppler等)效果不佳,因为它们在运行时检索密钥,使其暂时以明文形式可用——这正是恶意软件的目标。 VaultProof通过采用“分密钥”架构提供了一种解决方案。它不是暴露完整的密钥,而是分发加密份额,确保环境中不存在明文密钥。即使使用像Trivy这样受到破坏的工具,也没有任何东西可以被窃取,从而完全破坏了攻击模型。这凸显了保护*使用中*的密钥,而不仅仅是静态密钥的解决方案的必要性。

对不起。

这项研究调查了训练样本顺序如何影响神经网络的学习,这种现象在理想贝叶斯模型中没有被考虑。核心思想是将每个训练样本视为一个向量场,指示参数更新的方向。通过计算这些向量场的“李括号”——一种衡量它们非交换性的数学运算——研究人员可以量化交换两个训练样本的影响。 李括号揭示了根据更新顺序,最终参数值的差异,并且其大小与学习率的平方成正比。这意味着即使是微小的顺序改变也会随着时间的推移而累积。该研究明确计算了在CelebA数据集上训练的卷积神经网络(一种修改后的MXResNet)的这些李括号。 结果表明,交换样本*确实*会扰动网络对测试数据的预测(logits),并且这种扰动的大小在训练过程中会发生变化。这项工作基于先前研究,确定了李括号与神经网络中隐式偏差的联系,并提供了一种在实践中分析顺序依赖性的具体方法。

对不起。

您的请求已被阻止,原因是网络策略。请登录或在此处创建帐户以恢复浏览。如果您正在运行脚本或应用程序,请在此处注册或使用您的开发者凭据登录。此外,请确保您的User-Agent不为空,并且是独特且具有描述性的,然后重试。如果您正在提供替代的User-Agent字符串,请尝试改回默认设置,因为这有时会导致阻止。您可以在此处阅读Reddit的服务条款。如果您认为我们错误地阻止了您,或者想讨论更轻松地获取所需数据的方式,请在此处提交工单。联系我们时,请提供您的Reddit帐户以及以下代码:019d749c-367d-73cc-941b-1dbd69112b22。

## 机器人优先架构的兴起 汽车行业正经历着根本性转变,日益模仿先进机器人的架构——以特斯拉和波士顿动力等公司为代表。特斯拉正在将其工厂从汽车生产(Model S/X已停产)转变为大规模生产人形机器人(Optimus,目标到2027年达到每年100万台),预示着更广泛的行业趋势。 这种转变是由向集中式计算、区域控制器和软件定义执行器转变推动的,从而显著简化了线束——特斯拉的设计比福特等竞争对手简洁得多。福特现在也正在为其未来的电动汽车采用类似的架构。 除了人形机器人,这种“机器人优先”方法还扩展到建筑、物流和国防等不同领域,需要更高的数字化和自主性。预计机器人组件产量将激增,尤其来自目前主导供应链的中国供应商。重要的是,电动执行器的进步正在挑战传统的液压系统,提供更高的效率和数据驱动的维护。 最终,核心架构——以及其中的有利可图的机会——适用于广泛的应用领域,使拥有强大知识产权的组件供应商有望实现显著增长。

## 特斯拉的转型与机器人雄心 - Hacker News 摘要 Hacker News 的讨论围绕一篇关于特斯拉未来的文章展开,起因是“机器人吞噬汽车”的想法。对话的核心是特斯拉计划到 2027 年将弗里蒙特工厂改造为每年生产一百万台 Optimus 类人机器人,每台售价 2 万美元。 怀疑论者质疑这些生产目标的可行性,将其与特斯拉过去雄心勃勃的预测(如到 2026 年生产一百万辆机器人出租车)进行比较。另一些人指出,特斯拉已经证明了其扩大生产的能力,在 2025 年交付了 150 万辆 Model 3/Y 汽车。 关于即将停产的 Model S 和 X 出现了一场重要的争论。许多人认为这些车型已经过时,并且无法与来自保时捷、奥迪和 Lucid 的新款豪华电动汽车竞争,导致特斯拉专注于更受欢迎的 Model 3 和 Y。一些人认为,机器人生产是由于高端车型需求下降而采取的“挽回面子”之举。 人们提出了对线控转向技术和安全性的担忧,并引用了 Therac-25 事件,但有人以其在航空和其他车辆中的成功应用案例进行了反驳。最终,讨论强调了特斯拉不断变化的优先事项以及在快速变化的汽车领域保持创新的挑战。

## 亲属关系的代价:非洲的葬礼与经济停滞 在撒哈拉以南非洲,葬礼通常是极其奢华的活动,往往耗费家庭数千美元——这对于中位收入较低的国家来说是一笔巨大的负担。这不仅仅是对长辈的文化尊重,而是一个根植于根深蒂固的亲属网络中的复杂体系。在像加纳这样的母系社会,大家族在死后“拥有”尸体,导致尸体在筹集资金用于盛大、为期数天的葬礼时,长期存放在太平间。 这些葬礼充当了家庭忠诚度的“代价信号”。花费体现了对群体的承诺,而该群体传统上提供医疗保健和安全等基本服务。然而,这个体系需要持续的财富再分配,阻碍了个人的经济发展。人们期望分享收入,拒绝可能会面临社会排斥。 这形成了一种财富被积极*破坏*而非投资的循环,阻止了资本积累和经济“腾飞”。虽然现代金融工具,如手机银行,为一些人提供了一定程度的财务隐私和摆脱困境的机会,但亲属关系的强大义务仍然是繁荣的重要障碍。最终,奢华的葬礼是社会秩序优先考虑集体义务而非个人经济增长的一个明显症状。

更多

联系我们 contact @ memedata.com