这项研究介绍了 **C-HD**，这是一种用于在具有非负实数权重的有向图中寻找精确最短路径的新型确定性算法。该算法由人工智能体协作团队开发，并使用 **Lean** 进行形式化验证，以确保其正确性和性能。 在 $m \le n \lfloor \log_2 n \rfloor^{3/4}$ 的特定密度范围内，C-HD 的复杂度达到了 $O(n + m + m \log(2 + \frac{m}{n+1}) + m^{1/3}(n \log(n+2))^{2/3})$。通过利用有界局部搜索并保持严格的局部不变性，该算法相比 Dijkstra 及其他顶尖方法减少了重复工作。 在 $m \approx n \log^{3/4} n$ 的图中，C-HD 在理论上比 Dijkstra 的 $O(n \log n)$ 界限有了渐近改进，达到 $O(n \log^{11/12} n)$。尽管这在理论计算机科学中是一个显著的多对数级进展，但研究人员指出，由于该结构涉及较大的常数，它更多是对算法性能的数学证明，而非针对实际应用的性能提升。该项目展示了多智能体协作在推动形式化数学验证和算法优化边界方面的潜力。
每日HackerNews RSS
在构建智能推荐系统“HoneyCrew”的一场高压黑客马拉松中，团队遭遇了危机。在利用“灵感编程”（vibe coding）工具取得初步进展后，项目在最后几个小时陷入了漏洞频发和不稳定的困境。这种混乱凸显了非技术利益相关者与工程复杂现实之间常见的摩擦——前者往往将软件开发视为一项简单、静态的任务。 作者用房屋翻修的类比来解释这种复杂性：正如盖房子需要地基设施，如果事后补救成本高昂，软件开发也需要规划和“基础设施工作”来确保长期稳定性。“在漏水屋顶下放水桶”的方法或许能提供暂时的快速修复，但它忽略了根本原因，最终会导致崩塌。 最终，团队不得不放弃狂乱的节奏，放慢速度，有条不紊地修复系统，从而制作出了可运行的演示版本。这段经历提醒我们，好的软件永远不会真正“完成”；它是一个活生生的结构，需要人们在其中居住的同时进行持续、用心的维护。
Obscura 团队是一群在密码学、基础设施和开源开发领域拥有深厚经验的安全专家，其成员曾参与比特币、门罗币以及 Go 语言标准库的工作。 由于对传统 VPN 市场深感失望——这些产品往往依赖于模糊的承诺，而非技术架构上的保障——该团队致力于打造 Obscura，以实现数字隐私的现代化。他们的目标是提供一种可靠、透明且具有自主权的连接工具，旨在恢复开放互联网的自由。Obscura 代表了创始团队一直以来追求的高标准、隐私至上的解决方案，如今正式向所有人开放。欲了解更多信息，可发送邮件至 [email protected] 联系创始人 Carl Dong。
Bloomberg 需要帮助？请联系我们 我们检测到您的计算机网络存在异常活动 如需继续，请点击下方方框，告知我们您不是机器人。 为什么会出现这种情况？ 请确保您的浏览器支持 JavaScript 和 Cookie，且未阻止其加载。 欲了解更多信息，请查阅我们的《服务条款》和《Cookie 政策》。 需要帮助？ 如对本消息有疑问，请联系我们的支持团队，并提供下方的参考 ID。 屏蔽参考 ID：53c42839-b6c0-11f1-a73a-8779c3a71460 订阅 Bloomberg.com，随时掌握最重要的全球市场新闻。 立即订阅
安全断言标记语言（SAML）曾是企业单点登录（SSO）行业的基石，如今却已沦为过时且过于复杂的安全隐患。SAML 诞生于 2002 年“委员会设计”的时代，依赖于本质上既复杂又不安全的 XML 标准。
该协议对 XML 签名验证、规范化和“封装”签名的依赖，使其极易受到 XML 签名封装（XSW）漏洞及各类注入攻击的影响。此外，SAML 庞大且“一应俱全”的规范带来了沉重的维护负担，因为大多数现代实现仅使用了其中一小部分且脆弱的功能子集。
相比之下，OpenID Connect (OIDC) 提供了一种现代且灵活的替代方案。与 SAML 僵化、固化的设计不同，OIDC 的演进顺应了现代 Web 范式，能够更好地支持移动设备、物联网（IoT）及零信任架构。它利用比 XML 更简单、更安全的 JSON，并将安全性依托于传输层（HTTPS）。
尽管 SAML 在过去 25 年中为行业做出了卓越贡献，但现在是时候告别它了。供应商和组织应优先采用 OIDC，以降低复杂性、消除历史性的安全缺陷，并与现代、可扩展的身份验证标准接轨。
请启用 Cookie。 错误 1005 Ray ID: a3f3beb7a854ab50 • 2026-09-22 19:34:04 UTC 拒绝访问 发生了什么？ 该网站的所有者 (gizmodo.com) 已禁止您的 IP 地址所在的自治系统编号 (ASN) (45102) 访问此网站。 请参阅 https://developers.cloudflare.com/support/troubleshooting/http-status-codes/cloudflare-1xxx-errors/error-1005/ 了解更多详情。 此页面有帮助吗？ 是 否 感谢您的反馈！ Cloudflare Ray ID: a3f3beb7a854ab50 • 您的 IP: 点击显示 47.245.80.60 • 性能与安全由 Cloudflare 提供
卢卡斯叙事艺术博物馆已在洛杉矶博览公园正式开幕。这座由MAD建筑事务所设计、乔治·卢卡斯与梅洛迪·霍布森出资兴建的云状建筑，是一座耗资10亿美元、致力于叙事艺术的文化地标。
博物馆占地10万平方英尺，设有33个展厅，馆藏丰富，涵盖了从史前文物、古典绘画到摄影作品、图像小说及诺曼·洛克威尔插画等共1300件藏品。尽管博物馆收藏了《星球大战》系列的档案，但其策展范围更为广泛，旨在通过多种媒介向人类的“英雄之旅”致敬。
除展厅外，博物馆还设有两座向公众免费开放的电影院，以及一个占地13英亩、种植有本土植被并设有公共交流空间的访客园区。通过将漫画等流行艺术形式与传统美术并列，博物馆力求连接现代想象力与古代神话。该设施将于9月22日向公众开放，有望成为洛杉矶市中心一个至关重要且极具标志性的文化机构。
虚幻智能体 Unreal Agent
53 天前
Unreal Labs 推出了 **Unreal Agent**，这是一款旨在优化 AI 智能体性能及成本效率的专业架构框架。通过异步管理工具调用，该框架将等待、轮询和心跳检测等负载从底层大语言模型（LLM）中剥离。
该架构具有两大主要优势：
1. **响应性：** 用户可在任何时间提供引导输入，无需等待当前的工具进程完成。
2. **成本效益：** 通过将工具执行与模型调用解耦，智能体能够并行处理更复杂的任务，从而避免不必要的“Token 损耗”或额外的模型交互。
实际测试表明，与 Codex 相比，Unreal Agent 可节省高达 40% 的成本；与 Pi 相比则可节省 20%，同时在 SWE-Atlas 和 DeepSWE 等主流编码基准测试中保持或超越了原有性能。
Unreal Labs 团队在发现现有 SDK 普遍存在生产环境生命周期管理困难、依赖树臃肿以及预设僵化且不可移植等问题后，开发了该工具。Unreal Agent 提供了一种轻量级、领域无关的替代方案，支持以 Go 语言库或运行可执行文件的形式使用，专为无缝集成到生产环境而设计。对于关注前沿成本效率及稳健智能体基础设施的用户，Unreal Labs 欢迎通过 [email protected] 或其 GitHub 仓库进行合作。
请启用 JavaScript 和 Cookie 以继续。
这篇 Hacker News 讨论探讨了作者在软件人才招聘中采用的一种非传统方法，他将其定义为“最优停止”问题。
作者认为，现代招聘受困于低质量的“表演式招聘”和低效的自动化流程。为了解决这一问题，他实施了一套高效率、透明化的系统，侧重于快速决策，并推行“敞开大门”政策，鼓励被拒的候选人在一段时间后重新申请。他建议，通过为有潜力但表现尚可的候选人提供反馈和“办公时间”，公司可以将这些被拒的申请者培养成未来熟练的雇员——他认为这种做法使他的招聘方式区别于标准且常伴有“失联”现象的企业招聘。
评论者对这些方法的有效性展开了辩论。一些批评者认为，“秘书问题”并非现实招聘的理想数学模型，因为它预设了必须找到唯一“最佳”候选人的前提。另一些人则强调，由人工智能辅助简历和千篇一律的面试流程所带来的系统性弊病，并建议小型初创公司应专注于更简单、更快速的评估方式。归根结底，这场讨论反映了整个行业对非人性化招聘流程以及技术评估中信息信噪比降低的深层挫败感。
仅通过结构识别 AI 生成的网页内容训练模型 Show HN: Training a model to identify AI web content from structure alone
53 天前
在《SlopShape》一文中，Jochen Madler 探索了一种识别 AI 生成商业内容的新方法，该方法侧重于“结构特征”而非词汇层面的模式。虽然传统的检测器在应对改写后的文本时表现不佳，但本研究表明，AI 模型在信息层级、论据呈现和语调等方面表现出独特且一致的组织模式，即使在改写后这些模式依然保持稳定。 研究人员使用了一个包含 2,250 篇人类撰写的企业博客文章及其 11,250 篇 AI 生成对应文本的数据集，开发出一种包含 214 个特征的工具来分析这些结构性指标。该模型在检测 AI 内容方面达到了 98.0 的宏观 F1 分数，即使在内容被生成模型改写后，其性能也几乎没有变化。除了简单的检测之外，该方法还成功地以 79.3% 的准确率将 AI 文章归因于其特定的原始模型，这揭示了 AI 内容通常遵循可预测的“自我宣告式”结构模板，而人类写作则呈现出更加多样且独特的配置。 这项研究证实，在 AI 虚构写作（通过《StoryScope》）中发现的结构性偏差同样存在于商业写作中，无论底层文本如何表述，这都为识别 AI 生成的“垃圾内容”（slop）提供了一个强大的框架。作者已将相关代码、提示词和流程向公众发布。