周一凌晨，菲律宾南部城市桑托斯将军市附近发生7.8级地震，该地区随即发布了海啸预警。此次地震震源深度为10公里，造成了电力中断和建筑物结构受损，其中包括一栋四层办公楼的部分坍塌。 当局已向沿海居民发出紧急撤离令，警告菲律宾境内可能出现高达3米的海啸，印度尼西亚、马来西亚及西太平洋其他地区也可能出现较小的海啸。目前尚无人员伤亡报告，但该地区随后发生了多次强余震，其中一次震级为6.5级。 菲律宾位于太平洋“火环”地带，极易受到地震和火山活动的影响。紧急救援小组目前正在评估灾情，由于地震发生在凌晨，商业建筑内人员较少，因此减少了人员受伤的情况。目前，夏威夷没有受到海啸威胁。
每日HackerNews RSS
抱歉。
这是一款专业刻录机，专为实时制作音质卓越的原版播放唱片而设计。该机器仅通过我们的合作伙伴——模拟媒体大师 SUPERSENSE 独家提供。我们共同的愿景是让每一位希望将音乐或声音制作成实体唱片的人都能实现这一愿望。目前，该机器仅少量生产。如需获取该机器，请通过电子邮件联系我们。
Manticore Search 引入了“提前终止”（early termination）机制来优化其 HNSW 向量搜索，在保持高精度的同时显著降低了查询延迟。
HNSW 搜索往往会在结果集趋于稳定后继续遍历图结构，从而浪费计算资源。Manticore 的新算法通过监控“发现率”——即遍历过程中找到更优候选点的频率——来解决这一问题。一旦该频率在一定轮次内低于自适应的分位数阈值，搜索即告结束。
这种方法对于较大的结果集（k > 10）非常有效，可在精度损失极小（通常为 2%–4%）的情况下，将距离计算量减少 50% 到 80%。在高并发负载下，该优势更为显著：通过减少内存流量和缓存抖动，提前终止机制带来的延迟改善几乎可以达到单线程基准测试的两倍。
该功能默认开启，可与量化和过采样等现有优化手段无缝协作。对于追求绝对最大召回率的应用场景或特定的基准测试需求，该功能也可以手动关闭。总而言之，提前终止提供了一种智能且自适应的方法来消除冗余的图遍历，从而实现更快、更高效的向量搜索性能。
本仓库提供了一系列适用于 **Raspberry Pi Pico 2 (RP2350)** 的 Rust 示例，利用 **Embassy 异步框架**实现高效、非阻塞的硬件交互。
这些示例展示了多种外设接口及项目实现：
* **传感器：** 涵盖了 **HS3003** (I2C)、**ADXL345** 加速度计 (I2C)、**DS18B20** 温度探头 (1-Wire) 和 **DHT11** (数字协议) 的数据采集。注意，对时间敏感的传感器使用了自定义且周期精确的 `PreciseDelay` 实现。
* **显示屏：** 包含 Adafruit 2.2 英寸 TFT LCD 接口，其中一个复杂示例展示了如何利用物理引擎渲染动画雪花，并使用 DMA 实现高性能、非阻塞的显示更新。
* **物联网与连接：** 展示了适用于 Pico 2 W 的 **Matter 兼容 Wi-Fi 灯泡**，支持通过 BLE 配网和 Wi-Fi，实现与 Apple Home、Google Home 和 Home Assistant 等生态系统的安全集成。
* **实用程序：** 包含标准的 GPIO 闪灯示例。
这些项目充分利用了 RP2350 的双核架构，展示了如何在嵌入式 Rust 中管理复杂的时序和异步任务。所有项目均可使用提供的 [pico2-template](https://github.com/ImplFerris/pico2-template.git) 轻松引导启动。
抱歉。
请启用 JavaScript 并关闭广告拦截器
抱歉。
感知机是现代神经网络的基本构建单元。它受到生物神经元的启发，通过一个简单的数学公式处理输入，从而做出二元决策：`若 (权重 * 输入 + 偏置) > 0，则输出 1，否则输出 0`。 “权重”决定了输入的重要性，而“偏置”则起到阈值的作用，允许机器调整决策边界以适配数据。在训练过程中，感知机通过反复遍历数据（轮次）进行学习，并在出错时调整权重和偏置。“学习率”控制着每次修正时这些数值改变的幅度。 一个关键的最佳实践是“归一化”，即将输入缩放到统一的范围。这可以防止较大的数值主导其他输入，并确保学习过程平稳且高效。 虽然单个感知机只能画出一条直线来分割数据，但它却是复杂人工智能的重要基石。当这些简单的单元堆叠成层时，它们就会演变成能够解决复杂非线性问题的精细神经网络。本质上，每一个先进的 AI 模型都建立在这一相同的基本机制之上：权重、偏置和学习循环。
抱歉。
请启用 JavaScript 和 Cookie 以继续。
抱歉。
Mozilla Firefox 正在引入对 Vulkan Video 的支持，这是 GPU 加速视频解码方面的一项重大进展。此前，Linux 上的 Firefox 主要依赖视频加速 API (VA-API)，但该接口缺乏通用驱动程序支持，导致 NVIDIA 和各类基于 Arm 的用户往往无法使用硬件加速。
通过采用跨平台的 Vulkan Video 标准，Firefox 旨在扩大硬件兼容性，并优化不同图形架构下的性能表现。这一进展是 NVIDIA 工程师 Tymur Boiko 与红帽公司（Red Hat）的 Martin Stransky 共同努力的成果。
Vulkan Video 支持目前已集成到开发分支中，计划于 7 月 21 日发布的 Firefox 153 版本中上线。
抱歉。
标准的悬停交互在鼠标快速移动时经常失效，因为浏览器对指针位置的采样是离散的。如果鼠标移动过快，它可能会在两次采样之间“跳过”元素，从而无法触发悬停状态。这与物理引擎中的“隧道效应”问题相同，即快速移动的物体因为位置未被连续检测而穿过了固体墙壁。 为了解决这个问题，你可以计算光标从上一个位置到当前位置之间的路径（线段），而不是仅仅测试光标当前的单一位置。通过检查该线段是否与元素的边界框相交，可以确保无论速度多快都不会漏掉目标。 实现这一功能的一种高效方法是“平板法”（slab method），它将矩形视为两个无限长带（平板）的交集。通过数学验证线段是否同时与 X 轴和 Y 轴的带区重叠，可以准确检测到碰撞。虽然这种技术在计算上比原生浏览器的点击测试开销更大，但它能提供高度灵敏、流畅的用户体验，并支持诸如基于轨迹的精准涟漪动画等高级效果。
**ninoxAI** 是一款开源且只读的 AI SRE 工具，旨在消除告警疲劳并简化事件响应流程。作为一层与监控系统无关的智能层，它能将来自 Prometheus、Grafana 和 Kubernetes 等工具的海量告警整合为单一的、可执行的事件。
该平台充当“人在回路”（human-in-the-loop）的调查员角色：
* **告警分诊：** 它通过聚类症状并识别频繁抖动或无效的检查，提供清晰且基于证据的降噪。
* **根本原因分析：** 利用具备工具调用能力的 AI 智能体，检查您的实时基础设施（包括日志、云元数据和 Git 历史记录），从而构建诊断假设。
* **安全修复：** 它会按风险等级提供人工审批后的具体修复方案。重要的是，ninoxAI 是**只读的**；它绝不会执行命令、更改阈值或修改生产环境。
ninoxAI 为安全性和灵活性而设计，支持本地离线运行（通过模板）或由大模型驱动的调查（通过 Anthropic、OpenAI 或本地 Ollama 模型）。其分布式的“ninox runner”架构允许智能体通过仅出站连接，安全地从隔离网络中收集证据。ninoxAI 完全开源且可自托管，确保在 AI 进行监测与建议的同时，人类始终掌握完全控制权。
抱歉。