请求失败。Incapsula 事件 ID：851000130280019163-65676002836284267
每日HackerNews RSS
澳大利亚政府正在提议一项新的“数字注意义务”（Digital Duty of Care）立法，要求社交媒体平台允许用户选择退出算法推送，改为按时间顺序查看所关注账户的内容。
这一消息在 Hacker News 上引发了激烈的讨论：
* **支持者**认为，这是遏制令人上瘾、具有操纵性和激进化算法的必要举措。许多人认为，现有平台为了追求用户互动而优先推送“愤怒诱饵”（ragebait），置用户福祉于不顾，实际上毒害了公共讨论和专注力。
* **怀疑者**质疑该法律的有效性，指出许多用户在多年被“信息垃圾”喂养后，可能会主动选择切回算法推送。另一些人则担心“保姆式政府”越权，担心强制监管可能导致平台直接封锁澳大利亚用户，或为了维持用户粘性而推出设计拙劣的功能。
* **技术替代方案：** 一些评论者认为，真正的解决方案在于开放、去中心化的系统（如 RSS、电子邮件或用户自定义的算法前端），而不是政府强制的控制手段。他们担心政府的监管容易被大型科技公司的游说而变得形同虚设或被规避。
归根结底，这场辩论凸显了人们在重获在线个人自主权的愿望与现代社交媒体普遍存在的商业模式之间，日益加剧的紧张关系。
我在同一个 Three.js 任务上测试了 10 种模型/工具组合。 I tested 10 model/harness combinations on the same Three.js task
68 天前
为确定生成复杂 Three.js 项目的最佳配置，我们使用特定的科幻机库提示词进行了一系列性能测试。评估对比了多种模型与框架组合（包括 GLM 5.3 Flash Max、Luna 5.6 和 Qwen 3.8 27B）在耗时、Token 效率（输入/输出/推理）、工具使用可靠性以及浏览器渲染成功率等关键指标上的表现。 结果显示性能存在显著差异： * **效率：** `MaxCodexOpen` 和 `OpenCodeOpen` 等框架展现了高缓存利用率，这对降低 Token 开销至关重要。 * **可靠性：** 尽管偶尔出现工具错误，但 GLM 5.3 Flash Max 与 `MaxCodexOpen` 的组合仍能实现视觉验证成功。 * **可扩展性：** Qwen 3.8 27B 等模型能够处理更大的推理负载，但总耗时因所选框架不同而差异巨大（从约 8 分钟到 41 分钟不等，例如 `x-highOMPOpen` 对比 `OpenCodeOpen`）。 这些数据表明，仅靠模型选择是不够的；将模型与高效框架进行匹配，对于平衡代码复杂度、推理深度以及在浏览器环境下的快速部署至关重要。
一篇 Hacker News 讨论聚焦于一项基准测试，该测试对比了 10 种 AI 模型与辅助工具组合在执行 Three.js 编码任务时的表现。
主要观点如下：
* **辅助工具的影响：** 参与者指出，“辅助工具”（驱动代码生成的环境/代理）与模型本身同等重要。不同的组合方式会对摄像机控制、渲染响应速度和代码复杂度产生巨大影响。
* **模型的局限性：** 评论者认为，目前的模型难以处理复杂的现代 Three.js 特性，如高级着色器、色调映射和优化的资源管线。它们往往倾向于使用基础且低效的几何体。
* **性能与可复现性：** 尽管一些结果（如 Astra）在视觉上令人印象深刻且表现优异，但其他结果因性能问题或缺乏一致的可复现性而受到批评。
* **专家建议：** 用户建议，对于专业级的 Three.js 项目，仅靠一次性 AI 提示词是不够的。开发人员应将 AI 视为大型游戏引擎管线的一个组件，结合物理引擎库（如 Rapier）和适当的资源优化工作流。
* **透明度：** 项目作者在 GitHub 上提供了转录内容、成本明细和环境详情，评论者称赞这是一种罕见且有益的做法，摆脱了以往 AI 报道中“浮夸”的风格。
Arm 推出了 **Mali G2-Ultra NX**，这是其首款原生 AI GPU，旨在弥合桌面级视觉保真度与移动设备严格功耗限制之间的差距。通过将神经网络加速直接集成到着色器核心中，该 GPU 实现了“神经图形学”——即利用 AI 进行图像重建、帧放大以及光线追踪场景的降噪处理。
主要功能包括：
* **神经技术：** 神经超采样（NSS）、神经帧率放大（NFRU）和降噪技术（NSSD）不仅能实现更流畅的 120 FPS 游戏体验和更清晰的视觉效果，还能显著降低 GPU 和内存负载。
* **架构升级：** 全新的执行引擎将寄存器容量提升了 2 倍；同时，由不透明度微贴图（Opacity Micromaps）增强的第三代光线追踪技术，进一步提高了光照和几何处理的效率。
* **开发者生态：** 为确保快速普及，Arm 提供了全面的神经图形开发套件（Neural Graphics Development Kit）。这使开发者无需专门的研究基础设施，即可将原生 AI 功能集成到现有流水线（如虚幻引擎）中。
通过将神经网络加速与传统渲染相结合，Mali G2-Ultra NX 使开发者能够在移动设备的功耗范围内提供更丰富、响应更迅速的游戏体验，有效地树立了移动图形性能的新标准。
这篇 Hacker News 讨论聚焦于 ARM 发布 Mali G2-Ultra NX GPU 及其“AI 原生”营销。社区对此普遍持怀疑态度，许多人认为“AI”标签只是为了虚增技术价值而堆砌的流行词。
用户提出的主要技术担忧包括：
* **驱动程序质量：** 一个反复出现的抱怨是 Android GPU 驱动程序状况不佳。这些驱动程序常因缺乏更新和碎片化问题，迫使浏览器和应用开发者不断实施复杂的变通方案。
* **缺乏文档：** 评论者批评 ARM 对技术文档保密，这阻碍了开源驱动程序（如 Mesa/Panthor）的开发，与 AMD 和 Intel 更开放的生态系统形成了对比。
* **性能表现：** 尽管 G2-Ultra NX 被宣传为“桌面级”性能，但用户仍持怀疑态度，指出移动设备的散热和功耗限制使此类声明难以实现。
* **市场背景：** 该讨论指出，在高通（Adreno）在高端市场保持主导地位的同时，谷歌近期在 Tensor 芯片中转向 PowerVR 的做法，相较于基于 Mali 的解决方案，也面临着严重的性能和散热批评。
最终，用户认为所谓的“AI 原生”功能本质上就是高级的超分辨率（Upscaling）技术，并将这种营销视为行业陷入窘境的迹象。
GLM 5.3-flash 等开源高性能人工智能模型的发布，引发了严重的网络安全危机。由于这些模型功能强大、获取成本低廉且缺乏使用限制，恶意行为者可以利用它们大规模地识别和利用漏洞。我们正进入一个网络攻击可自动化的时代，这对关键基础设施构成了严峻威胁。
作者认为，尽管 Project Glasswing 和 Daybreak 等防御计划正利用前沿大语言模型主动修补漏洞，但主要挑战仍然是这些修复措施在现实世界中的部署速度过慢。为缓解这一迫在眉睫的威胁，必须立即采取紧急行动：
* **政策层面：** 政府必须强制执行频繁且严格的渗透测试，为安全补救提供灵活的资金支持，并优先加强公用事业和医疗保健等高风险系统的安全性。
* **行业层面：** 企业应利用前沿大语言模型实现漏洞发现和代码修复的自动化，加大对内存安全语言和供应链安全的投入，并简化补丁部署流程。
我们正处于人工智能辅助的攻击者与防御者之间的竞赛中。我们必须紧急行动，在广泛的攻击发生前实现安全态势的现代化。
这段 Hacker News 讨论聚焦于围绕“去审查”（uncensored）AI 模型（如 GLM 5.3）发布所产生的日益增长的焦虑。参与者担忧这些强大的模型使缺乏技术的人员也能大规模地自主发现并利用软件漏洞，从而大幅降低了网络攻击的门槛。
核心主题包括：
* **网络战的不对称性：** 防御者必须做到完美，且受限于官僚体制和遗留系统；而攻击者只需成功一次，并能利用 AI 不断迭代漏洞利用手段。
* **“疯狂科学的摩尔定律”：** 许多人担心造成灾难性破坏所需的智力门槛正在迅速降低，使得个人攻击者也能接触到先进的网络和生物威胁。
* **拟议方案与现实的差距：** 虽然有人建议转向内存安全语言、微内核和静态站点，但也有人认为这些措施杯水车薪。一种普遍的观点是，行业在安全问题上的“竞相逐底”只有通过更严格的责任法律或政府干预才能终止。
* **怀疑态度：** 许多评论者认为这种“末日论”语调危言耸听，指出理论上的风险尚未导致预期的广泛破坏，且 AI 对防御者而言同样是一种强大的工具。
“然而，展望未来，随着我们向这些计算机输入越来越多的模型，且计算机运行模型的能力日益增强，它们终将解决这个问题。”哈斯（Haas）说道。他还兼任 Arm 主要拥有者——总部位于日本的软银集团（Softbank）的关键职务，该公司在科技领域拥有广泛投资，其中包括 OpenAI。
本实验旨在评估指示 AI 编程代理使用特定测试技术（如测试驱动开发 TDD、形式化方法、基于属性的测试）或预置库“技能”是否能提高软件的正确性。通过对 Zstd 和 IMAP 的 Rust 实现进行 26 种不同条件的测试，结果表明：**明确的指令通常无法提高正确性。** 主要发现包括： * **应用无效：** 当被要求使用形式化方法或基于属性的测试等高级技术时，代理通常只是表面地应用它们——编写“冒烟测试”或无效证明——而仍然过度依赖标准的单元测试。 * **技能表现：** 大多数现成的测试技能表现不佳，往往在没有带来任何好处的情况下显著增加了 Token 消耗。这些技能描述读起来更像是人类教程而非可执行的约束，未能引导代理改变其默认的无效行为。 * **“默认”偏差：** 不提供任何指令通常能获得高于平均水平的结果。指示代理使用它们并不从根本上理解的技术，往往导致它们将精力浪费在低效的工作流上。 * **TDD 的失败：** 正如预期，测试驱动开发（TDD）导致了更差的结果，引导代理编写了大量低质量、平庸的测试。 最终，该研究表明代理缺乏对测试的深层理解；若没有专家级的人类指导来构建其方法，通用的测试指令在很大程度上是无效的。
抱歉。
《我们拥有这面玻璃》（We Own the Glass）是一个独立的艺术项目，旨在挑战 LG 等广告技术公司利用自动内容识别（ACR）技术监控用户观看习惯的侵入式数据采集行为。该项目旨在夺回用户隐私，并抵制将个人屏幕时间商品化的做法。 该网站展示了一个持续、缓慢移动的历史艺术作品幻灯片——旨在防止 OLED 屏幕烧屏——这些作品描绘了社会动荡和民众被剥削带来的历史后果。创作者强调，这是一种基于事实的评论和教育性的抗议，而非煽动暴力。 该项目独立运营，与各大电视制造商没有任何隶属关系，且仅使用公共领域的图像来表达其观点。通过鼓励用户在自己的智能电视上运行该网站，《我们拥有这面玻璃》对嵌入在现代娱乐硬件中的监控策略起到了一种数字颠覆的作用。
抱歉。
关于 新闻 版权 联系我们 创作者 广告 开发者 条款 隐私 政策与安全 YouTube 工作原理 测试新功能 © 2026 Google LLC
抱歉。
请提供您需要翻译的内容。
抱歉。
真不敢相信现在一切都免费了！所以，为什么不在你的 IDE 中间放一个悬浮球作为屏保呢？下载这个视频。关于这个 UI，这是我自己制作的自定义 IDE，包含了智能体、终端以及各种功能。对于智能体来说，最棒的一点是 Composer 可以像我的编辑器一样使用我自定义的快捷键。总之，左右两栏是相对静态的，中间才是核心区域。盯着它看虽然没什么用，却又让人欲罢不能。所以我心想，为什么不放一些视觉噪点在那儿，好让你放松一下，而不是一直盯着文字看。
这篇 Hacker News 的讨论探讨了现代人工智能辅助编程所带来的哲学转变。对话的核心是一个 IDE 插件——一个“浮动球”——它代表了一种更广泛的趋势：高科技功能现在触手可及，但往往缺乏从零开始构建事物所带来的深层教育价值。
一些参与者对此表示遗憾，认为“简单的”代码会导致“大脑萎缩”，与手动学习算法那种困难但有益的过程相比，会导致对基本功掌握的缺失。另一些人则认为这种效率是净收益，使开发人员能够专注于创造价值，而不是重复造轮子。
辩论的深层担忧在于这种便利背后的隐形成本，包括“免费”生成的代码所带来的技术债务、现代应用程序对资源的过度消耗（内存），以及过度依赖自动化工具可能削弱我们理解底层构建系统的能力。归根结底，该讨论对比了“冥想式”简洁的乐趣与现代软件开发的现实需求，质疑我们是否在以牺牲真正的技术能力为代价来换取速度。