Franz 的创始人 Stefan 回顾了过去十年开发该应用的历程。2016 年，它最初只是一个为了整合碎片化消息应用而开发的周末原型项目。尽管创始人早期决定拒绝风险投资，且面临着要求扩大规模的内部压力，但这个简单的工具最终演变成了一项全职事业。
作为独立开发者，Stefan 能够优先考虑产品质量和个人实用性，而非增长指标。这种独立性在他最近从严重事故中康复期间显得至关重要，当时他依靠 Franz 来保持专注。
随着 Franz 6 的发布，该平台从一个实时消息聚合器演变为一个综合中心，引入了原生电子邮件和用于“异步”通信的端侧 AI。Stefan 强调了用户至上的理念：本地数据隐私、性能以及“更从容”的体验。十年后的今天，Franz 依然是由一个人为自己和用户所构建的项目，它将继续专注于深度、隐私和有意义的智能化，而非由公司驱动的快速扩张。Stefan 始终致力于构建自己所需的应用，以应对高强度的数字生活。
每日HackerNews RSS
抱歉。
标准普尔道琼斯指数公司已决定维持其长期以来的资格标准，实际上阻碍了像 SpaceX、OpenAI 和 Anthropic 等大型人工智能及太空公司立即被纳入指数。要加入标普 500 指数，公司必须证明在最近一个季度及过去连续四个季度内实现 GAAP 净利润，而这些尚未经过市场检验且高现金消耗的公司目前无法达到这一门槛。
这一决定受到了被动投资者和市场观察人士的普遍欢迎。许多人认为，标普 500 指数应作为长期退休储蓄的“平稳”、稳定基准，不应为了让早期投资者和创始人获利，而通过纳入高风险、“被炒作”的股票来操纵指数。反对快速纳入机制的人士警告称，允许此类公司在建立业绩记录前加入，将迫使数百万指数基金参与者在投机泡沫中被迫承担“接盘侠”的角色。
尽管纳斯达克和罗素等其他指数更为宽松，但标普坚持其基于委员会的保守规则，在许多人看来，这是抵制“裙带资本主义”和维护指数完整性所必需的立场。
这个谜题要求我们不用循环、标准递归或变量声明，在 JavaScript 中计算阶乘。 其核心难点在于如何在避免显式或相互自引用的前提下实现递归。解决方案在于“不动点组合子”的概念。通过定义一个以辅助函数为参数的“生成器”函数（`factgen`），我们将递归逻辑与执行调用的机制隔离开来。 在 JavaScript 这类采用及早求值（eager evaluation）的编程语言中，标准的 Y 组合子会因为试图立即解析自引用而导致无限循环。为了解决这个问题，我们使用了 Z 组合子。通过将自应用包裹在匿名函数中（`v => x(x)(v)`），我们引入了一层间接引用，从而延迟了求值，直到真正需要结果时才进行计算。 归根结底，阶乘函数就是生成器的不动点。通过将这些概念组合成一个单一的匿名函数表达式，我们得出了最终解。该解法仅使用 Lambda 演算风格的模式来执行计算，成功绕过了那些被禁止的语言特性。
文章《No Let, No Rec, No Problem》通过挑战读者在不使用直接函数定义、自引用或命名绑定的情况下实现递归，循序渐进地介绍了 Y 组合子和 Z 组合子。
作者特意将文章构思为一系列“失败”的尝试，以说明各种编程模式如何仍然依赖于隐藏的递归行为。通过剥离标准工具，该文章旨在揭示 Y 组合子和 Z 组合子如何通过自我复制而非传统的自引用来实现递归。
Hacker News 上的讨论呈现两极分化。一些读者称赞这种方法以一种极易理解的方式揭开了复杂函数式编程概念的神秘面纱。然而，另一些读者则认为其叙事框架——特别是严格的约束条件和对递归的定义——令人困惑或过于复杂。作者澄清说，其目标是展示当剥夺函数自我命名的能力时，Y 组合子是如何自然出现的。尽管评价褒贬不一，但这篇文章仍是一次值得关注的尝试，旨在向那些希望加深对函数式编程基础理解的人解释不动点组合子的运作机制。
最近一篇对《C++编程语言》一书的评论指出了该书缺乏专业性，其封面竟然错误地印上了JavaScript代码。封底的简介同样存在问题，内容模糊且套用了通用模板，完全没能描述该书的实际内容。 调查显示，这并非个例。出版商Larson and Keller在各种互不相关的主题（从冶金、营养学到食品工业）上使用了几乎一模一样、重复率极高的简介。这些简介充斥着空洞、可随意替换的短语，适用于任何教科书，表明该出版商重数量而轻质量。通过重复使用库存模板而非撰写独特的描述，出版商表现出明显的编辑工作缺失，这一点从其糟糕的封面设计——一张与内容无关的通用代码素材图——也可见一斑。总之，这些教科书似乎是低投入的产品，在制作时对所声称教授的具体学科几乎毫不关心。
这篇 Hacker News 讨论聚焦于微软开发者博客发布的一篇文章，该文章批评了一本名为《C++: The Language》的书籍制作粗糙。用户指出，该书的封面设计和封底简介显得既平庸又离谱——最引人注目的是封底竟印着 JavaScript 代码。这引发了人们的指责，认为出版商试图通过误导买家来牟利，或是依赖人工智能生成的“垃圾内容”来滥竽充数。
讨论突显了对技术出版界标准下滑的普遍不满，即出版商似乎将速度和表面外观置于准确性或投入之上。许多评论者认为，这种趋势破坏了人们对亚马逊等平台的信任。
讨论还转向了关于影视作品中技术错误的一段怀旧且幽默的插曲。参与者分享了电影中刻画“黑客”形象的桥段——例如不切实际的 SQL 查询或随机滚动的代码文本——并回忆了面试官在招聘时表现出极度缺乏技术素养的趣事。归根结底，这场讨论批判了“低投入”内容（无论是出版物还是媒体）是如何变得日益泛滥，迫使消费者在评估技术资源质量时变得愈发愤世嫉俗。
本系列探讨了前工业化时期的军事体系如何反映其所属的平民社会。由于军队不可避免地会复制平民的社会结构，军事组织（从征兵到领导层）从根本上受到社会经济和政治现实的制约。
作者指出，军事体系通常产生于精英阶层与广大民众之间的关系。要了解一个社会的军事状况，必须首先确定其社会经济结构：
* **农业与非农业：** 大多数社会是农业社会，这为专业化和国家建设提供了条件。
* **集权与分权：** 军事权力是集中在国家手中，还是分散在地方贵族手中。
* **阶级结构：** 贵族如何维持其地位（土地所有权与官僚职位的对比），以及他们如何统领农民阶层。
征兵制根据服役的“动机”分为以下几类：
* **雇佣制：** 为薪酬而服役（需要一个强大且富裕的国家）。
* **权利义务制：** 作为与政治权利挂钩的公民义务而服役。
* **职业制：** 作为世袭社会角色而服役（“全民皆兵”的社会或精英武士阶层）。
* **依附制：** 作为对社会上级或地主的义务而服役。
本系列认为，社会很少能自由选择其军事模式；其基础设施和社会传统决定了它们的选择范围。
这篇 Hacker News 讨论聚焦于博客《A Collection of Unmitigated Pedantry》的一篇文章，探讨了在虚构世界构建中如何真实地建立前现代军队。其核心论点是：**军队必然会反映其社会中的民间结构与权力架构。**
讨论主要强调了以下几个关键主题：
* **作为战场逻辑的社会结构：** 参与者讨论了军事组织如何反映民间等级制度（种姓、贵族或经济阶层）。对话将此与“康威定律”相类比，该定律认为组织结构会投射到其创造的产品或系统中。
* **专业化的迷思：** 许多评论者就作者提出的“前现代征兵很少仅由金钱（雇佣原则）驱动”这一观点进行了辩论。批评者主张金融的重要性，而其他人则认为前现代军队主要受社会义务、封建地位或奴隶劳动的影响。
* **历史案例研究：** 该讨论串成为了辩论历史先例的论坛，包括斯巴达“萎缩”的军事种姓、罗马吸收并整合新公民的倾向，以及各种武士阶层向现代寄生虫或犯罪实体的转变。
尽管一些用户认为作者的语气显得迂腐，但支持者们则捍卫他在揭穿流行历史谬论方面的专业见解。
请启用 JavaScript 和 Cookie 以继续。
抱歉。
请启用 JavaScript 和 cookie 以继续
对不起。
大语言模型的工作原理 How LLMs work
28 天前
现代大语言模型（LLM）共享一种通用的“Transformer”架构，这是一种现已成为人工智能领域标准的通用设计。以下流程概述了使这些模型能够处理文本的核心机制：
* **分词（Tokenization）：** 将文本转换为代表子词单元的整数 ID。
* **嵌入（Embeddings）：** 将这些 ID 映射为多维向量，使语义相关的词在空间位置上更为接近。
* **位置编码（RoPE）：** 注入有关词序的信息，使模型能够理解上下文和序列。
* **注意力机制（Attention Mechanisms）：** 使标记（Token）能够“关注”提示词中其他相关的部分。**多头注意力（Multi-head attention）**同时追踪多种关系（如语法、代词），而**分组查询注意力（Grouped-Query Attention）**则用于优化内存。
* **前馈网络（FFN）：** 对每个标记进行独立处理；在大型模型中，这些通常会被**混合专家模型（MoE）**取代，以提升扩展效率。
* **残差流与归一化（Residual Streams & Normalization）：** 确保深层网络保持稳定且可训练。
模型以**下一词预测（next-token prediction）**循环的方式运行，根据概率迭代生成文本。尽管私有模型在训练数据、规模和训练后微调方面有所不同，但它们在这一统一的结构蓝图上基本趋同。理解这些基础组件，有助于解读现代研究及模型文档。
此次讨论围绕大语言模型（LLM）的运作机制及其影响展开。参与者们探讨了 Transformer 架构究竟是“极其简单”，还是我们无法真正理解的“黑箱”。
该讨论的核心要点包括：
* **架构简单性与规模化：** 许多观点认为，其核心架构（自回归解码器）非常直观，现代前沿能力在很大程度上是极端规模化（计算量和数据量）的“涌现”结果，而非源于持续的根本性突破。
* **“苦涩的教训”（The Bitter Lesson）：** 参与者引用了理查德·萨顿（Richard Sutton）的“苦涩的教训”，指出从长远来看，随算力增长的方法总是优于人工设计的启发式算法。
* **智能与概率：** 一个反复出现的争议点在于，大语言模型究竟只是“高级自动补全工具”，还是具备真正的推理能力。批评者认为它们纯粹是统计学意义上的“随机鹦鹉”；而支持者则反驳称，“预测下一个词”是一种还原论观点，忽略了复杂系统如何通过规模化发展出认知属性。
* **实践学习：** 对于想要深入理解大语言模型的人，共识是应超越被动阅读。专家建议从零开始构建模型、绘制模块图，或研读以实现为重点的教程书籍，从而弥合“理解数学”与“理解系统”之间的差距。
Nordstjernen 1.0.0 发布了！Nordstjernen 是一款使用 C 语言从零编写的网页浏览器，专注于支持 HTML 和 CSS 标准。它支持 Windows、Mac 和 Linux 系统，Android 版本正在开发中。许可证：Nordstjernen 源代码许可证 v1.0 — 可自由使用、修改和重新分发，但不得用于开发竞争性浏览器；每个版本在十年后将转为 MIT 许可证。详见 License.md。商业许可证可另行商议。
Hacker News 社区正在讨论一款名为 **Nordstjernen** 的新型网页浏览器引擎，该引擎声称由 88,000 行“纯手工编写”的 C 代码组成。然而社区质疑声不断，用户指出该项目的提交记录完全由 Claude 生成，这与“手工编写”的宣传背道而驰。
针对该项目的批评主要集中在以下三个方面：
1. **安全性**：批评者认为，在 2026 年使用 C 这种内存不安全的语言构建浏览器存在重大安全风险，这与 Ladybird 等优先考虑内存安全性的项目形成了鲜明对比。
2. **质量与现状**：用户对“1.0.0”这一版本号并不买账，指出该项目缺乏文档、没有测试套件，且标准合规性有限。
3. **许可与所有权**：该项目采用了具有限制性的专有风格许可。讨论中还涉及了就 AI 生成代码主张版权所带来的法律模糊性。
开发者为该项目进行了辩护，声称采用专有模式可以避免 Chrome 等浏览器常见的重度监控变现方式，并赞扬了 C 语言的移植性和透明度。尽管存在争议，但一些观察人士对这种从零开始构建浏览器以挑战当前网络标准的趋势表示了兴趣。
🛡️ 请稍候 我们正在检查您的网络连接，以防止自动化滥用行为 为什么会出现此页面？ 遇到问题？请联系客服
考古学家在考察欧洲最大的铜石并现时代墓葬时，发现了儿童患有肺结核及其他呼吸系统疾病的骨骼证据。虽然最初的报告暗示这些疾病可能曾重创该人群，但 Hacker News 上的科学讨论提供了更为细致的观点。
评论者指出，这些数据仅反映了死者的状况，而非更广泛在世人群的健康水平。此外，专家们指出这些发现并不令人完全意外：当时室内普遍使用敞开式火堆进行烹饪和取暖，很可能导致了慢性呼吸道炎症。这种长期接触烟雾的环境会削弱免疫系统，使儿童更容易受到呼吸道感染。归根结底，这些发现凸显了古代社会中家庭居住条件与健康结果之间复杂的相互影响。