参考文献涵盖土壤侵蚀、人类活动对沉积物转移的影响、三角洲变化以及湖泊中的大规模物质运动和海啸。它们包括全球和区域研究、历史地震记录，以及用于重建和评估湖泊海啸灾害的数值模拟方法。
每日HackerNews RSS
Hacker News 链接了一篇 Nature 文章，题为“大型湖泊中人类增强的海啸灾害”，该文章有 63 个积分和六条评论。评论者讨论了相关主题：免耕农业与侵蚀、浅耕、滑坡沉积物中考古材料的保存、西雅图的巨型滑坡沉积物、气候对地质过程的影响，以及以伊塞奥湖为例探讨何为大型湖泊的问题。
jinx 是一个将 Nix 转译为 TypeScript 的转译器，同时保留精确的 drvPaths 和 Nix 的惰性求值。通过将 nixpkgs 的全部 231,777 个属性转换为 TypeScript 模块，它让整个包树无需安装 Nix 即可被 TypeScript/JavaScript 生态系统访问。TypeScript 中的求值速度大约慢 3-5 倍，但支持新的工作流：基于浏览器的 nixpkgs 求值、LSP 补全与类型检查、使用 source maps 的性能分析、使用 node:test 的单元测试，以及直接用 TypeScript 编写包。该工具输出可读、忠实的翻译（thunk、lambda、属性集），并支持在原始 .nix 文件中通过断点进行调试。它没有原生依赖，可在 Node 24 或现代浏览器中运行。作者承认 AI 共同作者身份。
Hacker News 讨论了一篇提出通过将 Nix 转译为 TypeScript 来让 Nixpkgs 对前端开发者更友好的文章。评论者指出 Nix 已有 REPL 和语言服务器，但有些人觉得 Nix 语法难以解析，REPL 也不够好用。其他人则支持在 Nix 中处理并导出 JSON，或扩展标准库。建议包括使用生成器实现惰性求值，以及改进错误高亮。几条评论提到了 nix.dev 和 Nix Pills 等学习资源。一条长评论称赞 Nix 的不可变 store 和密封构建解决了跨多平台的软件部署复杂性，同时认为将 140,000 多个包绑定到 Nix 语言限制了复用；将 Nix 转换为 TypeScript 可以降低这一门槛。
IPinfo 将其 MMDB 数据库目录从 91.2 GB 缩减至 62.8 GB（31%），部分文件最高可达 80%，且未使用压缩或更改格式。节省来自对搜索树进行哈希共享：重复的相同子树只存储一次，而不是反复存储，从而使树变为共享 DAG。由于 MMDB 文件是内存映射的，更小的文件意味着更低的磁盘、网络和内存使用。工具 mmdbshrink 采用 Apache 2.0 开源许可，生成标准 MMDB 文件，所有现有库均可读取，且查询结果相同。验证包括完整前缀枚举、随机探测和多种 SDK，零不匹配，查询速度不变或略快。客户无需做任何事；下载已使用优化后的文件。
一条 Hacker News 帖子链接到 ipinfo.io 上一篇关于将 MMDB 文件缩小 33% 的文章。评论讨论了底层二进制 trie 结构、基于指针的数据去重、减少 record_size 位数可能带来的额外节省，以及该文章疑似由 AI 撰写的批评。页面还包含一个 Y Combinator 申请横幅。
本行为准则适用于 MicroZig/Zig Embedded Group 的 GitHub 组织与 Discord。它要求进行专注、与主题相关的技术工作，并维护积极的环境。它从 2026 年 10 月 28 日起实施严格的禁止 LLM/禁止 AI 政策，禁止 AI 生成或 AI 辅助的代码、文本、编辑、翻译、头脑风暴、建议、漏洞查找，以及讨论聊天机器人使用。鼓励使用英语，但并非必须。它列出了建设性行为与不可接受的行为，包括骚扰、抬杠、离题讨论、隐私侵犯和损害项目。违规行为应报告给 Matthew Knight 和 Felix Queißner；包括私下骚扰在内的对抗性或破坏性行为可能导致移除。本准则本身不应在 GitHub 或 Discord 上讨论；如有顾虑，请直接联系 Matthew Knight。
MicroZig（Zig Embedded Group 的一部分）宣布了一项严格遵循 Zig 风格的禁止 LLM/禁止 AI 政策。首席维护者 Matthew Knight 解释说，LLM 和非 LLM 工作流不兼容，因此作为最活跃的维护者，他正在强加自己不使用 LLM 的偏好，同时邀请任何人 fork 该项目。
该政策扩展到代码之外，涵盖漏洞发现、头脑风暴、评论和问题追踪器使用。该公告引发了争论：支持者称赞其尊重性的表述，以及不兼容方法必须选择方向的观点；批评者认为它不可执行，可能对安全构成疏忽（例如“禁止使用 LLM 查找漏洞”），并可能疏远贡献者。一些人指出，MicroZig 已经有贡献者在高效使用 LLM。
评论者讨论了执行困难、LLM 在漏洞发现中的价值，以及此类规则是否主要阻止低质量的“路过式”贡献。其他人将其比作重视工艺的经典汽车俱乐部，并质疑更快的基于 LLM 的 fork 究竟在哪里。维护者和辩护者强调 fork 是受欢迎的，该政策反映的是个人原则，而非普遍规定。
Qwenputer 是一个实验性的 Qwen3.5 4B 模型，其权重中编译了 RISC-V CPU。它通过设置门控/β值和 one-hot 寻址，将模型的 Gated DeltaNet（GDN）注意力层用作精确 RAM，从而实现低成本可寻址内存。该 32 位 RV32IM（+Zba/大数）CPU 跨 11 层，可在无外部工具的情况下内部运行算术、C 和 MicroPython，通过 riscv-tests，并已无错误运行数百万条指令。Qwen 通过类似内部工具调用的格式与之交互，而原始权重保持不变。基准测试显示算术准确率接近或匹配 Python 工具，输出与参考机器一致。实验性文件系统可在 GDN 状态中存储最多 512 个文件（约 53,000 个 token），并跨对话持久化。局限包括 18.8 GB 检查点、需要 RvChat 驱动，以及逐指令解码更慢。该项目开源，并探索隐藏推理和权重内监控等安全应用。
Hacker News 重点介绍了 Qwenputer，一个在 Qwen3.5 内部实现功能确定性 RISC-V CPU——甚至文件系统——的项目。它使用模型自身的层和状态，而非外部工具调用，GDN 层则像 RAM 一样工作。帖子探讨了内部计算、安全担忧、运行 DOOM 以及与其他 LLM 计算机实验的比较等影响。评论者讨论了相关想法，包括激活引导、有损 git、transformer 中的 WASM 工作，以及嵌入确定性计算以提高 LLM 可靠性。一些人也指出局限性，如主机运行时参与和不完美的准确率。总体而言，它被描述为一个聪明而“诅咒般”的实验，表明 transformer 可以在内部承载确定性计算，同时引发关于能力、安全性和实际用处的辩论。
XREAL 与 Google 推出 XREAL AURA，首款由 Android XR 驱动的有线 XR 眼镜。透明镜片让用户在看到真实世界的同时投射空间内容，视场角为 70 度。重量低于 95 克，设备将处理任务卸载到包含电池和 Snapdragon Reality Elite 平台的便携 puck。Android XR 上的 Gemini 能理解现实世界和屏幕上下文，提供自然的跨应用帮助；Android XR 还带来 Google Play 应用，包括 150+ XR 应用。用户可多任务运行多个可调整大小的应用，配对蓝牙键盘和鼠标，或使用 puck 作为触控板，并可通过 USB-C 镜像笔记本电脑，实现无需软件的私密显示。
Google/Xreal 发布了首款由 Android XR 驱动的有线 XR 眼镜。Hacker News 评论者将其与 Meta 的 VR 眼镜在生产力方面进行了比较：Aura 提供透视 AR 和 Android 生态系统访问，而 Meta 可能拥有更高的分辨率和更好的图像质量。用户就支持记录展开辩论，担心产品被放弃，不过也有人称赞 Meta 的更新。其他人质疑在手机可以为眼镜供电时，为何需要单独的计算模块，并认为 1099 美元的价格较高。讨论还涵盖了实际用途——旅行、编程、看电影和替代显示器——以及视野、清晰度、跟踪稳定性和眼疲劳等限制。一些评论者更喜欢更简单的“哑”显示眼镜或用于编程的 Quest 3。总体情绪复杂：硬件有前景，但生态系统、价格、舒适度和长期支持仍然是担忧。
本网站正在使用安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了安全解决方案。有多种操作可能触发此阻止，包括提交某个特定词或短语、SQL命令或格式错误的数据。
该讨论串讨论了《纽约时报》烹饪付费应用新增 AI 功能（如食材替代和食谱缩放）引发的反弹。批评者担心 AI 幻觉、不安全或错误的说明、在高级人工测试食谱服务中不信任 AI，以及担心这预示最终会削减专业测试厨房。部分用户不满为不想要的 AI 付费，并要求提供关闭它的开关。其他人认为这些可选功能实用且有用，指出基础食谱仍由人工测试，AI 只在用户请求时进行修改。评论者还争论术语（“幻觉”与“编造”）以及负面反应是否反映了更广泛的公众 AI 怀疑态度。一些人指出，许多用户已经私下使用 AI 调整食谱，因此内置工具可能增加价值。总体而言，反应呈两极分化：支持者看到便利，反对者看到平台劣化和信任受损。
Apple Developer 的 Touch on Mac 页面提供用于优化 Mac 触控输入应用的资源，包括教学视频、文档、示例代码和设计指南。开发者可以获取 Xcode 27.3 beta 及相关 SDK，以及 Apple Design Resources。页面还推广 Meet with Apple 小组实验室，供开发者向工程师和设计师提问。页面包含标准网站导航和页脚链接。
**摘要：Hacker News 关于 "Get Ready for Touch on Mac" 的讨论**
苹果发布触屏 MacBook 引发了 Hacker News 的混合反应。许多用户表示怀疑，引用 Windows 触屏笔记本多年来的误触经历，并更偏好 Mac 优秀的触控板。家长注意到孩子本能地伸手触碰屏幕，暗示预期的代际变化。
主要担忧包括：macOS 可能变得更加类似 iOS，失去键盘/鼠标优势；苹果忽视对 Catalyst 应用的键盘驱动改进；该功能仅在昂贵的 Pro 型号（2800 美元以上）上首发，而非消费级设备。一些人质疑高价下的目标受众。
积极声音指出触摸有助于滚动、浏览和绘图，且未使用的触摸功能影响最小。其他人认为该功能早已应该推出，因为 Windows 已提供完善的触屏支持多年。
其他讨论点："PRO" 营销壁纸让用户误以为屏幕坏了；一些人担心 UI 元素变大以适应触摸；开发者提出关于通过触摸的上下文菜单和窗口管理的实际问题。
总体情感在 Hacker News 技术导向受众中偏负面，尽管一些人预测在更广泛的消费群体中成功。
Hunter Brooks
写作
活动
简历
图像生成已经走了很长的路
我在 2022 年 8 月用 DALL-E 2 制作了这些。
HN
一篇题为"图像生成自2022年8月起已长足进步"的Hacker News帖子分享了早期AI生成图像的怀旧内容。评论者指出缺乏提示词或上下文使图像难以评估，不过其他人认出了诸如解剖结构错误和幻觉文本等熟悉缺陷，将其视为早期生成器的标志。一些人表达了对这种"粗糙"美学的怀旧，其中一人链接了一篇关于怀念糟糕AI艺术的文章。其他人指出有随时间比较模型的基准测试，并注意到现代生成器可按要求复现旧风格。实际讨论包括在普通GPU上使用ComfyUI等本地开源工具，用户因成本和灵活性而称赞开源模型胜过商业模型。编辑和保持图像一致性方面的挑战也有所提及。少数评论被标记为垃圾信息。总体而言，该帖反映了图像生成如何迅速演进，以及早期AI艺术的不完美如何成为一种可识别、甚至怀旧的风格。
请启用 JavaScript 和 Cookies 以继续
Hacker News
抱歉，我们无法这么快地处理您的请求。
重新加载