一项新的盖洛普治理民调（9月1日至17日）发现，美国人对联邦政府的信任在五项指标上均处于历史最低点。仅33%信任行政部门，28%信任立法部门，33%信任联邦政府处理国际和国内问题；46%信任司法部门，为历来最低。对处理国际问题的信任较去年下降12个百分点，对行政部门的信任下降8个百分点，对处理国内问题的信任下降5个百分点。对行政部门和国际事务的信任低于此前低点。在共和党统一执政下，民主党人的信任极低；独立人士创下历史新低，而共和党人仍相对信任。仅51%信任“美国人民整体”，为有记录以来最低；42%信任政客。地方政府仍最受信任（67%），州政府为55%。总体而言，联邦信任处于盖洛普有记录以来的最低水平；下降可能与美国与伊朗的战争以及乌克兰和加沙的冲突有关，且信任集中于执政党。
每日HackerNews RSS
Gemini 4 Argon 在物理推理、代码生成和视觉-语义理解方面实现了飞跃，加速机器人技术迈向物理 AGI。它在 ERQA 上得分 87%，在 3D 空间推理方面超越前沿模型。Argon 适用于机器人全生命周期：机器人控制（Spot 移动操作、零样本控制、视频世界模型引导）；Real2Sim（从机器人视频、人类第一视角视频或草图重建经校准的 MuJoCo 孪生体）；物理理解（事后标注、灵巧度与进度/价值估计、纯视觉解谜）；以及研究/自我改进（仿真数据生成、硬件试错与反思、在 MuJoCo WebAssembly 中单提示复现论文）。示例收益包括将真实世界 VLA 成功率从 56% 提升到 75%，并将完成时间从 35 秒缩短到 24 秒。通过对多视角视频、3D 几何、接触力学和本体感觉进行推理，Argon 理解物体如何与智能体进行物理交互。它可通过 Google AI Studio、Gemini API（型号为 gemini-4-argon）以及 Google Antigravity 使用。
Anthropic 称，智能体编程使编码不再是瓶颈；如今开发者基础设施成了限制。随着合并变更从 2026 年 5 月的约 2,500 次/天增长到 9 月的 30,000 次/天，Git 的离线、去中心化设计在 100GB 单体仓库和每日 2500 万次检出下不堪重负。Anthropic 构建了内部 VCS——Scion，并在五个月内迁移了其单体仓库，同时还构建了评审、搜索、IAM 和合并工具。Scion 假设客户端始终在线、客户端-服务器角色非对称、提交/变基在服务端进行、水平扩展、无锁变更集以及稀疏/虚拟检出。它将变更集用作预写日志条目、派生数据结构和分层缓存，实现了 99%+ 缓存命中率、CPU/内存比 git 镜像低 200 倍，以及更快的 CI（CPU 节省 25%）。一个七人团队在五个月内构建了 Scion 和 Antique，同时合并量增长了 10 倍。Claude 编写了大部分代码；工程师设定约束、拒绝过度工程，并审查意图。Anthropic 分享的是经验教训，而不是通用 Git 替代品，以帮助生态系统为智能体规模开发做好准备。
Anthropic 描述了 Scion，一个为 AI 代理规模构建的定制源代码控制系统。其单体仓库历史接近 100GB，每天约 2500 万次检出、3 万次合并。Scion 以服务器为中心、始终在线，提交/变基/合并都在服务器端进行，按需拉取文件，并使用不可变的内容寻址 blob 和元数据日志。Anthropic 表示，它消除了合并/检出瓶颈，让代理能做更多事。
HN 的反应褒贬不一。支持者认为，这是面向巨大单体仓库和代理集群的、Git 之后所需的新架构，类似 Google 的 Piper 或 Meta 的 Sapling。批评者称这是自找的问题：单体仓库加上海量 AI 变动、薄弱的代码审查、质量债务，还重新发明 SVN/Perforce，同时失去 Git 的离线/分布式优势。许多人怀疑每天 3 万次合并表明的是生产力，而不是蛮力式变动；他们提到有缺陷的产品、按意图审查，以及没有开源发布。核心争论是：这是代理规模下不可避免的新 VCS，还是一种昂贵的、用来回避修复流程和代码质量的方式？
Coris，一家由 YC、Lux、Pathlight 支持的、面向风险与金融运营的 AI 平台，正在帕洛阿尔托招聘一名后端工程师。GoFundMe、Clio 和 Cherry 等客户使用 Coris 来入驻商户、监控风险并阻止欺诈。该职位负责很大一部分后端工作：通过 API、webhook 和 SFTP 进行处理器/平台集成（Stripe、Adyen、Fiserv、TSYS、Repay）；合作伙伴 API；风险/信号/规则引擎；以及每月数亿事件和数十亿 Postgres 行规模的生产运营。你将编写生产级 Python/Django、SQL，以及一些 TypeScript/Next.js，并在有价值时使用 AI 原生工作流和 LLM。它适合喜欢混乱集成、客户升级、生产环境所有权和创业公司强度的工程师。有支付/风险经验者优先。在帕洛阿尔托现场办公，每周五天。
Hacker News
最新
|
过去
|
评论
|
提问
|
展示
|
招聘
|
提交
登录
Coris（YC S22）正在招聘后端工程师
(
ycombinator.com
)
1 天前
|
隐藏
考虑申请 YC 的 2027 年冬季批次！
申请
开放至 11 月 2 日。
指南
|
常见问题
|
列表
|
API
|
安全
|
法律
|
申请 YC
|
联系
搜索：
普京是个混蛋
客户端挑战 JavaScript 已在您的浏览器中被禁用。请启用 JavaScript 以继续。此网站的一个必需部分无法加载。这可能是由于浏览器扩展、网络问题或浏览器设置造成的。请检查您的连接，禁用任何广告拦截器，或尝试使用其他浏览器。
许多人高估了进入海洋的塑料垃圾数量。在2020年Gapminder于瑞典、挪威、芬兰、丹麦和英国开展的一项调查中，近90%的人认为超过三分之一的塑料垃圾最终会进入海洋，但正确的数字约为0.5%。根据OECD数据，全球每年产生约3.5亿吨塑料垃圾。大部分都通过安全填埋、回收或焚烧得到负责任的处理；约四分之一被不当管理或随意丢弃。其中，只有不断减少的一部分泄漏到环境、河流、海岸线，最终进入海洋——约170万吨，占塑料垃圾总产生量的0.5%。由于只有极小比例进入海洋，塑料污染应比人们想象的更容易解决。我们已经妥善管理了大部分塑料；挑战在于确保所有塑料都得到负责任的处理。文章对此有更详细的探讨。
Hacker News 上的一场讨论回应了显示英国人均发电量低于20世纪70年代的数据。评论者就其原因展开争论：效率提升（LED灯、家电）、去工业化和离岸外包、价格上涨，以及电力进口增加。一些人认为这反映了经济衰退和由成本导致的能源配给；另一些人则表示，这主要是效率提升和需求下降，而非有计划的配给。有几位指出，户用太阳能和现场发电可能表现为需求下降。该帖还争论用电减少是否是好事，并援引杰文斯悖论、热泵、电动车、空调和分时需求响应。有人将工业增长疲弱归咎于私有化、电网规划和高价格；另一些人则为效率和智能电网灵活性辩护。总体而言，这场辩论将该统计数字解读为绿色成功、去工业化的征兆，或两者兼有，并在能源政策、增长和生活水平上存在分歧。
在《你的游戏就是一套测试基架》一文中，作者认为，LLM 在游戏开发上举步维艰，因为游戏包含非代码系统——资源、状态、手感——这与 Web 应用不同。解决方案是通过上下文工程以及确定性、可检查的架构，让游戏对智能体变得可读。关键做法包括：为所有随机性设定种子；支持轻松截图，并用 odiff 做图像差异比对；从一开始就构建稳健的存档/读档；使用单一的“Thing”对象模型；实现可序列化命令；将数据外置，以实现无需编译的迭代；把模拟分离成一个由命令驱动的黑盒库；以及使用像 samply 这样文本可读的性能分析。这些技术收紧了智能体循环：智能体可以复现状态、做出最小改动、验证视觉和性能影响，并自主迭代。最终，游戏本身就变成了测试基架——任何游戏都可以被组织成自己的 AI 辅助开发环境。文章还指出，这些做法对一般游戏开发也有益，尽管小型项目可能不需要它们。
双子座 4 氩 Gemini 4 Argon
27 天前
Argon 正在帮助我们的研究人员加速量子纠错和算法设计方面的进展。为了帮助纠错解码器实时跟上量子硬件，Argon 将内部版 AlphaQubit——我们的机器学习量子纠错解码器——转换成一个单一、高度优化的硬件内核，使其推理吞吐量几乎翻倍，从而让我们能够部署更大、能力更强的模型，并扩展到更大的量子设备，同时继续满足严格的实时阈值。Argon 还在降低量子子程序的时空成本。对于 arcsin——近期量子模拟算法中的一个构建模块——由 Argon 编写并在 Lean 中形式化验证的实现，与已发表的量子 CORDIC 基线相比，将时空成本降低超过 100 倍，这是朝着优化量子电路标准库迈出的一步。
Hacker News 上关于谷歌 Gemini 4 Argon 的讨论总体正面但褒贬不一。用户称赞其写作、通用推理、健康解释、多模态、速度、SVG/空间任务，称其接近前沿，并能与 Opus 5.5/GPT-6 竞争，尤其是在编码之外。一些基准测试显示 Argon 是帕累托前沿聊天模型，不过编码落后于竞争对手，测试者报告偶尔出现无限推理循环和思维链格式错误。价格也受到关注：入门价每百万 token 2 美元/10 美元，12 月 1 日翻倍。
主要批评针对谷歌的发布和产品混乱：Pro 订阅者可在 Gemini 应用中使用 Argon，但不能在 Antigravity 中使用，后者仅限 Ultra；用户报告追加销售、模型不可用、支付问题，以及糟糕的移动网页用户体验。Pelican/SVG 测试有所改善，可能归因于明确的 SVG 训练。总体而言：模型强大，提升了谷歌的地位，但混乱的打包、可用性和编码打磨限制了热情。
请启用 JS 并禁用任何广告拦截器