启用 JavaScript 和 Cookie 以继续。
启用 JavaScript 和 Cookie 以继续。
根据前总统特朗普的说法,一种名为“扰乱者”(The Discombobulator) 的绝密武器是美国成功抓捕委内瑞拉总统尼古拉斯·马杜罗的关键。特朗普声称该武器瘫痪了委内瑞拉的军事装备,包括俄罗斯和中国的火箭,从而阻止了任何抵抗,并确保没有美国人伤亡。 来自加拉加斯的消息证实了瘫痪效应,马杜罗的警卫描述了突然的雷达故障、令人丧失能力的症状,如鼻出血和呕吐,以及一股压倒性的“声波”。一名警卫回忆说,感觉自己的头要爆炸了。 马杜罗目前被拘留在布鲁克林,面临毒品恐怖主义指控,德尔西·罗德里格斯现在担任委内瑞拉临时总统——特朗普将这种关系描述为“极好”。“扰乱者”的性质仍然保密,但它引发了人们对其与脉冲能量武器以及“哈瓦那综合症”报告的联系的猜测。
SageCompass 是一种增强决策系统,旨在在开发开始*之前*确定是否真正需要人工智能解决方案,从而节省时间和资源。它充当“虚拟顾问”,系统地评估人工智能想法,并对其价值进行数据驱动的评估。 该流程模仿人类咨询流程:定义问题、明确可衡量的目标和关键绩效指标 (KPI)、评估数据可行性,并最终做出是否继续的决策。SageCompass 利用各种“代理”——本质上是专业角色,如业务分析师、数据科学家和高管——来执行这些步骤。 SageCompass 使用 Python、DDEV 和 uv 构建,具有 Gradio 用户界面进行交互,以及 LangGraph 后端进行处理。它与 Drupal 集成,以实现潜在的应用。安装涉及设置虚拟环境和配置 API 密钥(目前为 OpenAI)。已知 Docker/LangStudio 连接存在问题,可能需要调整本地主机地址以确保正常功能。
最新报告显示,伊朗一月份抗议活动中的死亡人数可能远高于官方公布的数字。政府报告有3117人死亡,但两位卫生部高级官员告诉《时代》杂志,在为期两天的镇压期间(1月8日至9日),**可能有多达3万名人员丧生**。这场激增耗尽了伊朗的资源,尸袋用完,半挂卡车被用于运送尸体。 独立核实存在困难,但这一数字与医生(包括医院统计的30304人)和活动团体收集的数据相符(目前确认超过5459人死亡,并正在调查更多)。这些杀戮发生在抗议活动之后,最初是由经济困难引发,随后升级为要求政权更迭,最终达到数百万人在街头。 当局采取致命武力镇压,包括屋顶狙击手和配备机枪的卡车,并伴随着互联网中断。专家将这场暴力的规模与大屠杀以及叙利亚和伊拉克的屠杀事件相提并论,认为3万人的数字可能是一个*低估值*。这些事件凸显了对异见的残酷镇压,以及伊朗人民及其政府面临的巨大风险。
该项目成功地将DOOM移植到无线耳机上运行,并通过Web服务器将游戏画面流式传输到浏览器。核心挑战在于耳机的硬件限制:数据传输依赖于2.4Mbps的UART连接,而非较慢的蓝牙,且RAM仅有约992KB。 为了克服带宽限制,游戏将视频流作为MJPEG流(顺序显示的JPEG图像)传输,而不是使用复杂的编解码器。尽管将耳机的CPU超频至300MHz,编码限制了帧率为每秒约18帧。 RAM限制通过对DOOM引擎的大量优化来解决——预生成查找表、利用闪存存储常量以及禁用缓存,从而将游戏内存占用从4MB减少到足以适应可用空间。最后,一个经过特别裁剪的DOOM 1资源文件(“Squashware”)使游戏能够适应耳机的4MB闪存。
## PLECS Spice:弥合系统级与器件级仿真差距
多年来,电力电子设计面临一个权衡:快速、稳健的系统级仿真与详细、精确的器件级SPICE仿真——需要单独的工具和重复的建模工作。PLECS Spice,现已随PLECS 5.0发布,通过将SPICE直接集成到PLECS环境中解决了这个问题。
这使得工程师能够在单个平台上执行系统和器件分析,使用统一的工作流程。设计人员可以从使用理想元件的系统级模型开始,然后选择性地用详细的SPICE网表替换部分电路——例如功率级——而无需改变整体控制方案。
PLECS Spice通过支持多种SPICE方言的网表解析器、优化的紧凑模型、用于处理非线性Modified Nodal Analysis (MNA) 以及混合公式求解器来实现这一点。这能够准确地模拟复杂系统,例如双有源桥 (DAB) 变换器,其中验证软开关需要详细分析器件物理特性以及控制策略——这是使用理想开关模型无法实现的。
最终,PLECS Spice简化了设计流程,消除了冗余建模,并实现了真正的自顶向下方法,从而加快创新并缩短上市时间。
## 昔日的回忆:索尼数据光盘机DD-1EX
1992年,作者在一家电子精品店工作时,偶然发现了一批清仓的索尼数据光盘机DD-1EX电子书播放器——原价500美元,现在降价处理。他被吸引,买了一个以及配套的“书籍”(迷你CD)。
这款设备看起来像一个微型笔记本电脑,做工出人意料地好,但最终并不实用。它配备了一个QWERTY键盘用于搜索基于文本的书籍,但缺乏数据保存功能——这是90年代早期技术的局限性。随附的软件,如百科全书和旅游指南,展现了那个时代的面貌,甚至提到了苏联。
有趣的是,CD包含模拟器,允许书籍在电脑上运行。作者已经将这些ISO文件提取并提供下载,并预料到索尼可能会提出删除请求(之前有过*龙穴*内容的经历)。尽管在维基百科时代它们已经过时,但这些文件提供了一个迷人的视角,让我们得以一窥互联网之前的数字出版的被遗忘角落。
## Turbopuffer 的十亿级向量搜索 (ANN v3) – 摘要 Turbopuffer 发布了近似最近邻 (ANN) 搜索 v3,能够搜索高达 1000 亿个向量(200TiB 数据),具有高查询速率(>1k QPS)和低延迟(<200ms)。这一成就源于以“第一性原理”为基础的重建,专注于最大化硬件利用率。 架构简单:一个无状态查询层,在对象存储之上进行缓存。 扩展的关键在于解决潜在的瓶颈 – CPU 或带宽。 分析表明,由于向量搜索的算术强度(主要是点积),工作负载是“带宽受限”的。 为了应对这个问题,Turbopuffer 采用了两种技术:**分层聚类** 以缩小搜索空间,以及 **二进制量化** (RaBitQ) 以压缩向量尺寸 16-32 倍。 这使得更多数据能够驻留在更快的内存层级(缓存和 DRAM)中,从而降低带宽需求。 然而,压缩增加了算术强度,最终使系统变为 **计算受限**,需要 CPU 优化(例如利用 AVX-512 指令)。 最后,对于超出单机 SSD 容量的数据集,系统将索引分布在多台存储优化机器上,广播查询并将结果拼接在一起。 这种技术的结合提供了大规模下的经济高效的性能,使 Turbopuffer 能够处理更大的工作负载。
## 竞价实例:云成本优化的历史 竞价实例通过利用空闲的数据中心容量,提供显著的云成本节省(比按需价格低 50-90%)。虽然 AWS 在 2009 年率先采用基于拍卖的系统,但 AWS 于 2017 年转向由供应商管理的定价,根据供需关系平滑价格。Google Cloud 和 Azure 一直使用供应商管理的模式。这种转变具有讽刺意味的是*提高了*平均竞价价格,限制了深度折扣的机会。 研究表明,AWS 积极管理竞价价格,以平衡利用率并引导用户转向不太受欢迎的实例类型。2024 年,Rackspace 恢复了最初的拍卖模式,并提供完全透明度,允许竞标直接影响价格。 这种演变凸显了一个关键的矛盾:真正由市场驱动的定价与供应商控制之间的矛盾。虽然拍卖提供了更大的潜在节省,但它们需要透明度。了解每个供应商的方法——以及潜在的机制——对于最大限度地提高成本效益并避免意外中断至关重要。选择合适的供应商和策略将直接影响您的云支出。
## 船舶警报疲劳损害海上安全:最新研究 劳埃德船级社(LR)的最新研究表明,过多的船上警报正在导致船员产生“警报疲劳”,从而*降低*海上安全。该研究分析了11艘船超过2000天、4000万个警报事件的数据,发现许多船只每天产生数千个警报,其中很多缺乏实际操作价值。 这种过载会扰乱休息,削弱对安全系统的信任,并导致船员沉默或绕过警报——使不安全做法正常化。少于一半的船只达到推荐的警报速率,有些船只在十分钟内经历超过4600个警报的峰值。 然而,一艘邮轮上的试点项目表明,在六个月内,通过使用现有的工程解决方案(如传感器更换和系统调整)将警报数量减少了近50%。解决10个最频繁的警报可以减少近40%的整体警报负荷。 LR提倡客观的警报性能评估、以人为本的设计以及一致的监管标准,将警报系统从危害转化为安全资产。