## 从零到竞争：优化一个微型解释器 这篇文章详细介绍了为动态语言 Zef 优化一个简单的 AST 遍历解释器的过程，使其性能与 Lua、QuickJS 和 CPython 竞争——速度提升了 16.6 倍（使用 Yolo-C++ 端口则提升了 67 倍）。重点在于在处理 JIT 编译或高级垃圾回收等复杂功能*之前*进行的初始优化。 关键技术包括改进**值表示**（使用标记值避免数字的分配），实现**内联缓存**（使用专门的 AST 节点减少分派开销），以及改进**对象模型**（使用预分配存储和观察点避免哈希表查找）。 显著的收益来自于看似重大的改变，例如将对象模型改进与内联缓存和观察点结合，从而实现了 4.55 倍的速度提升。 作者使用了一个基准测试套件 ScriptBench1（Richards、DeltaBlue、N-Body 和 Splay 的移植版）来跟踪进度。实验在配备 Intel Core Ultra 5 处理器的 Ubuntu 22.04 上进行。最终结果使使用 Fil-C++ 编译的 Zef 能够与成熟的解释器相媲美，而 Yolo-C++ 端口则提供了进一步的 4 倍加速（尽管存在内存管理方面的注意事项）。该项目表明，即使在基本的解释器基础上，通过仔细、有针对性的优化，也可以实现显著的性能提升。
每日HackerNews RSS
对不起。
## Nebula 1.10：现代网络的重要更新 Nebula 1.10 历经一年开发，带来了显著的增强，包括对覆盖网络的 **IPv6 支持**——一项长期要求的特性。此更新通过消除 IPv4 地址限制并实现跨多个站点的无缝连接，为网络做好未来准备。升级过程简单直接，允许在零停机的情况下实现 IPv4/IPv6 混合环境。 主要改进还包括 **新的 v2 证书格式**（使用 ASN.1 代替 Protocol Buffers），以支持 IPv6 和每个主机的多个 IP，从而提供更大的灵活性和面向未来的能力。 除了核心网络功能外，Nebula 1.10 还引入了 **企业级安全**，支持使用 HSM 进行 P256 密钥的 PKCS#11 支持，从而实现安全的密钥管理。 **高级路由** 功能，如 `unsafe_routes` 的 ECMP 和 Linux 上的 `SO_MARK` socket 选项支持，进一步增强了网络控制和集成。最后，通过可配置的日志记录和版本控制改进了库集成。 Nebula 1.10 为各种规模的团队提供更强大、更安全、更面向未来的网络解决方案。
## Nebula & Tailscale 讨论 - 总结
一个黑客新闻的讨论围绕着 **Nebula** 和 **Tailscale** 这两种网状 VPN 解决方案，用户分享了他们的经验和观点。一位用户表达了对 Nebula 的喜爱，但也承认 Tailscale+Headscale 通过 Gmail 登录的易用性。他们正在考虑使用类似 Let's Encrypt 的短寿命证书为 Nebula 添加自动证书处理。
关于 Tailscale 的担忧包括 Linux 上防火墙规则和路由的“网络问题”，以及在 Debian 上 WSL 镜像网络和 DNS 解析的问题。一些用户更喜欢 **OpenVPN**，因为它简单且性能良好，尽管存在理论上的限制。
对话还涉及 **IPv6**，特别是 DNS 与 SLAAC（无状态地址自动配置）的集成挑战，以及关于地址长度的争论——质疑 128 位是否真的必要。虽然一些人提倡 DHCPv6，但 Android 的有限支持以及对隐私地址的偏好也被讨论。总的来说，该帖子强调了在选择网状 VPN 解决方案时，易用性、控制权和底层网络复杂性之间的权衡。
## 三元盆景：高性能、低内存语言模型 PrismML 发布了三元盆景，这是一种新型的 1.58 位语言模型系列（8B、4B 和 1.7B 参数），旨在实现高效性能。在他们之前的 1 位盆景模型的基础上，三元盆景通过利用三元权重（-1、0、+1）在内存使用和准确性之间取得了平衡。 这些模型比标准的 16 位模型内存占用小约 9 倍，同时在 MMLU、GSM8K 和 HumanEval+ 等关键基准测试中*优于*许多同等参数的模型。例如，8B 模型实现了 75.5 的平均基准分数，超越了 1 位盆景 8B，并与更大的模型（如 Qwen3 8B）竞争，尽管其尺寸明显更小。 三元盆景还提供令人印象深刻的吞吐量和能源效率，在 M4 Pro 和 iPhone 17 Pro Max 等平台上，运行速度比 16 位模型快高达 5 倍，并且能耗降低 3-4 倍。这些模型通过 MLX 在 Apple 设备上原生支持，并采用 Apache 2.0 许可证提供。它们代表了性能-尺寸权衡的转变，与 1 位系列相比，在内存略有增加的情况下，提供了一个更强大的模型。
## 语言模型中的“退缩”：所谓的“无审查”模型真的自由吗？
最新研究表明，即使是作为“无审查”销售的语言模型，也表现出一种微妙但普遍的偏见——一种对某些词语和话题的“退缩”。这种退缩不是拒绝回应，而是一种统计上的微调，降低了生成文本中出现“敏感”词语（例如与暴力、政治或侮辱性词语相关的词语）的概率。
研究人员在来自五家实验室的七个预训练模型中测量了这种退缩，包括来自谷歌、阿里巴巴、OpenAI和开源选项的模型。他们发现*所有*模型都表现出这种行为，商业过滤模型比开放数据模型表现出更强的退缩。即使是“拒绝消除”模型——那些被设计用来绕过安全限制的模型——仍然表现出退缩，这表明偏见嵌入在核心预训练数据中，而不仅仅是安全层。
这项研究强调，这不仅仅是关于避免明确的拒绝；而是对语言进行系统性的塑造。这引发了对信息微妙控制以及在大型语言模型背景下“无审查”的真正含义的担忧。该研究提供了一个新的框架来理解和量化这些偏见，为更透明和负责任的AI开发铺平了道路。
## 数据库性能的零拷贝 本文探讨了在数据库引擎中实现零拷贝数据处理以提高性能，尤其是在数据不适合CPU缓存的高负载情况下。传统的数据库架构涉及在磁盘、操作系统页面缓存、缓冲池和更高级别之间进行多次CPU拷贝——所有这些都是浪费的工作。 第一步是使用**直接IO (O_DIRECT)**绕过操作系统页面缓存，这需要对齐的缓冲区和仔细的处理以避免错误。 这消除了一个关键的拷贝。 接下来，重点转向消除数据库引擎*内部*的拷贝，特别是缓冲池和更高级别之间的拷贝。 核心策略是**借用而非拥有**数据。Rust 的生命周期系统被用来创建缓冲池中固定页面字节的视图（例如 `PageReadGuard`、`HeapPageView`），从而避免冗余拷贝。实现了单独的读取 (`PageReadGuard`) 和写入 (`PageWriteGuard`) 访问路径，以维护数据完整性并利用 Rust 的借用规则。 虽然这种方法引入了生命周期注解的复杂性，并且需要显式的方法实现（由于缺乏像 `Vec` 那样的统一的可变/不可变视图），但它显著减少了数据移动。设计将所有权集中在缓冲池中，所有更高级别都在借用的视图上操作，最终提高性能并减少潜在的错误。
对不起。
向门罗币项目捐款
通过向以下门罗币地址（通用基金）捐款，您将支持门罗币项目。如果您希望向特定提案捐款，请参阅所需资金。
888tNkZrPN6JsEgekjMnABU4TBzc2Dt29EPAvkRxbANsAnjyPbb3iQ1YBRk1UXcdRsiKc9dhwMVgN5S9cQUiyoogDavup3H
## Monero讨论总结
一场关于门罗币的Hacker News讨论，重点讨论了它的优势和劣势。用户赞扬了门罗币对隐私的承诺、强大的社区以及RandomX挖矿算法等技术优点。许多人认为它最接近“真正的数字现金”的实现，因为它具有不可追溯性和可替代性。
然而，一个主要的争论点是门罗币在现实世界中的可用性有限。虽然在隐私方面技术上更胜一筹，但它在主流商家和交易所的接受度方面面临挑战，阻碍了它在日常购买中的使用。一些人认为这是特性，而非缺陷，抵制与监控系统的整合。另一些人则指出了将门罗币兑换成法定货币的困难以及潜在的非法用途。
这场辩论触及了隐私与监管更广泛的哲学含义，一些人倡导即使它助长非法活动，也应享有财务匿名权。人们还提出了对未来量子计算威胁的担忧，引发了对必要升级的讨论。最终，这场讨论将门罗币展示为一种以隐私为优先的利基加密货币，拥有忠实的社区，但面临着更广泛采用的障碍。
对不起。
## Jujutsu 的“巨合并”工作流：摘要 本文介绍了 Jujutsu 中的“巨合并”工作流，这是一种管理复杂开发环境和频繁小 PR 的强大技术。与传统的分支不同，“巨合并”并非关于隔离的工作；它是一个具有*多个*父 commit 的单个 commit——本质上将您所有活跃的工作（错误修复、功能、PR，甚至实验代码）合并到一个地方。 主要好处是什么？您始终在统一的、可编译的代码库上工作，从而最大限度地减少合并冲突和上下文切换的摩擦。使用 `jj absorb`（自动压缩）或 `jj squash --interactive` 将更改集成到现有 commit 中，或使用 `jj rebase` 创建新的 commit。别名，如 `jj stack` 和 `jj stage`，简化了合并整个分支的过程。 巨合并*不*直接推送；而是像往常一样发布各个分支。一个自定义的 `jj restack` 别名有助于使您的巨合并与主分支 (`trunk()`) 保持更新。虽然在视觉上很复杂，但此工作流提供了一种无缝高效的方式来同时管理多个任务，从而实现快速迭代并减少开发开销。
对不起。
## Holos：简化的KVM管理 Holos简化了在单个主机上运行多虚拟机堆栈的操作，使用KVM，提供类似Docker Compose的体验，*无需* libvirt、XML配置或分布式控制平面的复杂性。它将虚拟机视为基本单元，为每个虚拟机提供专用的内核、磁盘叠加（qcow2）和cloud-init种子。 您在`holos.yaml`文件中定义堆栈，指定带有镜像、资源分配（vCPU、内存）、依赖项、端口映射和cloud-init配置以进行自定义的服务（虚拟机）。`holos up`、`down`、`ps`、`start`、`stop`、`console`和`exec`等命令管理堆栈生命周期。 主要功能包括：通过专用内部网络实现自动网络连接、持久化卷、用于管理服务依赖项的健康检查、通过自动生成的密钥进行SSH访问，以及能够直通PCI设备，如GPU。Holos还支持从Dockerfile构建镜像，并与systemd集成以实现跨重启的持久运行。 **重要的是，Holos *不是* Kubernetes。** 它专注于简化单主机KVM的使用，避免了编排和集群的复杂性。
对不起。
## OpenAI 将在 ChatGPT 中出售广告位 – 用户担忧浮现
OpenAI 正在与 StackAdapt 等第三方平台合作，开始根据“提示相关性”在 ChatGPT 中出售广告位。此举引发了用户的大规模反弹，许多人表达了对潜在的偏见或操纵性回复的担忧。
用户报告称，ChatGPT 已经难以保证事实准确性，并且在产品搜索中提供有效链接方面存在问题，导致时间浪费和错失销售机会。人们担心插入广告会进一步降低回复质量，并削弱对该平台的信任。
许多评论者质疑 OpenAI 将广告销售外包而不是构建自己的平台，认为这是一个目光短浅的举动。关于数据隐私以及潜在的微妙操纵性广告策略，也引发了担忧，让人联想到类似邪教的说服方式。
虽然一些人承认 OpenAI 需要产生收入，但许多人发誓如果广告变得具有侵入性，将会取消订阅。这场讨论凸显了对人工智能商业化以及盈利动机可能损害其完整性的更广泛焦虑。