艾弗里·罗宾逊（Avery Robinson）探索了重金属音乐中“颓废美学”的起源，追溯其从20世纪80年代DIY地下文化到现代数字设计的演变历程。在Photoshop等工具普及之前，重金属标志性的视觉语言（以颗粒感、高对比度和质感为特征）是卡带交易圈、杂志文化以及无休止的低质量复印件所催生的一种经济必然。
每一代传单或试听带封面的视觉保真度都在不断牺牲，积累了诸如碳粉污渍、边缘撕裂和对齐偏差等“伤痕”。这些缺陷并非单纯的风格选择，而是那个没有数字工具的时代里，文化生存的见证。
如今，尽管高端软件能在几秒钟内复刻这些效果，但罗宾逊认为，这种美学之所以能延续，是因为它承载了历史与真实性的分量。正如褪色的乐队T恤或沾满草渍的球员球衣一样，这些纹理象征着个性和坚毅。归根结底，重金属美学依然是表达那种震撼灵魂的强度的有力视觉缩影，这证明了无论使用何种工具——无论是复印机还是数字插件——信息的力度和对DIY精神的执着，才是定义该流派持久视觉标识的关键。
每日HackerNews RSS
抱歉。
本文探讨了现代 GPU 矩阵乘法器中缺乏 IEEE 754 标准合规性的问题，并指出舍入方式、累加器宽度和非规格化数处理等未公开的实现细节，导致了不同硬件间数值结果无法复现。 研究人员对三种 AMD GPU 架构（CDNA 1、CDNA 2 和 CDNA 3）的矩阵核心数值行为进行了表征。通过设计特定的测试向量并采用迭代式的随机细化过程，研究人员为每种架构开发了高保真的 MATLAB 软件模型。这些模型通过 1000 万组随机输入数据进行了验证，确保了与硬件层面的位级精度一致。 该研究最终利用这些模型对比了 AMD 矩阵核心与 NVIDIA 张量核心的精度，展示了这些模型在实验研究和跨厂商数值分析中的应用价值。
抱歉。
**Hush** 是一款轻量级的 Mac 应用程序，旨在通过生成实时背景噪音帮助用户进入专注状态。
开发者因在浏览器标签页中开启声音生成器会产生干扰（并导致更多在线分心）而感到困扰，因此开发了这款驻留在 Mac 菜单栏的原生解决方案。Hush 提供两种主要选项：**棕色噪音**（一种深沉、舒缓的低鸣）和**“人声遮蔽”**（专门用于掩盖人声的频率）。
该应用完全离线运行，CPU 占用低，并针对速度进行了优化。用户只需右键点击即可即时切换声音，左键点击则可调整音量和低通滤波器等设置。
Hush 目前以“随心付费”（包括免费下载）的形式提供，其源代码已在 GitHub 上以 MIT 许可证开源。这是一个旨在消除技术障碍的精简工具，让用户能够摆脱基于浏览器的音频工具所带来的干扰，全身心投入深度工作中。
抱歉。
尽管 Rust 通过预防常见漏洞提高了软件安全性，但它并不能保证逻辑正确性或绝对安全。为了解决这一问题，亚马逊与开源社区共同开发了 Verus，这是一个针对 Rust 的自动化程序验证器。 Verus 允许开发者直接在 Rust 源文件中编写形式化的数学规范，以精确描述代码的预期行为。该工具随后会自动构建证明，以验证代码在所有可能的输入下均符合这些规范。通过整合熟悉的 Rust 语法并提供快速反馈，Verus 使开发者能够验证复杂的逻辑、确保“不安全（unsafe）”代码块的安全性，并证明错综复杂的并发系统的正确性。 在亚马逊，Verus 已成为保障关键基础设施（包括 Nitro 隔离引擎）安全的核心技术。在亚马逊之外，开源社区也利用 Verus 验证各种项目，从微内核、密码学库到 Kubernetes 控制器，应用范围广泛。通过填补“安全代码”与“可证明正确代码”之间的鸿沟，Verus 为在容错率极低的环境中构建高可靠、高安全性的软件提供了强大的框架。
这次讨论的核心是 **Verus**，这是一款用于开发可证明正确 Rust 代码的工具。与识别缺陷的标准测试不同，Verus 允许开发者通过数学方法验证代码是否符合特定的形式规范。它通过使用注解（或宏）向 SMT 求解器（如 Z3）提供证明义务来实现这一目标。
讨论的要点包括：
* **效用**：支持者认为 Verus 是高安全性系统的一大进步，因为它弥补了理论规范与生产实现之间的鸿沟，这与专注于建模的 TLA+ 等工具不同。
* **证明负担**：批评者认为手动编写证明注解容易出错、难以维护，且无法保证原始设计逻辑的稳健性。支持者则反驳说，这些注解提供了比通用测试更具扩展性的局部推理。
* **集成**：虽然有人质疑为什么这类证明没有包含在 Rust 编译器中，但专家指出，基于 SMT 的验证计算成本高昂，且需要超出简单类型检查的人工输入。
* **对比**：Verus 常被拿来与 Dafny、SPARK/Ada 和 Kani 等其他形式化验证工具进行比较，它们都使用了类似的基于逻辑的方法。
程序员往往乐于使用 `map` 和 `filter` 这类函数，却对 `reduce` 持保留态度。在代码审查中，`reduce` 常因可读性差而受到诟病，作者不得不将其替换为更传统的替代方案以减少阻力。
作者针对这种抵触情绪提出了几种假设：`reduce` 的直观性较差、知名度较低、性能可能欠佳，且在 JavaScript、Python 或 Swift 等语言中常常显得笨拙——尽管它在 Clojure 等函数式语言中感觉更为自然。虽然作者承认这些观察可能带有主观色彩或受代码审查标准演变的影响，但仍邀请他人分享观点，探讨这种对 `reduce` 的偏见是否是一种普遍现象。
arXivLabs 是一个允许合作者直接在我们的网站上开发和共享 arXiv 新功能的框架。与 arXivLabs 合作的个人和组织都秉持并认同我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于坚守这些价值观，并仅与遵循这些价值观的合作伙伴进行合作。如果您有能为 arXiv 社区增值的项目创意，欢迎了解更多关于 arXivLabs 的信息。
抱歉。
正在检查您的浏览器……需要 JavaScript。
这篇 Hacker News 帖子讨论了一篇探讨宇宙膨胀背后“成因”的博文，作者提出我们生活在一个黑洞之中。
社区对此反应两极分化。怀疑论者认为该作品属于“民科”伪物理，指出作者未能提供可验证的数学模型，且依赖模糊的哲学思考而非标准的科学方法。他们强调，专业的物理学需要严谨的同行评审证据，而非个人博文，并批评了非专业人士倾向于将既定科学斥为“守旧”建制的现象。
相反，一些评论者认为这篇文章引人入胜，与宇宙具有自我观察或分形属性的观点产生了共鸣。支持者认为，主流物理学往往过于关注描述性的“是什么”，而非探究“为什么”，他们赞赏作者在哲学与宇宙学之间架起桥梁的尝试。这场讨论凸显出现代物理学对严谨专业性的要求与公众直觉式哲学好奇心之间的广泛张力，许多参与者还在辩论“个人真理”与科学共识的价值所在。
尽管书店是观察当地文化的绝佳窗口，但作者认为，日本的公共图书馆已演变为更为重要的社区枢纽。现代日本图书馆正摆脱传统观念中“枯燥”的形象，转型为促进人际联结与智力探索的市民中心。 以武雄市图书馆等创新合作为开端的这一趋势证明，图书馆可以通过成为亲民、非商业化的空间来重塑小城镇，让社区生活在此蓬勃发展。作者以南关町和弥彦村的图书馆为例，强调它们更注重“软实力”——即精心策划的选书与体贴入微的以人为本的空间设计，而非单纯的建筑虚荣。 与著名的旅游热点不同，这些图书馆提供了真实、纯粹的本地生活体验。通过鼓励意外发现的陈列方式以及反映城镇独特个性的空间设计，这些场所已成为日本文化的真正核心。作者最后指出，这些隐秘的瑰宝最适合通过亲身探访来发现，并邀请读者跳出热门旅游指南，去体验那些在公众视线之外欣欣向荣、最真实的日本本土生活。
抱歉。
澳大利亚表示可能效仿加拿大，与欧盟建立更深层次的联系。 Australia says it could follow Canada in forging deeper ties with EU
59 天前
澳大利亚正考虑效仿加拿大的做法，寻求与欧盟建立更紧密的经济联系，以此作为在全球贸易保护主义抬头及美澳贸易关系紧张背景下，实现贸易多元化的战略举措。 加拿大目前正在探索与欧盟建立一种“独特联盟”，旨在促进能源、国防和人工智能等关键领域的商品、服务及人员自由流动，并可能涉及基础设施的共同建设。尽管加拿大官员已就免签安排进行讨论，但澳大利亚贸易部长唐·法雷尔（Don Farrell）对加拿大的做法表现出兴趣，并指出澳大利亚对加强与欧盟关系的各种方案持开放态度。 尽管澳大利亚与美国长期保持着自由贸易协定，但该国正积极寻求扩大其全球影响力。此前，澳大利亚于今年早些时候与欧盟签署了一项具有里程碑意义的自由贸易协定，该协定取消了大多数商品的关税，并旨在提升欧洲获取澳大利亚关键矿产的渠道。法雷尔部长强调，澳大利亚的持续繁荣取决于其全球参与度，并表示该国正准备借鉴加拿大深化与欧洲市场一体化的经验。
抱歉。
本仓库提供了一个独立的开源“入门级” Jev 类模型实现。该模型执行单次分类，从动态文本选项列表中进行选择，而非逐个生成文本标记（token）。这种方法比传统的自回归解码速度快得多。
该模型通过将选项转换为关注上下文标记的查询向量来运作，并使用共享的点积来计算分数。用户可以使用默认的字节级编码器从头开始训练，也可以利用冻结的预训练 Hugging Face 模型以获得更好的语言理解能力。该系统包含用于训练、评估和可视化的工具，示例展示了其在多种任务中的通用性，例如《毁灭战士》（Doom）和国际象棋的游戏控制器映射，以及 Wikispeedia 中的链接预测。
性能在很大程度上取决于数据质量和编码器的选择；实验表明，该模型在保持高计算效率的同时，能够有效地优于随机对照组。此研究工具基于 MIT 许可证发布，专为可以在单次前向传播中对固定结果集进行评分的任务而设计。
这篇 Hacker News 讨论帖探讨了“类 Jev”模型（Jev-like models）的兴起——这是一种绕过逐词生成文本的推理新方法。这些模型接收一段文本和一组选项，并在单次处理中直接返回每个选项的概率权重。
支持者认为，这种方法在分类、决策和路由任务中非常高效，其运作更像是自动化的“系统 1”处理器，而非对话式聊天机器人。文中提到的应用示例包括游戏智能体（如玩《毁灭战士》）和快速 JSON 验证。
然而，对于该模型的可靠性仍存在质疑。一些用户指出，演示结果显示其表现不稳定，且空间推理能力有限。虽然有人认为小参数模型（如 1B 参数版本）不足以处理复杂任务，但另一些人则认为，对于确定性工作流（例如替代正则表达式或过滤噪声），并不需要高阶知识。参与者还讨论了相比新版本，人们更倾向于使用 Qwen 2.5 等旧版稳定模型，这往往是因为它们在定制推理管道中表现更好。归根结底，社区认为“类 Jev”架构是一个尚未被充分挖掘、在低延迟专用 AI 应用领域具有高潜力的方向。