这篇文章探讨了计算上易解的问题与本质上“困难”的问题之间的界限，并特别聚焦于旅行商问题（TSP）。作者利用 OpenFlights 数据集构建了一个包含 12 个机场的 TSP 实例，以说明在数以千计的可能性中寻找最优路径所面临的挑战。
文中区分了精确解与启发式算法，解释了当问题无法进行高效计算时，我们必须以牺牲最优性来换取速度。通过审视 P 对 NP、多项式归约以及 SAT 求解器等概念，作者展示了指数级增长为何使得某些问题在大规模下无法实现完美求解。
通过蒙特卡洛模拟和快速排序等随机算法的具体示例，文章凸显了这些“困难”问题的本质。最终，这项工作强调了我们能证明的内容与能计算的内容之间的差距，并非技术的缺失，而是计算复杂性的一项基本属性。其目标在于超越简单的优化，学习如何通过严谨的方法和实用的近似手段来应对这一现实。
每日HackerNews RSS
抱歉。
齐洛格船长 Captain Zilog
2 天前
左侧
英语（第三版）
英语（第二版）
中文（第二版）
英语（第一版）
韩语（第一版）
日语（第一版）
中文（第一版）
右侧
| 版权所有 © 2012 Zilog®, Inc. 保留所有权利。
隐私政策
由 ZeetaPro 提供支持
抱歉。
Codex CLI 的原生 Amazon Bedrock 提供程序目前不支持 `openai.gpt-5.6-sol` 模型的显式提示词缓存（Prompt Caching）。在处理具有长且稳定的指令前缀的智能体（Agentic）工作负载时，这一限制迫使系统进行全前缀重写，导致缓存写入 Token 数量过多，从而显著增加了成本。 2026 年 8 月 5 日至 8 日的数据显示，缓存写入费用约占总支出的 85%（1,386 美元中的 1,182 美元）。由于当前的 Bedrock 提供程序配置未公开结构化的请求体转换功能，用户无法手动启用 AWS 文档中所述的缓存机制。 **建议改进：** * **协议支持：** 更新提供程序以序列化 `prompt_cache_options`，并在输入内容块中包含 `prompt_cache_breakpoint`。 * **优化：** 实现一种策略性放置机制，以缓存稳定的工具定义和指令。 * **可观测性：** 在每轮遥测中显示缓存读/写指标，以便用户识别和诊断高成本的重写模式。 此更新对于利用 AWS 原生缓存功能运行 GPT-5.6 至关重要，能够实现复杂智能体任务的经济高效执行。
一篇 Hacker News 讨论指出，AWS Bedrock 上的 OpenAI Codex 存在一个严重漏洞：由于缓存机制失效（读写比低于 5%），导致用户产生的费用高达预期的 10 倍。用户发现，禁用 `web_search` 可作为临时的权宜之计。
该话题引发了关于 OpenAI 近期模型更新（v5.6）的广泛讨论。评论者推测，架构上的调整（可能从传统的注意力机制转向循环机制）可能改变了缓存行为，进而影响了性能和成本透明度。
除了技术漏洞外，此次讨论还反映了开发者群体日益增长的挫败感。用户表达了以下担忧：
* **“静默”更新：** 模型行为（如缓存处理）的重要变更往往在没有清晰文档或发布说明的情况下实施。
* **AI 生成的“噪音”：** 参与者指出，问题追踪系统中充斥着大量由 AI 生成的、逻辑不通的评论，阻碍了真正的调试工作。
* **对可靠性的怀疑：** 这类“过度收费”漏洞的频发，加剧了人们对 AI 是否已为大规模企业级开发做好准备的怀疑；一些人认为，管理层更倾向于开发速度而非系统稳定性。
总而言之，用户认为，尽管这些问题可能是技术上的疏忽，但它们导致了付费 API 服务在可靠性和透明度上的口碑下滑。
轨道建设先锋公司（OCP）正在开发一种用于超大型空间结构的轨道制造工艺，该工艺采用非传统的方法和材料。此项正处于专利申请阶段的工艺利用独特的原材料和方法在轨道上制造组件，用于构建大型空间结构。该系统采取了一种与其它机构的提案截然不同的革命性新方法。这使得最终的结构在设计上具有灵活性，并可调整以适应几乎任何任务，包括仓储、长期居住，以及在连接推进系统后作为航天器使用。轨道建设先锋公司是一家总部位于德克萨斯州、以基督为基石并拥有来自多个州投资者的公司。
抱歉。
正在检查您的浏览器，请稍候。检查完成后，网站将自动跳转。
抱歉。
本网站正在使用安全服务来保护自身免受网络攻击。您刚才的操作触发了安全防御机制。触发此拦截的原因可能有多种，包括提交了特定的词汇或短语、SQL 命令或格式错误的数据。
抱歉。
自 2026 年夏季起，法学院将实施一项默认政策，禁止在课程作业中使用人工智能，以确保学生掌握必要的认知和法律技能。 根据该政策，严禁学生利用人工智能对任何用于获取学分的作业进行构思、列提纲、起草、修订、编辑或翻译。此外，在考试期间完全禁止使用人工智能，且学生不得将课程资料上传至生成式人工智能系统。唯一允许的用途是识别研究来源（例如判例或法条），但学生仍需对作业的准确性负全部责任；若引用了不存在的来源，将被视为学术不端。 此政策旨在优先培养学生的独立批判性思维和合乎道德的法律实践。不过，讲师有权根据特定课程制定替代规则，前提是必须以书面形式告知学生，并要求学生披露经授权的人工智能使用情况。若学生不确定某项人工智能的使用是否被允许，应寻求讲师的书面说明。
抱歉。
EMBEDtext → 384d（在 ONNX/WASM 中） DISCOVERmanifest.json ROUTEglobal LVQ8 质心 top-n 搜索 PRUNEfooter → 已选行组 RANKLVQ8 距离 + 有界 top-k LOOKUPdoc_id → 维基百科行
抱歉。
许多廉价电子产品都依赖于同一个共享的“Generalplus”参考平台。制造商只是简单地将该基础软件贴牌，却留下了大量“冗余”代码——例如不存在的摄像头的驱动程序或特定车型的功能——原因仅仅是移除它们并不符合成本效益。 尽管这种臃肿的代码效率低下，但更严重的问题在于该平台的安全模型。其固件更新机制缺乏数字签名或校验和等基本验证手段。由于这一缺陷根植于参考架构之中，它影响了全球无数的产品。这种与生俱来的安全性缺失，使得这些设备极易被篡改，或者相反，容易因恶意文件而“变砖”。制造商对此类风险大多漠不关心，且往往拒绝提供合法的固件，导致用户最终只能使用不安全、无人维护且不透明的硬件。
抱歉。
近期，404 Media 的一项调查揭露了亚马逊专门收购稀有书籍以供其人工智能模型训练的行径。调查人员通过追踪一本稀有书籍发现，它被送往了亚马逊的一个仓库，员工在那里通过切断书脊的方式系统性地销毁书籍，以加快扫描速度。这种做法将速度和效率置于实体书所承载的历史、知识及情感价值之上。 该报道将亚马逊的破坏性手段与互联网档案馆进行了对比。后者在进行数字化时会逐页扫描书籍，以保留其物理完整性。尽管谷歌在 21 世纪初率先采用了快速破坏性扫描技术，但互联网档案馆对“让所有人都能获取知识”的承诺证明，大规模数字化并不意味着必须永久消灭珍稀文献。 文章作者最终指出，亚马逊的行为——销毁不可替代的书籍以及潜在的知识产权窃取——属于刻意的公司决策。尽管亚马逊资源雄厚，却选择了以廉价、快速且具破坏性的模式来训练人工智能，这进一步凸显了该公司为了盲目的技术扩张而无视文化保护的态度。
抱歉。