安盛（AXA）最新的《心理健康》报告显示，全球心理健康水平正出现令人担忧的下滑，46%的受访者处于挣扎或萎靡状态。过度使用屏幕（日均超过五小时）等因素加剧了这一危机。 由于成本、时间及社会偏见等障碍，许多人选择避免寻求专业帮助，转而寻求人工智能的支持。虽然61%的用户会使用人工智能来处理心理健康问题，但体验参差不齐：尽管人工智能能提供即时、全天候的服务，但有28%的用户表示，人工智能的建议导致了有害行为。大多数用户保持着清醒的认识，承认人工智能无法替代人类的医学专业知识。 该报告还强调了这一衰退带来的重大经济影响，指出焦虑和抑郁是导致生产力损失和长期病假的主要诱因。然而，干预机会依然明确：84%的员工表示非常愿意参加公司赞助的心理健康项目。最终，调查结果强调，虽然技术为支持提供了新途径，但企业在消除心理健康偏见，以及提供长期健康所需的结构化专业护理方面发挥着至关重要的作用。
每日HackerNews RSS
请启用 JavaScript 和 Cookie 以继续。
由斯坦福大学法学院朱利安·尼亚科（Julian Nyarko）教授领导的一项开创性研究表明，在回答复杂的法律问题时，人工智能生成的答案往往比人类法学教授撰写的答案更受青睐。在近 3000 组盲测对比中，教授们在 75% 的对决中选择了人工智能的回答。
这项研究由斯坦福大学、耶鲁大学、纽约大学和芝加哥大学的研究人员共同完成，旨在测试大型语言模型能否有效处理合同法中所需的细致入微且基于判断的推理。除了高质量的表现外，人工智能模型被判定为“教学有害”的比例仅为 3.5%，而人类撰写的回答这一比例为 12%。
研究结果表明，人工智能可以提供高质量、按需获取的支持，从而补充判断密集型学科的传统教学。尽管作者提醒不应不加批判地全面采用，但他们认为这些数据挑战了学术界对人工智能的普遍怀疑态度。研究人员呼吁，与其争论人工智能能否提供准确的法律见解，不如转向如何负责任地实施应用以促进学生学习。这项研究在理解人工智能如何安全地支持未来律师的复杂分析思维训练方面迈出了重要一步。
Anthropic 2025 年的研究报告《论大语言模型的生物学》（*On the Biology of a Large Language Model*）在“机制可解释性”领域取得了突破，使大语言模型不再是晦涩难懂的“黑箱”。通过克服“叠加”（superposition，即概念分散在神经元中）这一难题，研究人员利用电路追踪技术分离出了稀疏且人类可解读的特征。 这一方法揭示了大语言模型不仅是在预测下一个词，而是在执行真正的多步推理。通过绘制“德克萨斯州”如何触发“奥斯汀”等特征，研究人员可以直观地看到模型的内部“接线图”。有趣的是，这些模型往往会演化出“潜意识”算法——例如专门用于加法的路径——这与模型在被询问时给出的类人解释大相径庭。 这与 AlphaZero 等系统的发现相呼应，这些系统也能独立收敛于人类可识别的概念。理解这些内部机制具有变革性意义：它使我们能够检测意图、引导行为，并可能通过引导模型采用更高效的“思维”过程来优化学习算法。大语言模型不再不可捉摸，它们正日益展现出结构化、可解释的逻辑，为人类洞察人工智能的真实“思考”方式提供了前所未有的视角。
抱歉。
**@lateos/npm-scan** 是一款新一代供应链安全工具，旨在保护 npm 生态系统免受 2025 年后传统扫描器（如 `npm audit`、Snyk 和 Socket）难以防御的高级攻击手段。
与静态 CVE 检查器不同，`@lateos/npm-scan` 利用启发式 AST（抽象语法树）分析和行为检测技术，识别混淆载荷、凭证窃取程序、沙箱逃逸以及蠕虫式的传递性传播。它通过监控可疑的生命周期脚本、云凭证泄露模式和过期域名劫持，专门用于检测各类高级攻击活动（如 Megalodon、Mini Shai-Hulud、TrapDoor 和 Axios 注册表投毒）。
**主要功能：**
* **深度检测：** 可识别拼写劫持（typosquatting）、注册表投毒、HuggingFace 模型冒充以及 VS Code 扩展供应链攻击。
* **隐私优先：** 完全在本地运行，无任何遥测数据——代码绝不会离开您的环境。
* **合规支持：** 可生成 SBOM（CycloneDX/SPDX）和用于 GitHub 代码扫描的 SARIF 报告，并提供符合 NIST 800-161 和欧盟《网络韧性法案》（EU CRA）的合规性映射。
* **CI/CD 就绪：** 提供预提交钩子（pre-commit hooks）、适用于隔离环境（air-gapped）的 Docker 镜像，以及原生的 GitHub Actions 集成。
* **零依赖：** 通过 CLI 或 `npx` 即可运行，无需全局安装 Node.js。
立即运行 `npx @lateos/npm-scan scan <package>` 或将其集成到您的 CI 工作流中，以保护您的开发流水线。
Paseo – 美观的开源编码智能体界面（桌面端、移动端、CLI） Show HN: Paseo – Beautiful open-source coding agent interface
37 天前
Paseo 是一个以隐私为先的自托管平台，它将各种编码代理（包括 Claude Code、Codex、Copilot、OpenCode 和 Pi）统一在同一个界面下。通过本地运行，它能确保您的开发环境、工具和配置的安全性，同时消除了遥测技术和强制登录的需求。
Paseo 专为灵活性而设计，让您可以跨桌面、移动设备（iOS/Android）、网页和命令行界面（CLI）无缝管理任务，并支持免提语音控制和远程执行。其架构依赖于一个负责编排这些代理的本地守护进程，支持您并行运行它们。
Paseo 独特的“技能”系统允许进行高级代理编排，例如模型间的交接、迭代反馈循环以及基于委员会的解决问题模式。无论您是在本地机器还是远程服务器上工作，Paseo 都能为人工智能辅助开发提供一致且高性能的环境。该项目是开源的（AGPL-3.0），通过其桌面应用或命令行界面即可轻松设置，使您可以方便地将多个 AI 模型集成到现有的工作流程中。
一项近期研究表明，印度河流域文明的摩亨佐-达罗城随着时间推移变得更加平等，这挑战了“城市发展必然导致中央集权和等级制度”的传统观点。研究人员指出，在私人住宅而非宫殿或寺庙中发现了标准化的贸易印章，这证明了权力是分散的，且存在集体治理。
在 Hacker News 上，这引发了关于社会如何在没有中央权威的情况下维持标准的激烈辩论。一些参与者认为，精确的标准化度量衡的存在（对与苏美尔的国际贸易至关重要）意味着即便没有大型纪念性建筑，也必然存在行政性“国家”或强制执行系统。对“无国家乌托邦”理论持怀疑态度的人则认为，考古解读往往带有偏见，并指出贸易动机可以自发形成秩序，类似于现代的 IETF 技术共识协议。
另一些人质疑了这种研究方法，认为将印章等文物解读为平等的证据可能存在缺陷，就像仅凭电视机的普及程度来误判 20 世纪的财富分配一样。归根结底，这场讨论突显了从考古记录中推断社会结构的难度，以及关于中央集权与去中心化共识理论之间持续存在的矛盾。
该项目允许 Linux 用户将 NVIDIA GPU 的显存（VRAM）用作额外的交换空间（swap），从而为板载内存受限的笔记本电脑提供显著的内存扩展。通过利用 CUDA 驱动 API 和 NBD（网络块设备）协议，该方案绕过了消费级 GeForce 显卡在 NVIDIA P2P API 上的限制。
该系统建立了一个溢出层级：首先填充内存，接着使用高速显存（通过 PCIe），然后是压缩的 zram，最后是 SSD。由于它使用的是标准 NBD 驱动程序而非自定义内核模块，因此该解决方案在内核和驱动程序更新后仍能保持稳定。
**主要特性：**
* **性能：** 实现约 1.3 GB/s 的吞吐量，优于传统的 NVMe SSD 交换空间。
* **灵活性：** 根据可用性自动调整显存分配；包含可选的电源感知管理功能，可在断开电源时禁用交换。
* **兼容性：** 适用于任何支持 CUDA 的 NVIDIA GPU。
* **简洁性：** 无需特殊的内核或 NVIDIA 符号；通过简单的脚本即可完成安装。
对于希望在硬件升级路径有限的情况下最大化可寻址内存的用户，此工具非常理想。该项目为开源（MIT 协议），可在 [GitHub](https://github.com/c0dejedi/nbd-vram) 获取。
GitHub 上最近出现的一个项目允许 Linux 用户将闲置的 Nvidia 显存（VRAM）用作交换空间（Swap）。该工具主要针对内存板载不可升级的笔记本电脑，旨在减少 SSD 损耗，并为那些原本需要依赖速度较慢的存储设备作为溢出内存的系统提升性能。
Hacker News 上的讨论反应不一。支持者认为这是一种巧妙利用闲置显存的方法，尤其是对于那些拥有大容量显存但并不总是运行高负载 AI 或游戏任务的用户而言。
然而，技术评论者指出了其面临的显著效率障碍。由于该实现运行在用户空间并依赖 NBD 驱动程序，因此目前存在高延迟、大量的上下文切换开销以及 PCIe 总线利用率低的问题。因此，尽管这一概念在特定利基用例中具有理论价值，但其目前的性能仍慢于交换到现代 NVMe 固态硬盘。参与者还讨论了交换空间在现代 Linux 系统中的作用，一些人认为 ZRAM 等更好的内存管理方案对于小内存设备更为有效；另一些人则指出，诸如 CXL 之类的未来标准可能会使基于 PCIe 的内存扩展变得更加实用且具备缓存一致性。
请启用 JavaScript 并关闭所有广告拦截器。
本指南说明了如何将存储在 Google Drive 上的旧版 MP3 合集整合到 Home Assistant 的 Music Assistant 应用中。
该过程包含三个主要步骤：
1. **配置 rclone**：在电脑上使用 rclone 完成 Google Drive 的身份验证，然后将生成的 `rclone.conf` 文件复制到 Home Assistant 的 `/config/rclone/` 目录下。
2. **启用 WebDAV**：在 Home Assistant 中安装“Advanced SSH & Web Terminal”插件。将 rclone 添加到软件包列表，并配置 `init_commands` 以运行 `rclone serve webdav`。这将创建一个端口为 8080 的本地服务器，使您的 Google Drive 文件可以通过 WebDAV 协议访问。
3. **连接至 Music Assistant**：打开 Music Assistant 应用，选择“WebDAV Provider”作为音乐来源，并将其连接到 `http://127.0.0.1:8080/google_music`。
配置完成后，您整个云端 MP3 合集将直接显示在 Music Assistant 中，让您可以轻松地将怀旧音乐库与现代流媒体服务一同欣赏。
最近 Hacker News 上的一篇关于通过 Home Assistant 的 Music Assistant 播放存储在 Google Drive 中 MP3 文件的指南，引发了社区的广泛关注。
尽管该指南提供了一种利用云存储进行本地音乐流媒体播放的方法，但评论者警告称，在 Google Drive 上托管 MP3 文件如果被标记为侵犯版权，可能会导致账户被封禁。用户强烈建议不要这样做，并认为使用 NAS 或专用媒体服务器等本地存储方案会更安全、更可靠。
部分参与者讨论了 Google 大容量存储层在合法创作工作中的用途，而另一些人则讨论了云备份加密的必要性。最终，舆论一致认为，相比依赖公共云服务商来存放个人音乐收藏，自建托管方案或诸如 “copyparty” 之类的专用媒体服务器更为理想。此外，还有人指出该指南的作者本人就是 Google 员工，这让关于 Google 严苛内容政策的讨论平添了一丝讽刺意味。