本文论述了依赖 OpenAI 和 Anthropic 等“前沿”大语言模型供应商处理敏感技术工作所带来的安全风险。作者认为，这些公司不仅不可信，还在积极“窃取”用户的见解和元数据以推动其自身研究。此外，作者还批评了这些供应商的“安全过滤”机制，认为这些机制将合法的安全研究归类为“黑客行为”，从而阻碍了开发人员识别和修补漏洞。
为了重获隐私与安全，作者主张采用“自带权重”（BYOW）模式，即在本地硬件上运行自托管的开源权重模型。从云端智能体向本地智能体迁移需要克服技术障碍，其中首要问题是本地系统的“上下文窗口”限制。前沿供应商利用庞大的上下文窗口来掩盖低效的提示词工程，而本地托管则要求用户采取更严谨、更明确的方法。
作者建议转向“单一目标提示词”策略，即将复杂的任务拆分为更小的模块化单元，并将对话状态卸载到磁盘上，以防止上下文耗尽。归根结底，作者认为自托管不仅是一项技术挑战，更是防止知识产权被盗并重新掌控自身创造与技术产出的必要举措。
每日HackerNews RSS
最近，Hacker News 上的一场讨论引发了关注：一位开发者将 35KB 的预设提示词（preprompts）从 Anthropic 的 Claude 迁移至本地 Ollama 推理，这凸显了当前大语言模型（LLM）上下文管理日益严峻的挑战。
参与讨论的用户普遍认为，“提示词膨胀”（prompt bloat）——即过多的系统指令、不必要的工具调用以及未精简的代码库——是一个普遍存在的误区。许多人指出，臃肿的提示词会降低模型性能，导致“上下文腐烂”（context rot），使得模型即便在拥有超大上下文窗口的情况下，也会丧失聚焦或有效推理的能力。
应对这一问题的关键策略包括：
* **分而治之：** 将复杂任务拆解为离散的连续步骤，而非依赖单个庞大的提示词。
* **自定义工具链：** 开发轻量级封装程序，允许模型以精准切入的方式与文件交互，而非一次性摄入整个代码库。
* **主动状态管理：** 在子任务之间开启全新的会话，利用文档或元数据文件传递关键信息，从而在不污染活动上下文的前提下有效地“缓存”结果。
尽管部分用户能够成功驾驭长上下文模型，但更多人强调，精准、精简的提示词和模块化的工作流才是获得卓越效果的关键。该讨论反映出一种向本地推理转变的趋势，即开发者们将模型质量的把控和数据隐私置于首位。
在过去的21个月里，美国政府对合法移民实施了重大阻碍，包括限制性签证政策、收紧面试要求，以及提议收取高昂费用——例如H-1B签证需支付10万美元，国际学生毕业后留美也面临类似费用。专家称，这是为了阻止高技能人才和学生进入美国劳动力市场而进行的协同努力。 这些政策导致签证申请和国际学生入学人数急剧下降，对美国大学和更广泛的科技经济产生了负面影响。面对巨大的不确定性，大型科技公司正悄悄将招聘和运营转移到海外，以绕过这些障碍。尽管已出现一些法律挑战，但政府仍在继续寻求新的方法来执行这些限制性措施。 分析人士警告称，这些行动威胁到了美国的“人才输送管道”，将高技能专业人士拒之门外，并损害了美国工业的长期竞争力。尽管经济利益攸关，但美国大型科技公司仍不愿公开挑战这些政策，而是选择通过内部调整和私下游说来应对这种限制性环境。
2025年10月，Rockstar Games解雇了34名员工，其中大多数位于英国，理由是他们与一个供IWGB游戏工会使用的私人Discord服务器有关，存在“严重不当行为”。被解雇的员工随后发起了劳动法庭诉讼，指控Rockstar解雇他们是为了破坏日益壮大的工会化进程，并阻止强制性的工会认可。 法庭文件显示，Rockstar在Discord中安插了一名“内鬼”——一名初级员工，他在长达21个月的时间里提供了关于工会成员身份的截图和更新。工会声称，这种监控使管理层能够在活动人士即将达到10%的官方认可门槛时将其识别出来。Rockstar则坚称解雇是出于安全考虑，辩称该服务器存在漏洞，且包含有关《GTA 6》及内部项目的机密信息。 工会驳斥了这些安全指控，认为这只是借口，并指出并未有实际的商业机密泄露，且该服务器主要用于组织工作。相反，Rockstar为自己的行为辩护，称其拥有“保密文化”，并声称工会成员经常诋毁管理层。随着法律诉讼的继续，这些文件凸显了公司所宣称的安全准则与员工组织权之间深刻的对立。
最近有报道称，Rockstar Games 管理层未经授权访问了一个员工用于工会组织的私人 Discord 服务器。法庭文件显示，Rockstar 信息安全副总裁 Abid Ansari 涉嫌登录该服务器以监控内部讨论，随后导致多名成员被解雇。
这一消息在 Hacker News 上引发了激烈讨论。用户质疑这些行为在英国法律下的合法性，许多人将其与任天堂等其他大型游戏公司采取的企业打压工会策略相提并论。
讨论焦点集中在管理层究竟是通过“内鬼”共享凭据，还是通过其他方式获取的访问权限。尽管一些用户强调了数据访问和平台服务条款方面潜在的法律违规行为，但另一些人则讨论了其对劳动权利、企业监控以及行业举报伦理的更广泛影响。Rockstar 的批评者们呼吁消费者进行抵制，而另一些人则认为此类策略反映了游戏行业在劳资关系处理上的系统性问题。Rockstar 尚未完全澄清细节，这使得该事件成为持续的劳动和法律审查焦点。
这场 Hacker News 的讨论聚焦于太阳能的迅猛发展及其带来的经济影响，并就其大规模普及所面临的技术与政治障碍展开了辩论。
核心主题包括：
* **全球影响：** 评论者认为，德国和日本早期的太阳能补贴启动了全球产业，证明了国家的气候倡议可以产生深远的全球性长期效益。
* **普及障碍：** 在美国，主要的障碍并非电池板成本，而是地方上的“繁文缛节”、复杂的审批费用，以及现有电力供应商为保护其商业模式而进行的阻挠。
* **经济与电网争议：** 用户探讨了电力定价的最佳结构，指出电网基础设施成本取决于峰值负载而非平均用电量。一些人认为公用事业规模的转型受阻于政治摩擦，而另一些人则强调，对于消费者而言，太阳能是绕开高价寻租能源供应商的有效途径。
* **技术：** 尽管人们对极端气候下的逆变器不稳定性和电池寿命仍存顾虑，但许多用户认为，现代太阳能电池板和电池的可靠性与技术水平远超普遍认知，能够提供极具竞争力的 25 到 30 年使用寿命。
受启发于从特定角度显现图像的变形雕塑，本项目利用梯度下降法实现了此类艺术创作的自动化。该应用通过对一组 3D 网格进行位置、旋转和缩放的优化，使其能从特定的视角构成目标轮廓。
核心技术挑战在于标准的栅格化过程是不可微的。为了克服这一难题，项目采用了“软栅格化”技术，即利用 S 型函数在形状的“内部”与“外部”之间创建可微的过渡。通过在优化过程中对过渡参数进行退火处理，系统能够像“眯起眼睛”一样，先确定大体的全局位置，再逐步细化边缘。
损失函数平衡了四个关键指标：用于形状准确性的“交并比 (IoU)”，用于最小化轮廓外杂散元素的“溢出 (spill)”，用于优化边缘的“总变差 (total variation)”，以及用于确保物体互不重叠、使雕塑具备物理可建造性的“碰撞惩罚 (collision penalty)”。该系统甚至能同时针对多个不同视角进行优化，迫使网格根据观察者的角度呈现出不同的形状。未来的工作旨在改进这种多角度构图，并探索更复杂的多组件装配。
Hacker News 新闻 | 往期 | 评论 | 提问 | 展示 | 招聘 | 提交 登录
优化变形雕塑 (tncardoso.com)
19 点 由 zbsc 发布于 1 天前 | 隐藏 | 往期 | 收藏 | 讨论 帮助
指南 | 常见问题 | 列表 | API | 安全 | 法律 | 申请 YC | 联系
搜索：
504 网关超时 服务器响应超时。
Ubuntu 26.10 完成向基于 Rust 的 coreutils 的过渡 Ubuntu 26.10 completes transition to Rust-based coreutils
62 天前
正在检查您的浏览器……需要启用 JavaScript
抱歉。
图拉真浴场下方已知最大的罗马马赛克遗迹向公众开放 Largest known Roman mosaic, beneath Baths of Trajan, opens to the public
62 天前
罗马图拉真浴场下方的一处遗址已正式向公众开放，其中展示了罗马世界迄今为止发现的最大的墙面马赛克。该遗址在1990年代首次被发掘，近期作为欧盟资助的“PNRR-Caput Mundi”项目的一部分进行了修复。遗址中还包含一幅极为罕见的描绘围墙港口城市的一世纪壁画。 这幅名为“缪斯与哲学家”的马赛克长16米、高10米，呈现了复杂的戏剧场景。连同“彩绘城市”壁画，这些作品为人们提供了窥探尼禄或弗拉维王朝时期古老艺术的珍贵机会，其创作时间早于浴场本身的建造。 在首个周末开放并取得成功后，该遗址现于每周五至周日接受小团体参观。罗马市长罗伯托·瓜尔蒂耶里称赞这一发现是罗马悠久历史的见证，并指出发掘工作仍在进行中，以确定这幅大型马赛克的全貌。此次开放正值专门介绍图拉真浴场的新博物馆落成之际，进一步丰富了斗兽场附近的人文景观。
本文件追踪了 2025 年及 2026 年多款人工智能模型在生成一系列 30 个创意提示词（例如“章鱼在演奏管风琴”、“企鹅在耍电锯”）SVG 图形时的表现。 在前 10 个提示词中，数据提供了六款 2026 年模型——GPT-6 (Astra)、Claude Fable 5.1、Gemini 3.8 Flash、DeepSeek V4 Pro、Qwen3.8 Max 以及 Fugu Ultra v2——的处理时间和成本细分。其余 20 个提示词虽已列出，但尚未完成 2026 周期内的生成。 记录显示了这些模型在效率和定价结构上的显著差异：单次任务成本从低至 0.04 美元到超过 2.00 美元不等，生成时间则从约 1 分钟到超过 17 分钟不等。此外，文件还参考了 2025 年包含 Claude、GPT、Gemini、DeepSeek、GLM 和 Qwen 等多版本在内的 9 到 10 款模型的表现基准，以此作为衡量 AI 在 SVG 图像生成领域进步的对比组。
一位 Hacker News 用户最近重温了受 Simon Willison 启发的一项基准测试实验，比较了当前的大语言模型如何根据“一只正在弹奏管风琴的章鱼”这类提示词生成 SVG 图像。
讨论强调了在过去九个月中，SVG 生成能力有了显著提升。然而，参与者对于使用此类创意提示词作为基准测试的有效性展开了辩论。批评者认为，这项任务已经“古德哈特定律化”（Goodharted）——很可能已被包含在模型的训练集中——这使得人们无法真正评估模型的涌现能力。其他人则指出，由于训练偏差或语言习惯（例如从左到右的视觉布局），模型往往会默认生成相似的构图。
虽然一些评论者称赞 Gemini 和 Qwen 等特定模型具有独特的风格和动画功能，但许多人指出，模型在复杂的空间推理方面仍然存在困难，例如无法正确对齐交互实体。尽管存在这些缺陷，参与者仍为该实验辩护，认为这是一种评估模型性能的有价值且直观的方式，相比抽象的数字基准测试，它提供了更直接、更易于理解的评估结果。