每日HackerNews RSS
请启用 JavaScript 和 Cookie 以继续。
CERN 最近决定将其 2200 个加速器系统迁移至 Debian，这为基础设施管理带来了一个深刻的教训：将标准化误认为是对厂商的依赖是极其危险的。 十多年前，CERN 和费米实验室（Fermilab）退役了由社区维护、与 RHEL 兼容的发行版“Scientific Linux”。当时，这一决定看似理性，是为了避免重复 CentOS 已完成的工作而采取的成本节约措施。回过头来看，作者认为这是一个错误。Scientific Linux 不仅仅提供了软件，它还提供了“期权价值”——一种受机构自主控制的能力，当上游供应商（如红帽）改变政策时，这是一种可靠的退出策略。 由于拆解了内部专业知识并向商业化生态系统靠拢，这些机构失去了独立转向的能力。随后，由 CentOS 的转型以及硬件支持的变动所带来的动荡，迫使它们进行了昂贵的迁移。此次转向 Debian 凸显出机构的独立性值得为其付出代价。作者最终指出，虽然标准化对于效率至关重要，但研究机构必须保护其基础设施的自治能力。从长远来看，机构的韧性远比通过将关键系统外包给单一供应商所节省的短期工程工时更有价值。
这篇 Hacker News 帖子围绕题为“放弃 Scientific Linux 是个错误”的文章展开。讨论主要集中在两个主题：对文章质量的批评，以及关于科学计算中 Linux 发行版策略的辩论。
许多评论者认为该文章是“AI 垃圾内容”，指出其结构模糊、重复，缺乏原创见解，是大型语言模型生成内容的典型特征。用户对这类内容的泛滥表示不满，认为这浪费了读者的精力和时间，并掩盖了有意义的讨论。
技术层面的争论焦点在于 Scientific Linux (SL) 是否真的有必要。批评者认为，在 AlmaLinux 等 RHEL 兼容的重构版本存在的情况下，维护这样一个发行版是多余的。另一些人则指出，CERN（欧洲核子研究组织）转向 Debian 是一种务实的演进，因为 Debian 通常被认为比基于 RHEL 的系统更易于管理且更灵活。尽管有人主张 SL 在提供独立的机构平台方面具有历史价值，但许多人反驳称，容器技术（如 Apptainer）等现代工具已在很大程度上消除了 SL 曾经提供的对刚性操作系统同质化的需求。总的来说，社区对 AI 撰写的技术文章持怀疑态度，并主要倾向于为现已废弃的 Scientific Linux 寻找务实且现代的替代方案。
1893年芝加哥世界博览会——即“白城”——至今仍在美国人的想象中占据着重要地位，它从一个暂时的建筑奇迹演变成了一种持久的国家身份象征。虽然最初它只是一场旨在展示美国进步的商业盛会，但其遗产却不断被后代重新构想。
在整个20世纪，博览会的影响力逐渐减弱，大多被归于城市规划史和冷门兴趣的范畴。然而，受克里斯·韦尔（Chris Ware）的《吉米·科里根》（*Jimmy Corrigan*）和埃里克·拉森（Erik Larson）的《白城恶魔》（*The Devil in the White City*）等作品的推动，博览会在20世纪90年代重新回到了文化聚光灯下。如今，其标志性意象经常被各类媒体借用——从《生化奇兵：无限》（*BioShock Infinite*）等电子游戏，到现代政治美学和互联网阴谋论。
作者认为，博览会之所以能长久存在，并非因为其客观事实，而是因为它充当了一个可供投射的“空壳”容器。无论是被解读为一个失落的乌托邦文明，还是政治秩序的蓝图，“白城”之所以能存续，是因为它邀请我们去想象世界可能成为的样子。归根结底，我们记住博览会，与其说是因为它作为一段历史事实，不如说是因为它是一个不断演变、充满想象力的建构。
这篇 Hacker News 的讨论围绕着近期备受追捧的 “Jev” 展开，这是一款被营销为高速、“系统一（System One）” AI 分类器的工具。讨论帖中引发了关于 Jev 究竟是真正的技术突破，还是仅仅对现有概念进行成功营销的争论。
讨论主要聚焦于以下三点：
* **“25 行代码”的批判**：批评者认为，“基于 X 行代码构建”这类言论具有欺骗性，因为它们依赖于庞大的底层库和 API。许多用户指出，其核心功能——利用 Token 的对数概率（logprobs）来强制进行结构化分类——在数据科学领域早已广为人知。
* **Jev 的价值**：支持者与怀疑者对 Jev 的优劣展开了辩论。支持者认为，尽管底层算法并非创新，但 Jev 在延迟、成本效益和“类型安全”的确定性输出方面表现出色。批评者则反驳称，它缺乏真正的“智能”或推理能力，且其性能声明往往未经证实。
* **校准与炒作**：关于大语言模型（LLM）置信度评分校准的难度，讨论中存在大量的技术探讨。许多贡献者指出，LLM 在“校准”（即准确反映不确定性）方面存在困难，而 Jev 对简单概率分布的依赖可能无法解决准确性或幻觉等根本性问题。
最终，参与者认为 Jev 是一种“唾手可得”的实现方案，它凸显了行业正向快速、专业化的分类器方向转变。
近期 Hacker News 上的一场讨论凸显了用户对 Grammarly 日益增长的不满。用户反映，自集成大语言模型（LLM）以来，该平台质量显著下降；它现在频繁强制进行不必要、带有偏见或荒谬的句子替换，而非提供简单的语法修正。
除了产品质量问题，社区对 Grammarly 激进的留存策略尤为愤慨。据报道，当企业试图取消订阅时，Grammarly 会向所有终端用户发送未经请求的电子邮件和应用内通知，甚至提供模板，怂恿用户向其内部 IT 部门和经理施压，要求继续订阅该服务。
许多评论者认为，这种行为是一家公司在 AI 原生工具和 LanguageTool 等替代写作助手日益普及的时代，为维持市场地位而采取的孤注一掷且“失控”的手段。此次讨论反映了一种更广泛的情绪转变：用户越来越警惕那些以牺牲隐私、增加文本冗余以及利用操纵性手段来维持业务为代价的“AI 增强”写作工具。目前，许多系统管理员和技术专业人士正积极寻找离线、开源的替代方案，以彻底摆脱这些侵入式的 SaaS 模式。
Show HN: Npunlock – 为英特尔 NPU 运行自定义 C 内核 Show HN: Npunlock – Run custom C kernels for Intel NPUs
53 天前
**npunlock** 是一个实验性工具包，旨在实现英特尔 NPU SHAVE 核心的自定义 C 语言编程，从而绕过英特尔官方仅限于图（graph）级别的软件栈限制。英特尔的标准工具将用户限制在预定义的算子内，而 npunlock 则允许开发者编译自定义 C 内核，并将其直接集成到 NPU 计算图中。
主要功能包括：
* **自定义执行：** 在 NPU 计算图中运行用户定义的内核（例如 GELU、`tanhf`），同时利用英特尔原生编译器和驱动程序来处理外围基础架构。
* **兼容性：** 目前已在搭载 Meteor Lake (NPU3720) 的 Windows x64 系统上验证，支持 FP32 和 FP16 操作，包括混合精度计算图。
* **工作流程：** 该库处理从 C 源代码到可运行 NPU 机器码的复杂路径，编译过程需要 MoviTools 工具链。
* **开源：** 采用 Apache 2.0 许可证，该项目旨在为性能关键型或非标准操作提供桥梁。
项目目前处于开发阶段，现阶段局限于 Windows 系统、静态形状以及特定硬件。项目欢迎社区贡献，以支持 Linux 及更新一代的英特尔 NPU。
Hacker News 上的这篇讨论帖介绍了开发者 `hsfzxjy` 的项目“Npunlock”，该项目允许用户在 Intel NPU 上运行自定义 C 内核。
该项目旨在绕过 Intel 官方 OpenVINO 编译器的限制。用户反映该编译器表现不可控，会导致静默的精度损失（将 FP32 降级为 FP16）以及性能表现不稳定。通过提供底层硬件访问权限，Npunlock 使开发者能够：
* 实现不常见的神经网络算子。
* 使用现有算子的高精度（FP32）版本。
* 通过融合内核来减少开销并提升性能。
作者强调了硬件自主权的重要性，认为用户应当对自己购买的设备拥有完全的控制权。
尽管目前仅限于 Windows x64 系统，但该项目的文档概述了移植到 Linux 及更新一代 NPU 的潜在路径。社区反馈积极，用户对用于非标准推理任务的“裸机”NPU 编程表现出了浓厚兴趣，甚至有人开玩笑称要在该硬件上运行《毁灭战士》（Doom）。作者欢迎社区贡献，以协助验证移植方案并扩大支持范围。
皮尤研究中心（Pew Research Center）近期的一项研究评估了三种从在线自愿参与调查中剔除虚假受访者的方法：陷阱题（注意力检查）、自动化预筛选（CloudResearch的Sentry系统）以及与全国选民登记库比对。
该研究对11,114名美国成年人进行了调查，结果显示，虽然剔除虚假案例通常能改善数据质量，但目前尚无完美的解决方案。**陷阱题和自动化预筛选**的表现相近，均能有效减少“从众心理”和“反应顺序偏见”等常见调查误差。相反，**与选民登记库比对**作为一种清洗工具表现不佳；它无意中剔除了许多拒绝提供个人信息的真实受访者，最终导致多项指标的误差率上升。
在选举民调方面，这三种方法都导致了对民主党支持率的轻微高估。这并非由于方法本身存在党派偏见，而是因为虚假受访者更多地声称自己投票给了2024年大选的获胜者（唐纳德·特朗普）。当剔除这些虚假受访者后，剩余样本中潜在的亲民主党偏见反而变得更加明显。研究人员得出结论：尽管筛选对于自愿参与式民调是必要的，但这些工具各有利弊，且无法彻底消除数据质量挑战。
这场 Hacker News 的讨论凸显了在线自选投票本身存在的不可靠性。用户认为，由于存在虚假受访者，此类投票从根本上就是失效的。这些虚假行为包括有组织的机器人攻击、为了经济利益的刷点击行为，以及“直线型”作答者和网络喷子（例如“Boaty McBoatface”事件）。
参与者指出，即便是使用大型语言模型（LLM）进行情感分析等精密的清洗数据尝试，也经常因为模型误解习语而导致误报。讨论还涉及了“蜥蜴人常数”（Lizardman’s Constant），即观察发现总有小部分受访者会给出荒谬的回答（例如声称自己去过国际空间站）。
尽管有人主张使用陷阱题或将在线数据与其他方法结合，但许多参与者仍持怀疑态度。有人认为在线投票本质上是一种“互动诱饵”或公关手段，往往会被特定群体或怀有特定目的的人所左右。最终，大家普遍认为在线自选投票已变得越来越无用。一些用户主张采用预测市场等替代方案——尽管它们也存在独特的偏差，但由于其内在的激励机制，往往能确保更高的准确性。
请启用 JavaScript 和 cookie 以继续