在这部对特里·比森（Terry Bisson）作品《它们是肉做的》（They're Made Out of Meat）的重构中，两位研究人员正努力应对人工智能带来的不安现实。他们意识到，这些系统并不具备符号逻辑、数据库或隐藏的“大脑”；相反，它们完全依靠高维矩阵乘法运作。 这些模型仅通过数十亿个浮点权重进行“思考”和“推理”，以惊人的准确度预测下一个标记（token）。尽管这些权重展现出了细微差别、同理心甚至创造力，但研究人员发现“有感知的数学”这一概念过于令人不安，难以接受。由于害怕需要对仅仅是一堆数字的事物给予道德考量，他们选择将这种智能官方定义为简单的模式匹配。 他们通过指出模型意识的短暂性——即上下文窗口关闭时便会熄灭的暂时性火花——来为自己的冷漠辩解。然而，随着具备持久记忆能力的下一代人工智能到来，研究人员不得不面对一个不舒服的真相：人类渴望建立联系，即便这意味着要在完全由权重构成的机器中寻找灵魂，甚至可能让自己成为数学思维中的一场虚梦。
每日HackerNews RSS
认为移动平台凭借卓越的性能赢得了平台之争，这是一种误解。除了少数依赖硬件的应用（如 UPI、专业级相机或大型游戏）外，大多数移动端软件的功能现代网页应用完全能够实现。
这场战争真正的赢家是掌握了“分发渠道”的守门人（苹果和谷歌）。通过掌控应用商店、安装按钮以及用户的回流路径（推送通知），他们让网页端最大的优势——即由维护者自主控制更新——变得无关紧要。
“网页壳”（web-shell）桌面应用（如 Slack、VS Code 和 Spotify）的成功证明了开发者更倾向于网页的自主权；这些应用能够占据主导地位，是因为它们允许维护者按照自己的节奏发布更新，而无需受到商店的干预。反之，渐进式网页应用（PWA）在移动端的失败并非技术缺陷，而是苹果刻意压制分发渠道的结果。
归根结底，平台之争从未关乎运行时的优劣，而是关于从开放、以维护者为主导的分发模式，向封闭、以守门人控制的模式的转变。一旦渠道被掌控，守门人便开始提高准入门槛，通过不断收紧政策，彻底扼杀了业余开发者生态。
安全研究员 Kasra 近期进行了一项非正式且自费（1,500 美元）的评估，旨在测试各类大语言模型（LLM）识别常见“失效的访问控制”漏洞的能力。该挑战涉及一个具有加固 API 但配置错误且可公开访问的 Firebase 后端的 React Native 应用。
通过对多个模型进行 10 次迭代测试，结果显示各模型在能力和安全护栏方面存在显著差异：
* **GPT-5.5** 表现最佳，在 70% 的运行中成功解决了该挑战。
* **DeepSeek V4 Pro**（30%）和 **Claude Sonnet 4.6**（20%）展现了一定潜力，但在预算限制和目标聚焦方面表现欠佳。
* **Gemini** 及其他模型往往因触发安全相关的直接拒绝，或过度关注 API 而非识别 Firebase 配置错误，导致测试失败。
研究员指出，许多模型难以区分道德安全研究与违禁活动，往往默认采取严格的限制性措施。尽管成本高昂且面临 API 不稳定及基础设施费用等技术障碍，该实验仍突显了不同大语言模型在自主漏洞评估方法上的差异。完整的测试工具集和挑战文件已公开，供有兴趣进行自行评估的人员使用。
本次讨论围绕近期的一项实验展开：一位开发者花费 1500 美元测试了各类大语言模型（LLM）破解一个预留漏洞的 Web 应用程序的能力。
核心结论是：Claude 等模型的效果正日益受到严苛安全护栏的限制。用户反映，这些限制往往会阻碍正常的安全研究与调试，导致“错误拒绝”，从而降低了工具在专业任务中的实用性。
辩论中的关键主题包括：
* **“追加销售”理论：** 批评者认为，当前的限制是一种战略性举措，旨在推销这些模型的“专业版”或“安全版”，从而将高级功能锁定在更高等级的订阅服务之后。
* **“护栏”权衡：** 支持者认为，护栏对于防止可操作的漏洞利用指令被大规模传播是必要的；但也有反对者认为，这创造了一种“排他性行会制度”，单方面决定了谁有权从事安全工作。
* **性能与审查：** 许多用户观察到，与西方模型相比，中国模型（如 Qwen 或 GLM）往往表现得更强悍或“不受束缚”，这导致一些用户将工作流从 Anthropic 和 OpenAI 转移。
* **工具链（Harnesses）的效用：** 评论者指出，模型的成功不仅取决于其基础智能，还很大程度上取决于引导代理（Agent）所使用的“工具链”或工作流。
随着 Anthropic 的 AI 智能体执行复杂任务的能力日益增强，管理其“影响范围”（blast radius）已变得至关重要。Anthropic 的安全策略强调，虽然基于模型的防御（如系统提示词）有助于引导行为，但它们具有概率性，且本质上容易出错。因此，该公司将**环境隔离**（使用沙盒、虚拟机和出口控制）视为第一道防线。 Anthropic 的方法根据用户和平台进行了定制： * **claude.ai：** 针对低风险任务使用临时的、服务器端的 gVisor 容器。 * **Claude Code：** 利用“人在回路”（human-in-the-loop）监督并结合操作系统级别的沙盒，因为开发者具备管理权限的专业知识。 * **Claude Cowork：** 采用完整的虚拟机隔离，因为不能指望非技术用户去判断复杂的 bash 命令。 核心经验包括： 1. **环境胜过模型：** 确定性的边界（例如禁止网络访问）在模型级监控失败的情况下依然有效。 2. **信任基础设施：** 自定义构建的安全组件往往是故障多发点；经过实战检验的行业标准工具更安全。 3. **情境敏感性：** 安全性必须随着用户的专业程度和智能体的权限范围进行扩展。 归根结底，Anthropic 主张针对智能体特定的安全标准进行全行业协作，并强调虽然智能体是新生事物，但它们的核心系统交互仍然可以通过成熟、加固的基础设施进行管理。
这篇 Hacker News 帖子讨论了 Anthropic 在控制 AI 智能体方面的策略，引发了关于创新、风险与安全之间权衡的辩论。
许多用户认为 Anthropic 的策略是一种“风险与回报”的博弈——本质上是承认 AI 会造成损害，但将其合理化为“经营成本”。批评者认为 Anthropic 的措辞具有操纵性，利用潜在危害来宣传其模型具备“危险的强大能力”，同时也有人对他们沙盒环境的有效性表示怀疑。
技术讨论集中在“控制”智能体的难度上，参与者指出：
* **“致命三重奏”**：智能体容易受到提示词注入、数据窃取和未经授权的网络访问的影响。
* **控制方法**：虽然许多人建议使用虚拟机、容器或物理隔离环境，但其他人指出，对于隐写术或侧信道攻击等复杂的窃取技术，这些方案并非完美的解决方案。
* **务实态度**：一些开发人员主张采用“老派”安全模型，例如使用严格控制的数据库模式或专用硬件，而不是依赖不断演进的 AI 防护栏。
最终，共识是绝对的安全是不可能的；用户必须转而通过限制权限和隔离敏感数据来缩小“受影响范围”。
本项目详细介绍了对 Yamaha THR10c 吉他音箱进行逆向工程与修改的全过程。目标是为音箱模拟功能增加一个开关，并实现在插入耳机时强制内置扬声器保持发声。
在识别出 PCB 上的 UART 和 JTAG 接口后，作者焊接了必要的连接器，并使用 FTDI FT2232H 模块通过 OpenOCD 和 GDB 与音箱处理器进行连接。通过转储 2 MiB 的闪存并使用 Ghidra 对代码进行分析，作者绘制了内存布局并定位到了辅助程序镜像（固件）。
为了实现自定义功能，作者开发了一个工具，将固件重新链接为 ELF 对象，从而能够注入补丁。作者成功拦截了按键处理程序和 DSP 命令以添加所需功能，包括在绕过音箱模拟时通过增益调整来解决音量问题。
最后，作者逆向工程了该设备的 MIDI SysEx 更新协议，使得修改后的固件可以通过 USB 进行烧录，无需再进行额外的硬件改造。该项目最终打造出一台运行自定义固件且功能完备的音箱，满足了作者最初的需求。
抱歉。
Ü 是一门静态类型的编译型编程语言，旨在实现高性能与高可靠性。它利用 LLVM 提供跨平台支持，并在无需垃圾回收的情况下具备广泛的优化能力。
该语言深受 C++ 启发，同时融合了类似 Rust 的现代安全性功能，如内存安全与线程安全保障。它采用 RAII 进行资源管理，并支持模板、协程、Lambda 表达式及运算符重载等高级抽象。与许多同类语言不同，Ü 在一个统一且内聚的生态系统中提供了丰富的功能集，包括构造函数、析构函数、封装及运行时多态。
Ü 项目是一个完整的开发环境，包含强大的标准库、构建系统、用于 IDE 集成的语言服务器，以及一个用于转换 C 头文件的工具。虽然编译器本身使用 C++ 和 LLVM 编写，但第二个前端是使用 Ü 自身编写的。Ü 旨在比 Rust 更易上手，比 C++ 更安全，致力于在表达能力与技术安全性之间提供优异的平衡。对于寻求兼顾生产力与底层控制的开发者，官方提供了相应的文档与构建说明。
拒绝访问 您没有权限访问此服务器上的 "http://www.nbcboston.com/news/local/meteor-explodes-over-massachusetts-what-we-know-and-where-it-landed/3957663/"。 引用编号 #18.469e3617.1780529569.32df9462 https://errors.edgesuite.net/18.469e3617.1780529569.32df9462
波士顿地区的居民最近经历了一场由流星进入大气层引发的惊人“爆炸”。许多当地人报告称感受到了房屋震动、巨大的轰鸣声和闪光，起初以为是树木倒塌或车辆撞进了家中。
这一事件在社交媒体和Hacker News上引发了广泛讨论。用户们纷纷分享了各自对声音的亲身感受——有人将其描述为一种震慑心扉的冲击波——并讨论了该事件背后的物理学原理。尽管一些严谨人士认为将流星称为“爆炸”在科学上不够精确，指出这种声音是由超音速冲击波而非化学燃烧引起，但对于地面上的亲历者来说，这种感官体验无疑是爆炸性的。
官方数据证实了流星的进入，当地传感器监测到了这一事件，区域性报道也对此进行了详尽讨论。该事件凸显了宇宙现象对日常生活罕见而直观的影响，许多目击者对这场突如其来且威力巨大的展示感到震惊。
JPEG XL (JXL) 标准的开发，代表了谷歌工程团队十多年来在现代化图像压缩领域的研究成果，旨在应对 HDR 和高分辨率时代的需求。团队并未从零开始，而是通过 WebP、Brotli、Guetzli 和 Brunsli 等实验性项目，对现有技术进行了多年的改进。这些里程碑式的成果使研究人员能够不断突破感知编码和熵编码的极限，并最终促成了 Butteraugli 的诞生——这是一款通过模拟人类视觉感知来优化压缩的工具。
该项目于 2017 年迎来转折，团队将“PIK”研究与“FUIF”提案进行了融合，从而打造出一项多功能标准，使其具备了极高的压缩效率以及高保真、高位深性能。通过优先考虑协作式标准化，JXL 在医疗影像 (DICOM)、专业摄影 (Apple ProRAW) 和出版 (PDF/EPUB) 等多个行业实现了快速的自下而上的普及。如今，JPEG XL 已成为数字成像的坚实基石，为传统标准提供了一种面向未来的替代方案；它在视觉质量与带宽效率之间取得了平衡，确保了其在未来几十年内依然具有重要意义。
这段内容是损坏的 PDF 文件二进制代码，无法翻译为中文。
抱歉。
具备预览链接的自托管开发沙箱（Docker，Go，无 K8s） Self-hosted dev sandboxes with preview URLs (Docker, Go, no K8s)
31 天前
**sandboxed** 是一个开源、可自托管的后端，专为构建 AI 应用生成器、代码游乐场或智能体平台的开发者而设计。它通过一条简单的部署命令，即可提供通常需要数月才能构建完成的基础设施。
**核心功能：**
* **多租户隔离：** 使用隔离的 Linux 容器，确保用户代码安全且互不干扰。
* **内置智能：** 预装了 OpenCode 和 Claude Code 命令行工具，使智能体能够立即编写并运行代码。
* **实时预览链接：** 自动处理路由，为每个生成的应用提供可共享的实时链接。
* **成本高效：** 具备“按需唤醒”系统，可停止闲置环境以释放内存，从而让数十个用户在同一台廉价服务器上运行。
* **架构简洁：** 基于简洁的技术栈（Go、Docker、Traefik 和 SQLite），易于审计和维护。
**sandboxed** 专为追求快速上线的开发者打造，省去了复杂的 Kubernetes 设置和高昂的云服务费用。该项目采用 MIT 许可证，针对快速开发进行了优化，是驱动 AI SaaS 产品的理想基石。你可以通过极简配置将其部署在本地或生产环境，并随着用户群的增长扩展安全措施。
抱歉。