## 土地价值与来自土地经济中心的新工具
土地价值分布不均——它会急剧增加到城市中心。这不仅在曼哈顿（土地价值是布朗克斯的100多倍）如此，在锡拉丘兹、斯波坎和辛辛那提等城市也是如此。理解这种价值集中至关重要，土地经济中心旨在通过一套免费的开源工具使其易于获取。
他们最近升级了**CivicMapper**，这是一款将土地价值可视化在交互式地图上的工具，现在包括九个城市，并改进了空地分析（包括使用计算机视觉检测停车场）。与此同时，他们扩展了**Put It On A Map (PIOAM)**，这是一种“GIS瑞士军刀”，提供3D可视化、数据获取、格式转换和文件构建等工具——所有这些都在本地运行以保护数据隐私。
这些工具有助于纠正对土地价值的常见误解，并使用户能够分析数据、查找可比较的房产并对房产评估进行时间调整。该中心依靠捐赠来继续开发和托管这些资源，鼓励用户提供反馈并帮助建立对土地经济学的更深入了解。您可以在[CivicMapper.org](https://civicmapper.org/)和[PutItOnAmap.com](https://putitonamap.com/)找到所有工具并做出贡献。
每日HackerNews RSS
## 黑客新闻讨论摘要：地价与城市财政
最近一篇黑客新闻帖子展示了美国几个城市地价的可视化互动地图，引发了关于城市经济学和房产税改革的讨论。核心观点是人们严重低估了城市中心地价的集中程度——例如，曼哈顿比布朗克斯区更有价值得多。
讨论强调了这种集中如何影响城市财政。高密度城市核心产生大量税收，维护成本相对较低，有效地补贴了低收入、扩张的郊区。许多评论员争论郊区基础设施是否真的更便宜，证据表明由于广泛的道路和公用设施网络，人均成本更高。
作者是一位房产税改革倡导者，旨在利用这些可视化展示将税收从建筑物转移到土地的潜在好处，认为这可以激励开发并解决不平等问题。然而，人们对地图的可读性（由于其3D格式）以及需要更广泛的城市覆盖表示担忧。对话还涉及了分区法在推高地价中的作用，以及准确评估城市与郊区开发的真实成本和收益的复杂性。
## 数据中心冷却：快速演变的格局（2026年3月） 数据中心冷却行业正面临来自多重因素汇聚的空前压力。新的法规，例如德国关于废热再利用的强制性规定（到2028年将上升到20%，并伴有巨额罚款），正在推动效率提升。与此同时，供应链中断——特别是3M停止生产PFAS化学品——已经摧毁了两相浸没式冷却市场。 水资源利用是一个关键问题，行业总足迹显示72%在场外（发电），并因全球水危机而加剧。这正在推动远离蒸发式冷却的转变，内华达州的禁令以及其他地方日益严格的监管证明了这一点。人工智能的爆炸式增长正在加速对更强大的冷却解决方案的需求，机架密度超过120kW，液冷采用率飙升——预计到2026年末将达到人工智能服务器的76%。 创新集中在液冷（直连芯片和浸没式）、固态冷却以及利用人工智能进行优化性能的自适应系统上。然而，这些解决方案的规模化受到供应链限制以及关键的劳动力技能缺口的阻碍。最终，可持续性不仅仅是关于现场用水，而是整体能源效率以及应对大型数据中心建设日益增长的社区反对。
## 三轮车夫的灵魂：通往内心平静的旅程
卡尔·埃特尼尔在奥斯陆当三轮车夫的一年，最初是一种有利可图且快乐的爱好，却意外地揭示了一段精神之旅。虽然他开朗的性格让乘客和路人感到愉快，但工作带来的压力——来自苛求的顾客和偶发的敌意——开始侵蚀他的积极性。他发现自己越来越疲惫，不是身体上的，而是情感上被负面互动耗尽。
埃特尼尔意识到仅仅*表现*得开朗是不够的，他需要积极培养内心的平静。他从定期休息和冥想等实际步骤开始。然而，一次与难缠乘客的特别令人沮丧的遭遇促使他发生了更深层次的转变。受到练习接纳和超脱的朋友们的启发，他采取了一种更耐心、更不控制的方式。
他优先考虑乘客的享受，而不是最大化利润，并以善意而不是对抗来回应负面情绪。这位“更随和的查尔斯”经历的冲突更少，感受到的压力也更小，最终，传播了更多的快乐。埃特尼尔发现，调整期望和放弃控制不仅改善了他的三轮车夫体验，还提供了适用于三轮车以外生活的宝贵教训——展示了即使是一份看似简单的工作，也可以成为自我提升的途径。
## 人力车夫的灵魂：摘要
最近一篇在Hacker News上的讨论，源于sheldonbrown.com的一篇文章，探讨了做人力车夫出乎意料的成就感。多位评论者，包括有经验的车夫，强调成功与否取决于态度和参与度。这不仅仅关乎体力，更在于积极与乘客互动，提供独特的体验，并采取“是，并且”的态度。
这份工作培养了有价值的技能，如销售、谈判和积极倾听，常常会带来意想不到的友谊和冒险。虽然承认可能会遇到难缠的乘客，车夫们强调圆滑和魅力在缓和局势中的作用。
对话也触及了更广泛的人际交往主题——谦逊的重要性，避免不必要的冲突，以及认识到积极的态度往往会引来积极的回应。最后，提醒注意一些城市存在的人力车诈骗，强调预先协商车费和保持警惕的必要性。
尽管过去尝试多次失败，人工智能（AI），特别是*通用人工智能*，仍然是一个值得关注的技术趋势。目前的人工智能在特定任务上表现出色，例如下棋或飞行，但实现人类水平的思考——以及更关键的，*想要*思考——才是真正的挑战。 一些隐秘的公司正在取得进展，这得益于诸如吴恩达提出的所有大脑功能背后存在单一学习算法的理论。然而，复制1000亿个神经元及其涌现行为，就像仅凭晶体管知识来逆向工程处理器一样。 核心问题不仅仅是*能否*制造出智能机器，而是*能否*赋予它们意识、创造力和内在动力？作者认为，一个潜在的理想未来并非取代人类思考，而是分工协作：计算机擅长*执行*，人类擅长*思考*。
这场 Hacker News 的讨论围绕着 Sam Altman 2014 年关于人工智能的文章展开，引发了关于智能本质、未来工作以及日益强大的大型语言模型（LLM）潜在弊端的争论。
一个核心主题是 LLM 是否真的在“思考”，还是仅仅是大型数据空间内的复杂搜索引擎。一些人认为人类和人工智能可能遵循相似的原理——搜索和排列，而另一些人则担心未来人类会依赖人工智能来“行动”，只留下“思考”作为我们唯一的领域，可能导致智力衰退。人们对工作的影响表示担忧，特别是对于那些从事常规任务的人，以及潜在的收入不平等加剧。
许多评论者对 Altman 的动机表示怀疑，质疑他所陈述的目标是否与人工智能发展的实际后果相符。一种反复出现的情绪是，人工智能正在通过降低批判性思维能力使人们“变笨”。 还有人指出创造力的重要性，不仅在工作场所，而且在日常生活中，并担心那些不易自动化的技能被贬值。 讨论还涉及像 Worldcoin 这样的项目的伦理影响，强调了对数据隐私和操纵的担忧。
埃塞克斯警方在剑桥大学的一项研究揭示出显著的种族偏见后，已暂时停止使用实时面部识别（LFR）技术。该研究表明，LFR系统在正确识别黑人个体方面的可能性在统计上高于其他种族群体，引发了公平性担忧，尽管整体准确率很高。 信息专员办公室（ICO）强调了暂停，并警告正在使用LFR（目前英格兰和威尔士共有13个警察部队）的其他警察部队解决潜在的偏见问题。尽管如此，内政大臣此前宣布计划大幅增加全国可用的LFR车辆数量。 虽然该研究发现对无辜人员的错误识别案例很少，但专家认为偏见可能的原因包括算法过度训练。这些发现强化了人们对人工智能驱动的监控公平性的现有担忧，批评者如“老大哥观察”呼吁暂停部署，直到准确性和偏见得到明确解决。
## 面部识别偏见导致埃塞克斯警方暂停使用
埃塞克斯警方在研究显示存在种族偏见后，暂停了其面部识别技术的使用。该系统对黑人个体的*正确*识别率高于其他族裔群体，引发了关于公平性和潜在歧视的争论。
之前的担忧主要集中在该技术*无法*准确识别有色人种，而这个问题则引发了对不成比例影响的质疑。专家认为问题不在于技术本身——解决偏见的方案早在几年前就已开发出来——而是由于削减成本导致警方采用来自较新、经验不足的公司，且模型训练不足的系统。
评论员强调了准确面部识别所需的大量数据，并指出了最近的误识别事件（将人识别为动物或车辆）。核心伦理困境在于，一个对一个群体*更好*的系统，可能导致不成比例的审查，是否可以接受。一些人认为应该加强执法，而另一些人则强调了系统性偏见和错误逮捕的危险。
arXivLabs是一个框架，允许合作者直接在我们的网站上开发和分享新的arXiv功能。个人和与arXivLabs合作的组织都认同并接受我们开放、社群、卓越和用户数据隐私的价值观。arXiv致力于这些价值观，并且只与秉持这些价值观的合作伙伴合作。您是否有为arXiv社群增加价值的项目想法？了解更多关于arXivLabs的信息。
## Flash-KMeans：更快更高效的K-Means聚类
一种名为“Flash-KMeans”的新方法，因其显著的速度和内存改进而备受关注。它最初是为了支持视频生成模型而开发的，旨在使*精确*的K-Means——传统上对于大型数据集而言速度较慢的过程——真正可行。
其核心创新“FlashAssign”和“排序反向更新”优化了距离计算和质心更新阶段，绕过了内存瓶颈。这带来了高达17.9倍的加速，优于cuML和FAISS等库（分别快33倍和200倍以上）。
讨论强调，虽然K-Means++侧重于种子选择，但Flash-KMeans改进了核心算法的内部循环。虽然在标准CPU上的收益可能有限，但加速对于GPU加速工作负载尤其重要。该技术建立在类似于“flash attention”的概念之上，并且可能适用于依赖亲和力矩阵的其他算法。
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.
颜色过多
Too Much Color
5 天前
## CSS 颜色精度：总结 在进行 CSS 压缩时，深入研究了颜色精度，发现**对于大多数颜色表示，3 位小数（3dp）通常就足够了。** 超过这个数量，人类感知无法区分差异，多余的数字只会浪费字节。 具体来说：对于 Oklch 和 Oklab，建议使用 3dp。对于较旧的 Lab 和 Lch，需要的精度甚至更低。sRGB 表示法（rgb, hsl）和度数等单位通常可以使用整数。这源于“最小可感知差异”（JND）——人类可以检测到的最小颜色变化——以及 Oklab 等现代颜色空间的感知均匀性。 虽然浏览器会以高精度存储颜色，但**压缩器应积极地进行四舍五入**以减小文件大小。 颜色操作的链式处理（例如 `color-mix()`）会放大舍入误差，因此 3dp 比 2dp 更安全。Alpha 值也受益于 3dp，以实现准确的混合。 作者的研究，包括使用 Delta-E 计算进行的广泛测试，表明这些建议在优化文件大小的同时保持了视觉保真度。 这种简化将在 csskit 中实施，并希望被其他压缩器采用。
## Hacker News 讨论摘要：“色彩过多”
一篇 Hacker News 讨论围绕 Keith Cirkel 的文章，探讨了数字应用中色彩精度的出乎意料的影响，尤其是在 CSS 中。核心观点是，看似难以察觉的颜色差异会显著增加文件大小，而一个新的压缩器会调整颜色以优化压缩。
对话分化到几个关键领域：数据精度的重要性（使用 64 位浮点数与 32 位用于准确的位置数据）、人类对颜色差异的感知（“最小可感知差异”或 JND）以及对 Web 开发的实际影响。许多用户使用 Cirkel 的 JND 游戏测试了自己的色彩感知能力，结果出人意料地好，这归功于高质量的显示器。
许多评论者强调了文件大小优化与视觉保真度之间的权衡，质疑在现代网站整体臃肿的情况下，节省是否值得。其他人讨论了色彩准确度的历史背景，以及在看似精确的系统中进行优化的潜力。一个反复出现的主题是，虽然在技术上不同，但许多颜色变化对人眼来说是无法区分的，这引发了对极端精度的必要性的质疑。
客户端挑战：您的浏览器已禁用 JavaScript。请启用 JavaScript 以继续。网站的必要部分无法加载。这可能是由于浏览器扩展、网络问题或浏览器设置所致。请检查您的连接，禁用任何广告拦截器，或尝试使用不同的浏览器。
一场 Hacker News 的讨论集中在人工智能工具的隐私影响上。一篇最近的文章强调，与人工智能分享的信息可能会被利用，这是人工智能时代的“买家自负”。
用户们普遍认为人工智能更像是一种第三方服务，而不是私人笔记本，建议不要输入敏感数据。讨论延伸到本地人工智能模型与云端服务的安全性，一些人更倾向于本地选项以保护隐私。
一些评论员表达了对剥削性技术实践的更广泛担忧，将“以人为本”的技术与当前的产品进行对比。另一些人指出，根据浏览器和广告拦截器的使用情况，广告体验各不相同。最后，有人表示担忧人工智能主要通过就业岗位流失和加强监控来损害工人阶级。
## drawvg：FFmpeg 中的矢量图形 `drawvg` 是一个 FFmpeg 滤镜（自 8.1 版本起可用），它使用其自身语言 VGS 编写的脚本，直接在视频帧上渲染矢量图形。VGS 的设计注重简洁性和易用性，灵感来自 Magick Vector Graphics 和 SVG 路径，语法类似于 TCL 或 shell 脚本。 VGS 利用 Cairo 库进行栅格化，并允许通过 FFmpeg 表达式创建动态图形——从而实现基于帧尺寸、元数据甚至像素颜色的效果。 示例展示了 `drawvg` 的多功能性：创建进度指示器、利用 `cropdetect` 元数据绘制裁剪区域、构建自定义过渡效果（如圆形裁剪或 alpha 合并）、通过读取像素颜色应用像素化效果，以及与 `displace` 滤镜结合生成波浪效果。一个专门的 Playground 提供了更多展示 VGS 功能的示例。`drawvg` 提供了一种强大的方法，可以在 FFmpeg 工作流程中添加自定义视觉元素和效果。
## Drawvg：FFmpeg 的一个用于矢量图形的新滤镜
一个新的滤镜 `drawvg` 已被添加到 FFmpeg 中，允许直接在视频流上绘制矢量图形。这对于遮蔽视频中的元素特别有用——一位用户专门用它来遮盖科技教程中的演讲者叠加层，认为传统的像便签纸这样的方法不方便。
与仅限于矩形的旧滤镜不同，`drawvg` 可以处理圆形等形状，使用简单的内联语法或外部 `.vgs` 文件定义。该滤镜的灵感来自 SVG 路径语法，甚至与“海龟图形”具有概念上的渊源。
讨论强调了未来与机器学习模型集成以实现自动化任务（如面部审查）的可能性，但也指出最近更新导致 FFmpeg 二进制文件大小显著增加。用户正在探索像 mpv 这样的替代方案以获得类似效果，并且一些用户正在利用像 `yt-dlp` 和 FFmpeg 这样的工具来处理 iPad 视频，因为平台存在限制。虽然功能强大，但 FFmpeg 复杂的命令行语法仍然对一些人来说是一个挑战，促使他们使用脚本和 LLM 来管理滤镜配置。