物理学家兼科普作家马特·冯·希佩尔（Matt von Hippel）最近向人工智能公司发起挑战，要求它们解决理论粒子物理学分支“振幅学”（amplitudeology）领域的一项前沿计算问题。他要求 AI 计算出 N=4 超对称杨-米尔斯理论的九环散射振幅，这是一个此前无法完成的复杂多步过程。 Anthropic 的研究人员利用 Claude Science 成功完成了这一挑战。该 AI 通过一个用于管理复杂且易出错工作流程的“工具框架”（harness），在过去一周内自主执行了该计算，证明了 AI 现在能够在极少人工干预的情况下解决高水平的前沿科学问题。 这一结果已得到包括兰斯·迪克森（Lance Dixon）教授在内的领域内专家的独立验证。尽管有些人担心 AI 会“抢先”人类科学家发表成果，但专家们将这一进展视为协作的胜利。该项目表明，科学研究中存在比预期更多的“唾手可得的成果”，因为 AI 在组织计算资源和执行既定方法方面的可靠性远超以往的认知。 最终，这项实验突显出 AI 已不再局限于简单的学生级任务，而是能够进行复杂的自主研究，这标志着未来科学方法论的重大转变。
每日HackerNews RSS
抱歉。
继此前对 Meta“Muse”项目的调查之后，作者分析了 Muse 文件系统，以确定该平台是否使用了 OpenAI 或 Claude 等外部模型。
在日志中发现一个标记为 `azure/muse-special` 的会话（这不同于 Meta 标准的“Avocado”模型）后，作者发现了一份已发布模型 ID 的目录，其中包含各种版本的 GPT 和 Claude。加密载荷和特定工具调用格式等技术指标表明，`muse-special` 很可能是通过 Azure 路由的 OpenAI 模型。
这些外部客户端和终止开关配置的存在表明，Meta 维护着一套基础设施，用于进行 A/B 测试或将任务选择性地路由至前沿模型。然而，作者得出的结论是，Meta 并没有利用这些外部会话进行模型蒸馏；来自外部提供商的原始思维链（chain-of-thought）保持加密状态，Meta 的强化学习服务器无法访问，而 Meta 专有的 Avocado 模型则被明确用于训练。
最终，这项调查揭示了一个灵活的服务器端架构，允许 Meta 动态切换模型。作者称赞了该项目的技术执行力，以及 Meta 就这种复杂的代理驱动架构与社区进行的透明沟通。
对不起。
在这份研究生指南中，曼努埃尔·布鲁姆（Manuel Blum）通过阅读、学习、思考和写作这四大支柱，为攻读博士学位的旅程提供了实用的智慧。
**阅读与学习：** 布鲁姆鼓励将书籍视为“随机存取”的工具，而非线性阅读的卷轴。阅读时动笔至关重要，它能充当认知桥梁，将一个“有限自动机”转化为强大的“图灵机”。
**思考：** 当陷入困境时，布鲁姆建议想象一位导师正提供提示——这是你可以给予自己的启发。他强调矛盾和悖论是发现的催化剂。他建议，如果你的研究被抢先发表或被证伪，应将其视为学习新方法和新视角的宝贵机会，而非失败。
**博士生体验：** 论文要求你缩小研究范围，直至彻底理解某个微小课题，最终在“一粒沙中见世界”。他提醒学生，虽然导师提供指导，但动力必须来自学生自己。
**结语：** 成功需要坚持不懈，以及在被拒绝后不断完善工作的意愿。最重要的是，布鲁姆敦促学生拥抱自己的独特性，确立一个鼓舞人心的目标，并以成就卓越所需的专注力去追求它。
这一 Hacker News 讨论帖探讨了研究生院的复杂性，起因是 Manuel Blum 的经典建议。讨论主要围绕三个主题：
* **笔记方法：** 参与者辩论了手写与打字在认知上的优劣。支持手写的人认为，这种较慢且深思熟虑的过程能促成更深层的综合与记忆；而另一些人则认为，数字化工具对现代工作流程而言更高效、更实用。
* **研究生院的现实：** 贡献者们对研究生经历提出了截然不同的看法。一些人将其视为一种高风险的学徒制——通常在情感和经济上都很吃力——其主要目标是产出研究成果。另一些人则强调，只有在拥有真正的内在研究热情时，读研才值得付出成本。
* **职业视角：** 该讨论帖强调了经历上的差异，指出博士学位的“价值”会因导师素质、个人目标和特权背景的不同而产生显著差异。虽然一些人将其视为通往专业知识和社会流动的变革之路，但另一些人则提醒要警惕因远离高薪行业职位而产生的“沉没成本”，并指出研究生院往往比实习或本科研究中体验到的“演示版本”更为困难且不同。
艾伦·凯：香农为我们提供了一种处理噪声信道的方法 [视频] Alan Kay: Shannon gave us a way of dealing with noisy channels [video]
50 天前
关于 新闻 版权 联系我们 创作者 广告 开发者 条款 隐私 政策与安全 YouTube 的运作方式 测试新功能 © 2026 Google LLC
在最近一场庆祝克里斯汀·尼加德（Kristen Nygaard）百岁冥诞的线上活动中，计算机科学家艾伦·凯（Alan Kay）意外遭遇了“音频回声”，导致他说话的声音在 21 秒后才传回自己耳中。当他谈论克劳德·香农（Claude Shannon）的研究时，这种滞后的音频产生了一种超现实的前卫表演效果，令人想起阿尔文·卢西尔（Alvin Lucier）的著名作品《我正坐在一间屋子里》（*I Am Sitting in a Room*）。
这一插曲在 Hacker News 上引发了深入讨论，话题涵盖了从通信网络的稳健性到面向对象编程的历史。参与者们探讨了香农“噪声信道编码定理”的细微差别，特别是建立理论极限与构建实际纠错系统之间的区别。
讨论还深入到了技术史领域，比雅尼·斯特劳斯特鲁普（Bjarne Stroustrup）和艾伦·凯对比了他们各自对面向对象设计及编程语言演变的看法。用户们探讨了“计算机领域”如何常常固守旧有的复杂性，并讨论了 *Self* 和 *Korz* 等创新架构模型，这些模型旨在通过超越传统的类层次结构来简化编程。这场讨论是一次关于计算机系统——以及我们对它们的理解——如何受到历史、交互和层层噪声塑造的复杂思考。
``` { "model": "laya:en", "answers": { "intent": { "type": "选择", "choice": "发票", "confidence": 0.9547, "probabilities": { "invoice": 0.9698, "refund": 0.0172, "other": 0.013 } } }, "usage": { "input_tokens": 43, "output_tokens": 0 } } ```
这篇 Hacker News 的讨论围绕着 **Ollaya** 展开，这是一个旨在本地运行“Jev 风格”决策模型的开源工具。
**技术方面：**
“Jev 风格”模型充当了高效的零样本（zero-shot）分类器。与逐个生成文本的传统大模型（速度慢且成本高）不同，这些模型针对预设的结果集提供概率预测，因此非常适合用于高速且高性价比的决策场景（如内容审核或任务分流）。
**讨论焦点：**
* **创新与炒作：** 一些人认为 Jev 风格模型只是披着营销噱头的“分类器重命名”。怀疑者指出类似的分类技术早已存在多年；而支持者则认为，让这些模型变得易于访问、运行快速且便于集成，本身就是对开发者的切实贡献。
* **“护城河”问题：** 讨论中反复出现的一个话题是：如果初创公司的产品能在几周内被开源方案复制，它们是否还具有真正的竞争优势。
* **实用性：** 用户反馈称，虽然这些模型并非“魔法”——它们仍需要校准和高质量数据，但对于特定的重复性任务，它们在性能和成本上比大模型具有显著优势。
总的来说，社区认为 Ollaya 是一项有价值的工具；尽管在技术上属于迭代式进步，但它确实朝着让独立开发者能够使用高性能 AI 决策工具迈进了一步。
请启用 JavaScript 和 Cookie 以继续。
抱歉。
这份文档旨在推广一款名为“毁灭还是繁荣”（Doom or Bloom）的交互式工具，旨在帮助用户梳理自己对人工智能未来的世界观。通过对科技、政治和研究领域知名人物（如萨姆·奥特曼、杰弗里·辛顿、埃隆·马斯克和比尔·盖茨）的观点进行分类，该平台展示了围绕人工智能发展所形成的意识形态图谱。
该工具将视角分为两个主要维度：人工智能影响的性质（从“毁灭”到“繁荣”）以及变革的规模（在“渐进式”到“文明级”变革之间变动）。通过分析这些具有影响力人物的立场，用户可以将自己的信念与更广泛的社会讨论进行对比。该平台最终邀请用户回答一系列问题，以确定自己在图谱上的位置，从而鼓励个人深入思考：人工智能究竟是灾难性的风险、变革性的福祉，还是社会逐渐演进的过程。
抱歉。
Typst 是一款基于 Rust 编写的开源排版系统，作为 LaTeX 的潜在替代方案，它正在持续演进。近期发布的 0.15 版本引入了多项重磅功能，包括对可变字体（variable fonts）的支持，用户可以通过“轴”（axes）动态调整字体粗细等属性。
实验性的 HTML 导出功能取得了显著进展，特别是通过 MathML 的应用，使得在不依赖外部 JavaScript 库的情况下，也能在网页浏览器中呈现 LaTeX 质量的数学公式。全新的“打包”（bundle）功能允许作者从单一源文件生成多个互相关联的文档，例如同时生成 HTML 网站和 PDF。此外，Typst 现在支持在同一文档中使用多个参考文献列表，并优化了对 PDF 标准的处理，为文档存档和无障碍阅读要求提供了验证支持。
尽管 Typst 拥有超过 1500 个扩展包的完善生态系统及高速的迭代开发，但由于学术出版界倾向于 LaTeX 和 Word 等老牌格式，Typst 在正式出版领域的采用率仍受限。虽然它目前尚未完全取代传统系统，但凭借其高效和强大的功能，它正成为现代技术文档和设计领域中极具价值的工具。
抱歉。
在 2026 年 Rails World 主题演讲中，大卫·海内迈尔·汉森（DHH）让许多开发者开始质疑 Ruby on Rails 的未来。DHH 没有讨论该框架的路线图，而是宣布他不再是一名“程序员”，而是一名“创作者”，并将他的开发策略完全转向由人工智能生成的代码。 DHH 宣布 37signals 正在将其旗舰产品 Hey 从 Rails 迁移到基于 Rust 构建的原生应用架构中。他认为大语言模型已经让手写代码变得过时，并声称他自己的 Ruby 代码产出已降至 3%，而人工智能生成的 Rust 代码产出却大幅增加。他主张开发者应该停止阅读代码，将其视为一种自动化的、不可见的工具，而非一种手艺。 作者批评这种愿景空洞无物，指出 DHH 只是空谈“Rails 开发者是最棒的”，却没有为该框架的未来提供连贯的策略。这次演讲充满了逻辑矛盾、令人怀疑的生产力指标，以及对自己所面对的社区缺乏关注。最终，这场主题演讲让 Rails 用户感到担忧：他们框架的主要远见者实际上已经离去，使 Rails 处于一种职业上的不确定状态。
特斯拉 Optimus 在扩大规模时面临手部和供应商方面的阻碍 Tesla’s optimus hits snags in hands, suppliers as scale-up begins
50 天前
特斯拉已提高弗里蒙特工厂的擎天柱（Optimus）产能，目前每周生产数百台，并计划在年底前达到每周 1,000 台。尽管规模有所扩大，该项目在可靠性和通用性方面仍面临重大障碍。
目前大多数成品仅限于受控的内部测试，因为机器人难以实现任务泛化，即便是简单的动作也往往需要数天的训练。硬件方面也存在挑战；其复杂的手部设计包含 100 多个需手工组装的零件，存在耐用性问题和制造不一致的情况。特斯拉目前的供应链难以在大规模生产中保持质量，且仍在致力于开发适合商业部署的版本。
效仿其“全自动驾驶”（FSD）的策略，特斯拉计划通过出租这些机器人来收集车队数据，以提升人工智能能力。然而，随着 V3 模型发布延期且竞争对手也在加快开发步伐，特斯拉正面临一场艰难的博弈。该公司已将大量资源从核心汽车生产转向押注于人工智能驱动的机器人未来，尽管关键的软件和硬件里程碑尚未实现。
《The Information》近期的一份报告指出，特斯拉的 Optimus 机器人项目在试图扩大规模时，正面临重大的技术和供应链障碍。
Hacker News 上的讨论强调了一个反复出现的现象：埃隆·马斯克（Elon Musk）的公开承诺往往伴随着截止日期的一再推迟和预期落空。批评者指出，马斯克曾预测 2025 年将有“数千台”机器人投入实际工作，但这一目标并未实现，目前特斯拉工厂中尚无机器人投入运行。报告的支持者认为，记录这些差异是新闻工作的应有之义；而反对者则认为，某些媒体对特斯拉存在偏见。
评论者对人形机器人的可行性展开了辩论。一些人指出，尽管马斯克的时间表往往过于乐观，但他的公司在其他领域（如可回收火箭）历史上确实实现了长期目标。然而，另一些人对人形机器人的研发进度持怀疑态度，指出类似于自动驾驶所面临的软件难题，使得其大规模部署可能需要数十年时间。归根结底，这一讨论反映了人们对马斯克领导风格的两极化看法：既看到了他“过度承诺、交付不足”的一面，也看到了他推动技术创新的能力。