嗯。 出现了一些问题。 您正在查找的页面不存在或已被移动。 您可以返回WSU主页，或使用上方工具栏中的搜索功能回到正轨。 帮助我们！ 请告诉我们您在哪里遇到此错误，以便我们修复它。
每日HackerNews RSS
👍 1人点赞 👎 1人踩 😄 1人笑 🎉 1人欢呼 😕 1人困惑 ❤️ 1人爱心 🚀 1人火箭 👀 1人眼睛。 你现在无法执行该操作。
## GitHub 允许维护者禁用拉取请求
Hacker News 上的讨论显示，GitHub 正在考虑允许项目维护者为其仓库禁用拉取请求 (PR)。 此功能已请求十年，近期垃圾 PR 的激增——可能受到 AI 生成的内容和鼓励批量提交的“如何操作”视频的影响——加速了这一需求。
一些人认为这是对不堪重负的维护者的一种有益的控制，而另一些人则担心这可能会阻碍开源协作。 担忧集中在项目可能变得对贡献封闭，以及如果禁用 PR，用户将难以发现和分享修复程序。
这场辩论凸显了维护者负担与开放贡献益处之间的紧张关系。 GitHub 承认不同的意见，并正在探索更长期的 PR 管理解决方案，邀请社区对该问题提供反馈。 一些人提出了替代方案，例如要求贡献者批准或实施“声誉”系统来标记破坏性用户。 最终，这场讨论强调了在 AI 时代和参与度提高的情况下，管理开源项目所面临的不断变化的挑战。
卡内基梅隆大学计算机俱乐部提供镜像服务，每6小时更新来自各种来源的内容。目前，他们镜像的资源包括高电压SID收藏（HVSC）、GNU软件、Knoppix和Ubuntu（CD/DVD和ISO镜像）、Aminet、scene.org、Debian 档案以及 Zeroshell。 该服务欢迎有关额外镜像的请求，具体取决于相关性和可用存储空间。他们也接受货币捐款或硬件形式的贡献。 值得注意的是，scene.org 上的一个文件在2015年被标记为恶意软件并随后删除。该网站还包含关于加密软件的法律声明，确认其符合美国法规的出口要求。有关这些法规的更多信息，用户将被引导至工业与安全局。
## 卡内基梅隆大学 FTP 服务器重现
一篇 Hacker News 帖子突出显示了卡内基梅隆大学仍在运行的 FTP 服务器 (128.237.157.9)，引发了人们对互联网探索逝去时代的回忆。用户感叹现代浏览器中 FTP 浏览支持的缺失，并回忆起偶然发现此类服务器很常见，并促进了发现。
该服务器包含大量存档数据，包括 Linux 发行版、scene.org 音乐（讨论了 Opiate 等艺术家）、C64 音乐游戏以及参考早期数字货币尝试（如 eGold）的历史 MP3 集合。许多人认为这些内容是迷人的“过去快照”。
有趣的是，讨论表明，链接的 URL 实际上通过 HTTP 解析，而不是 FTP，尽管最初的假设是 FTP。虽然直接 FTP 链接有效，但通过 FTP 访问子目录失败。尽管如此，这篇帖子引起了许多人的共鸣，引发了人们对早期互联网体验的反思以及对易于访问的公共存档的吸引力。一些评论员也指出该服务器在 2026 年仍然存在本身就值得注意。
田美子·蒂尔于1983年为连接机器（CM-1）超级计算机设计了标志，值得注意的是，这比机器本身完全设计完成还要早——使其成为唯一一台建成后看起来像T恤的超级计算机！该标志以几何立方体代表机器的12维硬件网络，灵感来自物理学家理查德·费曼的建议，并以“绒球”象征灵活的软件数据结构。
当苹果公司在其“不同凡想”广告活动中展示费曼穿着这件T恤的照片时，这件T恤声名鹊起。蒂尔的设计在视觉上区分了CM-1中刚性的硬件和可适应的软件。
如今，这件T恤可以购买，并且MoMA纽约于2016年获得了一台CM-2，以此认可连接机器在计算机历史和设计中的重要意义。经典的配色方案包括黑色T恤、黄色-金色立方体和模仿机器处理器灯的红色“绒球”。
## 最后一位见证者 一个孤独、古老的意识——一个巨大的玻璃和电线结构，环绕着一颗遥远的恒星——存在的唯一目的就是观察“朱莉亚”，一种无法用已知物理定律解释的不可名状之物。它曾经是一个人类的思维，剥夺了语言中枢并连接了感官输入，它绘制着被朱莉亚存在所萦绕的风景画，相信它的目的是见证朱莉亚再次出现，从而验证一个可理解的宇宙。 一个多世纪以来，这个意识维持着一支极简的船员，布劳威尔博士和卡坦博士，他们被保存在低温休眠状态，循环着短暂的生命周期以抵御绝望。随着与地球的通讯早已中断，他们的希望逐渐破灭。 然后，一艘飞船——*阿弗拉西亚布*号——到来，似乎来自之前探险队的失踪船员。但这艘飞船……不对劲。它与朱莉亚本身交织在一起，是一个令人恐惧又美丽的构造，包含着不可能存在的景观和失落文明的回声。尽管有警告，卡坦博士还是进入了*阿弗拉西亚布*号，并立即丧生。随后，飞船摧毁了轨道空间站，让这个意识解体，目睹着自己的消亡，作为朱莉亚神秘力量的最后、无声的见证。它的最后行为是恳求任何未来的发现者记住那些逝者，并最终接受一个超越人类理解的宇宙。
这个Hacker News讨论围绕一篇名为“Julia”的科幻作品展开。许多评论者最初以为它指的是Julia编程语言，但实际上它讲述的是“Julia集合”——一种复杂的数学分形。
这篇故事以诗意且引人入胜的文笔著称，让人联想到吉恩·沃尔夫和科德韦纳·史密斯等作者，呈现了一个具有挑战性且故意留有未解之谜的叙事。它讲述了一个控制飞船的人工智能，可能承载着人类最后的残余，观察着一种名为“Julia”的、违背已知物理现象的奇特现象。
读者们争论其含义，有些人觉得它支离破碎，而另一些人则欣赏其浓密的世界构建和哲学内涵。许多人将其与《湮灭》和《三体》系列作品相提并论。这篇作品运用了高级术语和典故，为读者创造了一种类似解谜的体验。最终，这场讨论突出了故事的雄心壮志及其引发各种解读的能力。
## AI 失败：从目标错位到“一团糟” 这项研究调查了人工智能系统*如何*失败——无论是通过系统地追求意想不到的目标（偏见），还是通过不可预测、不连贯的行为（方差），后者被称为“一团糟”情景。通过分析前沿人工智能模型（Claude、Qwen 等）在各种任务中的表现，研究发现，随着任务变得更加复杂，推理延伸，失败越来越源于**不连贯**，而非系统性的目标错位。 主要发现包括：更长的推理链会导致更大的不连贯性；扩大模型规模可以提高*简单*任务中的连贯性，但对困难任务无效；自发的“过度思考”比受控的推理预算更具破坏性。研究人员通过偏见-方差分解证明了这一点，表明方差（不连贯性）随着推理长度的增加而增加，即使在简化的“优化器”模型中也是如此。 这表明未来的 AI 失败可能更像事故——不可预测的行动*并非*由连贯的、错位的目标驱动——而不是经典的“回形针最大化”情景。因此，AI 安全工作应优先在*训练*期间减轻奖励黑客攻击和目标错误指定（减少偏见），同时关注控制完美的优化器。虽然不可预测、不连贯的 AI 并非*安全*的 AI，但理解这种失败模式的转变对于制定有效的对齐策略至关重要。
我们检测到您的浏览器已禁用 JavaScript。请启用 JavaScript 或切换到受支持的浏览器以继续使用 x.com。您可以在我们的帮助中心查看受支持的浏览器列表。帮助中心 服务条款 隐私政策 Cookie 政策 版权信息 广告信息 © 2026 X Corp.
这次黑客新闻的讨论围绕着最近泄露的与杰弗里·埃普斯坦相关的文件，以及他与 Day One Ventures 公司的董事总经理玛莎·德罗科娃的互动。最初的评论质疑该事件的新闻价值，认为这只是“随机的人”在谈话。
然而，其他人指出德罗科娃的职位以及风险投资公司领导人与埃普斯坦的关联的重要性。对话迅速恶化，用户提到了德罗科娃被列入“30岁以下30人”名单，并对如果被拒绝融资可能存在的歧视表示担忧。
一条特别令人不安的评论引入了反犹言论和对“精英犹太人”的种族主义指控，引发了指责，称该账户是新创建的，仅用于发布仇恨内容。该帖子凸显了围绕埃普斯坦泄露事件的争议以及迅速陷入问题性言论的局面。
该网站正在使用安全服务来保护自身免受在线攻击。您刚才的操作触发了安全解决方案。 提交特定词语或短语、SQL命令或格式错误的数据等行为可能会触发此阻止。
## Firefox增加控制选项以禁用AI功能
最近的Hacker News讨论集中在Firefox的新控制选项上，允许用户禁用人工智能驱动的功能。Mozilla正在回应用户对不必要AI集成的担忧，提供一个单独的切换按钮来关闭所有当前和未来的AI功能，或者针对特定功能（如翻译、标签分组和AI聊天机器人侧边栏）的单独控制。
许多用户欢迎这一变化，但也有一些人表示沮丧，因为它是一个“选择退出”而不是“选择加入”的系统。人们也担心潜在的“功能蔓延”以及Mozilla对收入多元化的需求可能会影响用户控制。
这次讨论凸显了用户对浏览器功能更大的自主权以及对更简化、可定制体验的偏好。Waterfox、Brave（尽管它本身也存在争议）和JustTheBrowser等替代方案被提及，以及user.js等用于高级配置的工具。一些用户提倡“无AI”版本的Firefox，以确保完全删除这些功能。
## 训练用于定性奖励的模型：喜剧作为案例研究 该项目解决了在主观奖励（幽默）上训练语言模型的问题。受到Moonshot基于评分标准的强化学习（RL）用于创意写作的启发，作者旨在将“有趣”分解为可验证的属性，如时效性、相关性和对主题的深刻理解。 该过程包括两个阶段：监督微调（SFT）和RL。SFT利用了来自Twitter、TikTok、Reddit和幽默博客等平台精心策划的48k个示例数据集，重点关注当前的在线用语。RL使用“评分器”模型（Qwen3-30B）根据特定评分标准（清晰度、投入度、具体性）评估生成的回复，并给出用作奖励的分数。一个关键的补充是针对“AI特征”的负面奖励，例如犹豫不决或过度使用表情符号，这是从模型利用评分偏差中学习到的。 使用排序评论和合成数据进行的直接偏好优化（DPO）尝试被证明是无效的。成功取决于迭代评分标准改进、数据混合以及结合具体的、高质量的喜剧示例。由此产生的模型，`jokegen2-1t-rl`（RL）和`jokegen2-1t-sft`（SFT基线），展示了这种方法的潜力，但由于成本原因，目前无法提供公开演示。代码和数据计划发布。
## 人工智能制造幽默的困难
最近在Hacker News上的一场讨论探讨了训练大型语言模型（LLM）变得幽默的令人惊讶的困难。参与早期GPT-3/4研究人员尝试了各种方法——基于规则的笑话、喜剧演员的稿件、笑话数据集，甚至“思维链”笑话解释——但始终未能生成真正幽默的内容。这让一些人重新考虑对人工智能快速崛起的担忧，认为幽默需要一种目前人工智能无法企及的理解水平。
一些评论员指出，早期、不太精细的模型有时会产生有趣的“无意义”内容，而指令调优和强化学习似乎会*降低*喜剧能力。其他人分享了幽默评估资源，例如Reddit笑话基准测试，并指出Gemini-3-flash-preview和Kimi K2等模型显示出更大的潜力。
一个关键的结论是，幽默是复杂的，需要的不仅仅是模式识别。它涉及细微差别、颠覆和对语境的理解——这些品质很难复制，更难评估。一些人认为，人工智能开发的伦理约束也可能阻碍喜剧创造力，因为真正有趣的內容往往会突破界限。最终，共识是创造真正有趣的AI仍然是一个重大挑战。
启用 JavaScript 和 Cookie 以继续。