两篇近期论文拓展了传统的“磨损耗竭”衰老模型，提出细胞在失去其特化身份时也会衰老。维持这种身份的是一个三层调控系统：快速的应激反应、较慢的状态变化，以及持久的染色质边界。这个较慢的层次主要依赖多梳抑制复合体2（PRC2），并将细胞稳定在其表观遗传“景观”中。
随着衰老，尤其是慢性炎症之后，这种景观会通过“去沟渠化”逐渐变浅，使细胞漂移到类似成纤维细胞的间充质状态。这种间充质漂移会促进纤维化和炎症，导致恢复能力下降，并推动动脉粥样硬化、黄斑变性、阿尔茨海默病和癌症等疾病的发展。作者提出，表观遗传时钟或许可以衡量PRC2相关染色质域被侵蚀的程度。
潜在的干预措施包括：通过热量限制维持染色质结构；使用OSKM或OSK因子进行部分重编程，以恢复年轻的细胞身份；以及使用锂，通过包括GSK3β和tau在内的通路保护神经元身份。然而，重编程存在致癌风险，而热量限制在人类中可能并不现实。糟糕饮食、缺乏活动和睡眠不足所造成的慢性压力，可能加速细胞身份丧失，因此，维持表观遗传身份可能成为延长健康寿命的重要目标。
每日HackerNews RSS
一个 Hacker News 讨论串涉及两篇论文。这两篇论文认为，衰老可能主要由细胞身份丧失和表观遗传失调驱动，而不只是由累积的细胞损伤造成。评论者将胚胎发育视为衰老在某些方面可以被重置的证据，但强调成人年轻化要困难得多：DNA 突变、癌症风险、细胞类型特异性染色质变化，以及安全递送，仍然是主要障碍。
有些人认为，衰老是一种进化上的权衡，或者表观遗传变化可能是机体对损伤的反应，而非衰老的首要原因。讨论还涵盖了运动或热量限制带来的 hormesis、线粒体周转，以及 CRISPRon/off 等实验性靶向甲基化工具。有人提议将人工智能作为研究辅助工具，但同时也担忧其安全性、企业控制、就业影响和权力集中问题。
讨论逐渐延伸到长寿、死亡、压力、进化上的“目的”、历史上的生活水平、气候变化以及人工智能的生存风险，而且其中许多内容超出了这两篇论文所能证明的范围。
本文介绍了 **Smol Gaussian**：这是一种快速且高质量的高斯模糊算法，专为半径很大、连续变化且可能具有各向异性的模糊效果而设计。它会逐步降低图像分辨率，在较低分辨率下执行小型的可分离高斯模糊，然后重建到原始尺寸。该方法能够保留边缘，补偿降采样和升采样过程中产生的模糊，使核函数在 3σ 之外平滑衰减，并使用三次 B 样条重建来减少 HDR 高光伪影。
文章将 Smol Gaussian 与扩展版 Dual Kawase、Skia Gaussian、Blender 的递归式 Fast Gaussian、重复盒式模糊以及普通可分离高斯模糊进行了比较。Smol Gaussian 的表现大致与 Skia 相当，模糊半径越大，成本越低，并且在处理动画半径和分别设置 X/Y 方向模糊方面表现更好。在当前实现中，Dual Kawase 更慢；Blender 的方法则可能产生振铃、光晕或负的 HDR 数值。
文章还提供了一个交互式 WebGPU playground 和源代码，支持六种模糊模式、图像加载、动画、中间纹理查看、视频导出以及基准测试。一个面向 CPU/GPU 的 Blender 拉取请求也正在进行中；据报告，其速度优于现有的合成器实现，并且不会产生振铃伪影。
Hacker News
最新
|
往期
|
评论
|
提问
|
展示
|
工作
|
提交
登录
使用动画半径实现快速模糊
(aras-p.info)
17 分
由
luu
发布
1 天前
|
隐藏
|
往期
|
收藏
|
1 条评论
帮助
bschwindHN
1 天 ago
[–]
我最近正在研究各种模糊方法，用于工作中的一些东西，时机真是恰到好处！
回复
考虑申请 YC 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
|
法律条款
|
申请加入 YC
|
联系我们
搜索：
启用 JavaScript 和 Cookie 以继续
一场 Hacker News 讨论分享了 1997 年的论文**《从历史视角看有限责任》**。评论将有限责任的理念追溯至罗马奴隶制、主仆法，以及后来的代理法和公司法，重点讨论委托人如何限制自己对代理人行为或债务所承担的责任。一位评论者认为，这些法律隔离机制与代理型人工智能日益相关，并提出由谁应对人工智能造成的危害负责的问题。
另一些人则将人工智能与资本进行了一个颇为尖锐的类比：企业利用人们的工作训练系统、获取利润，同时可能规避许多后果，而劳动者或社会则承担损失。整体而言，这场讨论对企业的责任保护持批评态度，不过它只是非正式的评论，并非对该论文的学术分析。
启用 JavaScript 和 Cookie 以继续
讨论的重点是 ChatGPT Sites，它让非技术用户能够通过提示词创建、托管和部署全栈网页应用。用户称赞它的速度、易用性、自定义域名支持、插件集成，以及无需管理基础设施，就能把想法——包括科学工具、仪表盘和游戏——变成可运行的原型。
许多评论者认为，它可能会显著冲击网站构建工具、小型代理公司、SaaS，以及软件开发的多个领域。另一些人则认为，它主要降低了制作原型的门槛，而不是取代工程师，因为复杂应用仍然需要架构设计、安全保障、测试、维护、合规和责任落实。
一个主要担忧是，OpenAI 正在试图超越模型 API，构建垂直整合的生态系统。批评者担心，如果平台同时掌控模型、托管、身份认证、数据和分发渠道，就可能使 SaaS 业务商品化，削弱独立开发者的地位，并将控制权集中到 AI 平台手中。
目前，产品质量仍有争议：生成的网站速度很快，但经常存在漏洞、不安全、缺乏特色或“粗糙”的问题。总体而言，评论者非常看好该产品对消费者领域的影响，但对其带来的经济和战略后果感到不安。
加拿大籍国际刑事法院法官金伯莉·普罗斯特自特朗普政府严厉打击国际刑事法院官员以来，一直遭受严重的个人和职业干扰。美国实施制裁后，她的信用卡被注销，银行和科技服务也受到限制；尽管法律并未要求法国保险公司安盛履行相关义务，安盛仍停止了对她的赔付。普罗斯特表示，许多与美国有关联的企业即便不在美国境内，也会“过度执行”制裁。 普罗斯特因参与上诉分庭批准对阿富汗展开调查而受到制裁，检方后来降低了这项调查的优先级。她称自己并未参与以色列—加沙调查，并正与其他两名法官一道在美国联邦法院挑战针对她的制裁。尽管面临压力，她仍继续审理案件，目前正在审理一宗涉及马里廷巴克图被接管期间涉嫌犯罪案件的案件，并表示不会放弃司法职责。
一场 Hacker News 上的讨论聚焦于美国对一名国际刑事法院法官实施的制裁。该法官的裁决涉及以色列以及加沙战争。制裁严重影响了她的财务、银行服务、医疗保险以及技术设备获取，引发广泛批评，认为美国是在惩罚个人，以此向该法院表达敌意。
评论者对国际刑事法院的合法性存在分歧。支持者认为，国际法院对于追究战争罪、种族灭绝罪和危害人类罪的责任至关重要，尤其是在各国政府不愿或无力采取行动的情况下。批评者则强调美国主权、国际刑事法院有限的执行能力、政治偏见，以及缺乏广泛的国际共识。
另一个主要话题是欧洲对美国金融、保险、支付、云计算和软件基础设施的依赖。这些制裁可能加速欧洲与美国机构的脱钩，并促使欧洲推动阻断法律或建立替代支付系统。讨论还高度两极化，集中在以色列与巴勒斯坦的历史、哈马斯、10月7日事件，以及这些制裁是否本质上属于以色列政策争议。
联邦法官初步阻止了犹他州执行SB 73法案。该法案要求成人网站屏蔽VPN用户，或确定用户的确切物理位置。巴洛法官裁定，该法律可能对犹他州境外的企业和用户造成宪法所禁止的负担，并要求网站在地理定位方面实现技术上不可能达到的完美精确度。 VPN通过中间服务器路由流量来隐藏用户的位置，因此网站无法可靠区分连接来自犹他州还是其他地区。法院指出，经营多个大型成人内容平台的Aylo否则可能因核实全国数百万名用户的位置而承担责任。 电子前哨基金会（EFF）认为，犹他州拟议中要求识别“地理定位混淆”的规则会助长侵入性监控，产生不可靠的结果，并对隐私和安全造成不成比例的伤害。禁令在法院进一步采取行动前保留了与VPN有关的条款，但未涉及该法律中禁止提供绕过VPN说明的规定。EFF将继续反对其他州采取类似的反VPN措施。
据报道，法院同意电子前哨基金会（EFF）的观点，认为犹他州的 VPN 法律实际上几乎无法执行。成人网站必须将 VPN 和代理服务器用户视为实际身处犹他州，但网站无法可靠识别这类用户，也无法确定其真实所在地。因此，遵守该法律将意味着全国范围内屏蔽大量合法用户、对所有用户实施年龄或身份核查，或者为无法分类的流量承担法律责任。
《黑客新闻》上的讨论还延伸到了色情内容是否应当受到限制。支持者列举了人口贩运、胁迫、宗教反对意见以及潜在的社会危害。反对者则强调言论自由、色情内容会导致暴力的证据并不确定，以及禁止色情内容可能造成的黑market危害。
评论者还讨论了并不完善的检测方法、自建 VPN、审查制度和《休眠商业条款》（Dormant Commerce Clause）。尽管用户可能绕过限制，但评论者指出， authorities 仍可扰乱访问、处罚服务商或用户，并强制进行大规模基础设施调整。总体而言，讨论者批评犹他州这项法律在技术上过于 simplistic、在商业上影响过宽，而且其目的可能是道德或政治控制，而非制定可执行的监管措施。
微型粗野主义 Tiny Brutalism
43 天前
```微型粗野主义
一个温馨的小型沙盒，用于打造不那么温馨的建筑。
“微型粗野主义”是一款轻松自在的自由建造游戏，灵感来自粗野主义建筑。创作奇特的纪念碑、不可能的结构、混凝土高塔，或者只是一堵巨大的墙。
这里没有目标，也没有唯一的建造方式。随心制作你想做的东西即可。
操作
* 点击：建造（按住点击可填充一片区域）
* Shift + 点击：拆除
* 按住并滚动：切换不同款式
* Ctrl/Cmd + Z：撤销
* 点击太阳图标：切换昼夜
* Esc：菜单、设置和地块大小
镜头
* 右键拖动：旋转视角
* 中键拖动：平移视角
* 滚动：缩放
请与我分享你的作品！照片会保存在本地。可在设置中使用“打开文件夹”查看。```
Hacker News 用户讨论了 **Tiny Brutalism**，这是一款由 MatiErnst 开发的小型沙盒建造游戏。它受 *Tiny Glade* 启发，将温馨的建筑重新构想为阴暗、以混凝土为主的粗野主义建筑。这款游戏登上 Hacker News 首页，获得 203 分和 34 条评论，原因在于它结合了独立游戏、生成式设计、建筑和粗野主义等元素。
大多数评论者称赞了它的光照、植物以及“温馨反乌托邦”的美学，同时指出它与加州大学戴维斯分校的“死星”建筑有相似之处，还开玩笑说可以用它来开展 Nerf 枪战。
开发者公布了系统要求：需要 Windows、macOS 或 Ubuntu，一块大约八年前的显卡、4 GB 内存，以及约 250 MB 的存储空间；集成显卡和 M1 Mac 即可运行。
几名用户希望这款游戏能在 Steam 上发布，并提到 Steam 拥有云存档、集中游戏库等熟悉的商店功能；另一些人则更喜欢 itch.io 不收取平台佣金。
随后展开的一场较长讨论探讨了，现代主义和粗野主义建筑是否因为设计和建造成本更低、速度更快而占据主导地位。但其他人认为，功能主义现代主义并不天然等同于粗野主义，建筑风格还受到客户、预算、训练和文化等因素的影响。
Marcin Wichary 2022年6月16日／49条推文／100张照片 这是2022年一个推文串的存档。我此后已注销Twitter账号。 版权 © Marcin Wichary。 最初发布于2022年6月16日。此存档版本发布于2025年8月9日。
一场 Hacker News 讨论介绍了荷兰各地为保存可互操作的计算机历史所做的努力。游客们称赞兹沃勒的 Bonami SpelComputer Museum，因为这里不仅允许参观，还能亲手操作仍可运行的游戏软盘以及 MSX、NES、 Sega、Atari、PlayStation、Xbox、弹球机和街机。museum 营造出的普通 1980 年代办公室氛围，也增添了怀旧魅力。
评论者还讨论了 Home Computer Museum。该馆依靠门票收入和志愿者运营，以收费方式维修计算机，并出售多余硬件。街对面新开的商店对收藏家而言既诱人，也略带风险。其他被推荐的机构包括 VAX 谷仓、Apple Museum，以及位于宰特默尔的国立电子游戏博物馆。
国际上的推荐包括硅谷的计算机历史博物馆、西弗吉尼亚州的无线电与技术博物馆，以及现已关闭的西雅图活计算机博物馆。多位评论者哀悼那些能够继续运行历史技术、而非仅仅将它们陈列展示的博物馆逐渐消失。有一段趣味讨论则围绕赫尔蒙德和兹沃勒是否算“附近”展开。
一个 Hacker News 帖子讨论了一名 Reddit 用户购买二手 CPU 后发现，《无畏契约》的反作弊系统已经封禁了该 CPU 的硬件标识符，导致他无法进入游戏。
支持者认为，硬件 ID 在免费游戏中越来越必要：邮箱账号很容易重新注册，而 IP 封禁可能波及整个家庭、VPN 用户或办公场所。批评者则认为，这种系统具有侵犯性，对无意购买到被封禁硬件的二手买家也不公平。有人建议采用临时封禁、结合更多硬件信息进行判定、申诉或白名单机制、付费解封，以及建立更清晰的二手零件记录。
其他人将这一趋势与内核级反作弊、安全启动（Secure Boot）、私人服务器支持减少、企业控制和电竞联系起来，同时指出，作弊问题贯穿于整个游戏发展史。技术评论者解释称，现代 CPU 可以通过固件中的可信平台模块（TPM）暴露唯一标识符，例如 TPM 2.0 的认可密钥，而无需依赖传统序列号。总体而言，这场讨论反映了两种诉求之间的矛盾：既要维护竞技游戏的公平性，也要避免封禁导致可重复使用的硬件沦为废品。
一项针对 GPT-6 Luna 的测试发现，在多步骤逻辑任务中，它表现出的确定感并不可靠。Luna 是 OpenAI 限量预览版 Decisions API 背后的低成本模型。在 3,600 道 ProofWriter 题目中，Luna 在简单、可以直接读取的题目上表现良好，但随着证明链深度增加，成绩大幅下降。在包含五步连续推理的题目中，它的两项得分分别为 46% 和 45%，而 Jev 的得分分别为 81% 和 89%。总体来看，Luna 的得分为 64.1% 和 65.0%，低于 Jev 的 83.8% 和 89.3%。 Luna 的置信度也严重失准。它对 2,672 个答案给出了至少 99% 的确定度，但其中只有 68% 是正确的。在最困难的题目中，它的置信度几乎无法区分答案正确与否。相比之下，Jev 给出 99% 置信度的答案中，有 98.9% 是正确的。 这些结果涉及的是通用 API 模型，而不是为 Decisions API 提供支持的未公开专业版本。此外，ProofWriter 是一套合成数据集。即便如此，任何基于置信度的路由机制，都应在带有标注且难度符合实际的问题上进行测试，并分别衡量准确率和置信度校准情况。
The Hacker News 的讨论帖批评 OpenAI Decisions API 的一项基准测试在一道多步骤逻辑题上夸大了置信度。模型沿着“友善且粗犷→红色、绿色→因此是蓝色”的推理链，认定“艾伦不是蓝色”为假，并给出了 99.82% 的概率。
评论者认为，这个例子存在歧义：“有时”“通常”“皮肤粗糙”“表明它们是红色”等表述带来了不确定性或语义不清。文章可能还省略了模型实际收到的提示词，使人们无法复现结果。有人认为，这种刻意设计的措辞本就是为了测试快速模型的稳健性；也有人指出，基准测试预设的解释在逻辑上并不成立。
另一场争论集中在模型选择和推理投入。评论者指出，Luna 在关闭推理功能时表现很差，而较新的模型在高推理强度下表现强得多，这可能使比较具有误导性。他们还质疑 Decisions API 是否已经发布，以及该测试是否与 Cloudflare Clef 和 Kev 等系统等价。