美国的科研环境正经历一场破坏性的转型，其特征是大规模的预算削减、政治干预，以及对二战后支持基础研究的“社会契约”的背弃。
近期的一系列联邦举措——包括对美国国家航空航天局（NASA）和美国国立卫生研究院（NIH）等机构的剧烈裁减，以及施加意识形态的立场审查（如禁用“结构性种族主义”等术语）——已导致数千个研究项目被迫冻结或取消。由于官僚机构的不稳定性以及部门优先事项的改变，包括AXIS太空望远镜在内的重要任务已经夭折。
这种环境营造了一种恐惧氛围，引发了“人才流失”现象，许多科学家正考虑离开该国或完全放弃科研。在政治任命官员和硅谷利益集团的推动下，科研正向“学术资本主义”转型；这些势力更倾向于追求快速的颠覆，而非长期的探索性科学，即研究成果唯有具备即时的商业或经济效用才被视为有价值。
专家警告称，这种对基础研究的系统性“饥饿疗法”最终将危及未来的医学突破和国家创新。尽管许多科学家为了避免进一步的报复而保持沉默，但另一些人则认为，他们当下的新使命是“见证”并记录科学事业的侵蚀，以便未来追究责任。
每日HackerNews RSS
Z ai 的 **GLM-5.2** 已成为人工智能分析指数（Artificial Analysis Intelligence Index）中领先的开源权重模型，得分为 51 分。尽管其架构与前代产品（GLM-5.1）保持相同的 744B 总参数量/40B 激活参数量，但其性能仍有显著提升，尤其是在科学推理方面，关键评估指标提升了多达 16 分。
主要亮点包括：
* **性能：** 在智能指数（Intelligence Index）和 GDPval-AA v2 评估中，该模型均优于 MiniMax-M3 和 DeepSeek V4 Pro 等竞争对手，并可与 GPT-5.5 等专有模型相媲美。
* **效率：** 虽然单任务成本高于部分同类产品，但 GLM-5.2 在“智能与成本”的帕累托前沿上占据一席之地，以具有竞争力的价格提供了高性能表现。
* **技术升级：** 该模型将上下文窗口从 200K 扩展至 1M Token，并展现出更高的推理密度，单任务输出 Token 达 43k。
* **可用性：** 该模型以 MIT 许可证发布，可通过 Z ai 的 API 及众多第三方提供商获取。
总而言之，GLM-5.2 代表了开源权重模型能力的重大飞跃，在先进的智能体性能、更高的推理准确度以及更低的幻觉率之间实现了平衡。
**GLM-5.2** 的发布在 Hacker News 上引发了热烈讨论，用户将其定位为一款强大的“前沿级”开放权重模型。许多开发者认为，它不仅成本更低，而且是 Claude Opus 4.8 和 GPT-5.5 等行业领先模型的有力替代方案，尤其是在代码编写任务中。
**讨论要点如下：**
* **性能与效率：** 用户反映，虽然 GLM-5.2 能力出众，但其默认的“最大努力”（Max Effort）推理模式会消耗大量 Token 且运行缓慢。在“高”效率模式下运行，往往能以显著降低的成本获得相当的效果。
* **“前沿”差距：** 尽管有人称其为“颠覆性变革”，但也有人认为在复杂的长程任务中，它仍略逊于 GPT-5.5 和 Claude Opus。争议的一个主要焦点在于它缺乏多模态（视觉）能力，而这目前仍是顶级模型的标配。
* **可访问性与基础设施：** 一个反复出现的话题是自托管或使用第三方 API 存在的摩擦。虽然“开放权重”在理论上提供了隐私和自主权，但大型模型对硬件的高要求，以及新兴提供商的可靠性问题，导致部分用户仍倾向于使用 Anthropic 或 OpenAI 提供的受补贴托管服务。
* **市场情绪：** 该讨论串反映了围绕 AI“军备竞赛”的日益激烈的辩论，许多人注意到，中国实验室正在迅速缩小与美国前沿模型之间的差距。
NCA 在粗糙的单元网格（本例中为网格顶点）上运行。中心：三角形图元内的一个采样点 \(\Point\)（红点），其顶点对应于 NCA 单元 \(\State_i,\,\State_j,\,\State_k\)。局部坐标 \(u(\Point)\) 表示该点在图元内的位置，而局部平均单元状态 \(\bar{\State}(\Point)\) 则通过对周围单元状态进行插值获得。右侧：局部模式生成网络（LPPN），即一个共享的轻量级 MLP，它接收 \((\bar{\State}(\Point), u(\Point))\) 作为输入，并输出点 \(\Point\) 处的颜色和表面法线等目标属性。NCA 和 LPPN 采用端到端方式联合训练。通过下方交互式可视化演示，可以查看粗糙的 NCA 单元状态以及 LPPN 生成的输出。
抱歉。
退休一年后，作者将全部时间投入到了 NetNewsWire 的现代化改造中，专注于深层的底层改进，而非企业股东利益。在过去的一年中，该项目进行了 2,188 次代码提交，旨在偿还技术债务并优化性能。 主要成就包括采用 Swift 结构化并发、将旧版 Objective-C 代码迁移至 Swift，以及实现重要的 UI 更新。开发团队优先考虑了系统优化，例如修复崩溃、降低电池和内存消耗，并提升了本地化能力。作者还引入了更好的诊断工具，为用户提供透明的应用活动洞察，这大幅降低了支持工作量。 作者认可了这一工作的协作性质，并强调了 Stuart Breckenridge 等人的贡献。虽然底层工作仍在继续，但该应用目前已处于更加稳定且易于维护的状态。展望未来，这些改进已为作者扫清了障碍，使其能够转向开发社区所请求的新功能。此外，该项目已将其社区中心从 Slack 迁移至公开的 Discourse 论坛，以确保更好的可访问性和协作体验。
抱歉。
法国里昂：Lab401
美国圣安娜：Hackerwarehouse
英国黑斯廷斯：KSEC
加拿大蒙特利尔：TechSecurityTools
中国深圳：Sneaktechnology
中国广东：MTools Tec
新加坡 Lazada One：Aliexpress by RRG
阅读可用文档。
ChameleonUltraGUI
MTools BLE Mifare Chameleon 工具（仅限 iOS，测试版）
Chameleon Ultra（仅限 Sailfish OS）
请注意，部分说明可能自录制以来已发生变化，如有疑问，请查阅最新文档！
下载并编译官方 CLI
下载 ChameleonUltraGUI
ChameleonUltraGUI 功能概述
使用 ChameleonUltraGUI 和 Chameleon Ultra
MTools BLE - 如何使用 ChameleonUltra 克隆卡片
在哪里可以找到社区？
RFID 破解社区 Discord 服务器
Software/chameleon-dev 用于固件和客户端开发讨论
Devices/chameleon-ultra 用于使用讨论
GameTec_live Discord 服务器
寻找文档仓库？
点击此处查看
抱歉。
G.K. 切斯特顿提出的原则——“切斯特顿栅栏”——建议在拆除看似无用的结构之前，必须先弄清当初为何建造它。在软件工程中，这是一条至关重要的准则：开发人员如果冲动地重构自己不理解的代码，往往会导致生产环境崩溃，事后才发现原有的设计其实承载着某种隐藏且必要的用途。 作者提出了一个现代推论：“切斯特顿间隙”。如果说“栅栏”是警告人们不要鲁莽拆除，那么“间隙”则是针对那种不必要建设的冲动。在开源世界里，代码的产出成本很低，开发人员经常会贡献出许多维护者从未要求过的大型且精良的功能。即使这些新增内容在技术上是合理的，它们也会带来不必要的维护负担并导致臃肿。 归根结底，这两个概念都提倡谦逊与沟通。无论是决定拆除旧系统还是构建新系统，开发人员都应优先理解原作者的意图。不要想当然地认为自己的方案一定更优，而应“先问再做”。通过尊重现有的环境背景，程序员能够促进更好的协作，并避免因解决不存在的问题而造成的浪费。
对不起。
受20世纪60年代美国国家航空航天局（NASA）关于利用微生物蛋白维持宇航员生命的研究启发，芬兰初创公司 Solar Foods 开发了一种“从稀薄空气中制造食物”的工业流程。其位于万塔的工厂利用可再生能源驱动生物反应器，通过氢氧化细菌将二氧化碳、氢气和矿物质转化为一种营养丰富、高蛋白的粉末，名为“Solein”。
由于传统农业消耗了地球近一半的可居住土地（主要用于畜牧业），Solar Foods 提供了一条将蛋白质生产与土地使用脱钩的途径。尽管精密发酵技术在对“合成”食品持怀疑态度的地区面临监管障碍，但该公司将 Solein 视为一种多功能的配料，可以替代大众消费品中的动物成分，从而有望减轻全球粮食系统对环境的影响。
虽然这项技术并非万能良药，但它代表了农业创新的一次转型。通过将营养问题视为类似于太空生命维持系统的逻辑“工程难题”，Solar Foods 证明了无论气候或地理条件如何，人类都有可能以可持续的方式生产基本营养物质，这为面对粮食需求增长和气候不稳定的地球提供了一种务实的工具。
近期的一场 Hacker News 讨论探讨了“空气造食物”的概念——这是哈伯法（Haber process）的一种现代演变，旨在利用大气中的碳合成营养物质。
评论者指出，这项技术并非全然新鲜；合成蛋氨酸已在全球动物饲料中广泛应用，而像 Savor 这样的初创公司目前正尝试制造可持续的合成脂肪。尽管支持者强调其在降低碳足迹和摆脱传统农业依赖方面的潜力，但怀疑论者仍持谨慎态度。一些人指出垂直农业产业过往的失败，以及二战期间纳粹德国利用煤炭生产食用脂肪的历史先例，从而质疑此类饮食在经济上的可行性及健康影响。
这场辩论还触及了农业的政治格局，用户注意到一些国家一方面标榜自由意志主义理想，另一方面却为传统农作物提供巨额政府补贴，这种做法存在伪善。归根结底，这场讨论在对未来粮食安全（包括太空探索的潜在应用）的乐观态度，与对硅谷是否有能力颠覆根深蒂固、错综复杂的农业体系的怀疑之间，保持了一种平衡。
arXivLabs 是一个允许合作者直接在我们的网站上开发并分享 arXiv 新功能的框架。与 arXivLabs 合作的个人和组织都认同并接受我们对开放、社区、卓越和用户数据隐私的重视。arXiv 致力于这些价值观，并仅与遵守这些价值观的合作伙伴合作。如果您有能为 arXiv 社区增值的项目想法，请了解关于 arXivLabs 的更多信息。
二十年来，网页开发者一直依靠“聚合（clustering）”来管理地图密度。这种做法起源于 21 世纪 00 年代中期，当时浏览器难以同时渲染数千个 DOM 元素，迫使开发者将标记分组为聚合点，以避免崩溃或性能卡顿。 然而，作者认为聚合技术如今已过时。现代地图技术得益于 GPU 加速渲染（如 MapLibre GL JS），可以轻松处理数千个数据点，并保持高帧率，无需再将信息隐藏在“巧克力壳”般的聚合图标后。 除技术限制外，聚合通常会导致糟糕的用户体验：它遮挡了数据，造成令人困惑的缩放行为，并迫使用户去解读毫无意义的数字汇总。作者认为，盯着带有数字的圆圈不仅耗费心力，而且没必要。如今的硬件允许我们清晰地显示所有数据点，或许可以利用透明度或细微的分层来呈现密度，而无需诉诸人工分组。现在是时候摒弃这些过时的性能补丁了；在这个地图技术快速且强大的时代，我们最终应该释放数据，展示每一个点。
近期关于“我并不喜欢地图聚合”（Map Clustering Is Not My Favorite）的 Hacker News 讨论，凸显了开发者在如何最好地可视化密集地理数据这一问题上的分歧。
批评聚合技术的人认为，它掩盖了原始数据，造成了突兀的用户体验，且往往只是拙劣的制图替代品。许多人建议，现代硬件、WebGL 以及诸如“叠加不透明度”（即通过累积颜色显示密度的重叠点）等技术，使得大多数数据集不再需要聚合。另一些人则认为，尽管存在缺陷，聚合仍然是实现从宏观空间趋势到单个点细节无缝过渡的唯一“开箱即用”方案。
舆论共识是，虽然聚合经常被过度使用且显得“懒惰”，但它仍不失为一种有效的性能工具，或是处理海量数据集的必要启发式方法。讨论中提到的替代方案包括使用静态热力图、六边形分箱，或是在用户缩放时让单个点显现的“混合”方法。归根结底，大多数参与者一致认为，选择应取决于具体数据：聚合对于展示交通事故等模式的广泛密度很有用，但当用户在寻找特定、独特的地点时，它往往会阻碍发现。
这段代码实现了一个用于网页的交互式“提示框”（Tooltip）系统，能够自动识别文本中的特定语法并将其转换为可悬停或可点击的元素。 **主要功能：** * **解析：** 脚本会扫描文档中格式为 `[[term|heading|body]]` 的文本，并将其替换为交互式按钮或触发元素。 * **交互式 UI：** 当用户悬停或聚焦在触发元素上时，会弹出一个包含指定标题和正文内容的提示气泡。 * **视觉焦点：** 为提升可读性，脚本会调暗页面其余内容，仅高亮显示包含当前触发元素的 DOM 层级“分支”。 * **动态定位：** 气泡采用“边缘感知”逻辑来计算最佳显示位置，如果气泡即将超出屏幕范围，它会自动翻转方向或调整高度。 * **跨平台兼容性：** 该系统包含针对指针/鼠标交互（悬停）和键盘导航（聚焦）的事件监听器，并针对移动设备进行了特殊处理，以确保流畅的触摸体验。 * **清理机制：** 系统包含用于打开和关闭的自动动画过渡效果，以及在用户离开时恢复页面原始外观的清理函数。
关于 Anthropic “AI 原生初创公司创始人手册”的 Hacker News 讨论中，质疑声占据了绝对主导。批评者认为该文档试图将创业行为商品化，这被视为一种根本性的范畴错误。
许多评论者认为这份手册是自私的营销手段，旨在鼓励用户在他们的平台上创业。一个反复出现的主题是，“创业”无法被简化为公式，因为成功取决于真实的产品市场契合度、人脉网络以及深厚的行业知识——这些都是 AI 无法复制的壁垒。
一些参与者指出，虽然 AI 工具降低了创业的门槛，但也同时增加了市场中的“噪音”和“垃圾信息”，使得分发和差异化变得更加困难。其他人则表示，对于技术人员来说，这些建议显得空洞；不过也有人承认，对于非技术背景的小企业主而言，AI 驱动的自动化确实能节省时间。
最终，讨论帖中的共识是，该手册本质上是一种“卖铲子”的策略。怀疑论者将其描述为“初创公司时尚”或“AI 妄想症”，并警告称，将创业视为一种标准化的、由 AI 辅助的任务，可能会让人忽视经营一家可持续企业所面临的艰难且无法自动化的现实。