卡片列表 ‹ 10-05 10-07 › 下载 EPUB

HN 日报 · 2026-10-06

今日怎么读：先看速览 → 深读必读 → 需要时展开扫读

Layer 1

今日速览

必读

8 则 · 热度 × 产品相关
1

把 Claude 当日记写下威胁，Anthropic 报警，女子被控重罪

佛州女子 9 月 26 日对 Claude 写下要「扫射」县警局，安全系统标记、人工复核后报警；她自称把 Claude 当日记用。

🔥 523 | 💬 449 🔗 文章 💬 讨论
对 AI 说的话不是日记，是发给一家公司的数据；产品得把这一点讲清楚，法律也还没想好怎么算。

事实

  • 经过：Claude 的安全系统标记该内容，转人工复核，复核员认定为可信威胁后报告执法部门；警员上门，人被平静带走。
  • 罪名：佛州法典 836.10「书面暴力威胁」，二级重罪；条文要求内容以「他人可能看到」的方式发送、发布或传输。
  • Anthropic 的条款写明，在认为有必要防止死亡或严重人身伤害的紧急情况下，可能分享用户信息。
  • 背景：上月 OpenAI 被加拿大不列颠哥伦比亚省起诉，理由是它事先标记过一名枪手的对话却没报警；佛州 6 月也起诉了 OpenAI。

解读

  • 对产品：对话不是私密空间，人工复核和上报规则应该在用户写下第一句话之前就说清楚，而不是藏在条款里。
  • 对 AI 公司：「报」和「不报」都有诉讼风险，各家都在往「宁可多报」倾斜。这会改变用户敢说什么，也会推着一部分人转向本地模型。
  • 术语：abliteration / heretic = 去掉开源模型拒答倾向的改造方法，评论里有人用它说明「自托管」的需求。

讨论

  • 正方有人同情 Anthropic：OpenAI 不报就挨了诉讼，这是「做也挨骂、不做也挨骂」；还有人说用户条款写明了可审查被标记内容，这在法律上不算偷看。
  • 反方多人质疑罪名：日记式写给一个程序，没有发给任何人，算什么「威胁」？照这个逻辑，被系统自动备份的私人笔记也可能违法。也有人说把它转给被骂的警局本身就不妥，交给 FBI 更好。
  • 有人提议立法给这类对话「特权」保护，像医疗隐私那样设一个私密模式；也有人干脆建议凑钱买 H200 跑本地模型。
  • 共识用户该默认自己在跟大公司说话，而不是跟秘密好友说话。
2

Cloudflare 推出 Web Search API，给 agent 接联网搜索

通过 AI Gateway 调用 Ceramic.ai、Exa、Linkup 三家搜索，按各家原价计费、不加价，也能用自己的 Key；目前是 beta。

🔥 479 | 💬 221 🔗 文章 💬 讨论
搜索正在变成 agent 的水电煤；真正卡脖子的是条款——结果能不能存、能不能给别人看。

事实

  • 用法：REST 接口或 Worker 里的 env.AI.websearch()，传 query、provider、limit；请求进 AI Gateway 日志，从 AI Gateway 额度里扣费。
  • Cloudflare 称三家都支持零数据保留（ZDR）并遵守它的「验证爬虫」标准；但有人发现 provider 页面上 Exa 的 ZDR 一栏写着 No。
  • 价格（评论整理）：Ceramic 每千次 0.25 美元，Linkup 5 美元，Exa 7 美元；对比 Serper 约 1 美元。

解读

  • 对产品：选搜索 API 先读条款。Simon Willison 指出 Ceramic 禁止存储或汇编结果，做「分享对话」按钮可能就违规。
  • 对平台：Cloudflare 一边拦爬虫、一边卖「验证过的」搜索，等于在 AI 抓取和网站之间收过路费。
  • 术语：ZDR = 零数据保留，服务商不存你的请求；AI Gateway = Cloudflare 管理模型/工具调用、日志和计费的代理层。

讨论

  • 正方对已在用 Cloudflare 的公司，它像 AWS 一样是统一账单的主供应商，省掉新采购流程；OpenRouter 的搜索也是类似聚合，换模型、换搜索不用走公司审批。
  • 反方有人批 Cloudflare 先成为互联网「守门人」、让别的爬虫进不来，再卖通行证；也有人问为什么不直接找搜索商。
  • 省钱路子：有人说 Gemini Flash Lite 2.5 每天 1000 次免费 Google 搜索；也有人用 hister 这类本地索引，靠浏览器插件缓存页面绕开拦截。
  • 共识搜索结果能否存储、转发、展示，是 agent 产品绕不开的法律问题，答案常埋在条款深处。
3

Reflection 发布 501B 开源权重模型 Beam

稀疏 MoE，总参数 501B、每次激活 23B，主打编码和 agent；权重、技术报告本月晚些发布，现在只能申请试用。

🔥 296 | 💬 76 🔗 文章 💬 讨论
Beam 的卖点不是最强，而是「西方造、推理省」；对有合规要求的买家，这两点可能比跑分更值钱。

事实

  • 训练：23.8T token 预训练；强化学习用 1.05 万块 GB300 跑 4 周，生成 1 亿多条轨迹、约 13 亿个沙箱，准备了 100 万个编码/agent/STEM 环境。
  • 成绩（官方表）：SWE-bench Verified 80.9、Terminal Bench 2.1 80.1、GPQA Diamond 90.5；与 GLM 5.2 相当，落后 Kimi K3。
  • 官方称推理题上跟 GLM-5.2 分数相近，但推理计算少 3–4 倍；有评论称许可为 Apache 2.0。

解读

  • 对选型：同量级的 DeepSeek V4.1 Flash 更小、更强、已开权重。Beam 适合「不能用中国模型」的场景，其他人等权重出来再测。
  • 对行业：开源模型的竞争开始看「每个 token 的智能」，也就是同样效果花多少算力，而不只是总分。
  • 术语：MoE = 混合专家，每个词只激活一小部分参数；rollout = 强化学习里模型完整做一遍任务的轨迹。

讨论

  • 正方多一个西方开源玩家总是好事，首发不必破纪录；有人说 Reflection 定位「美国版 DeepSeek」，靠国籍就能拿下政府和企业订单。
  • 反方比 DeepSeek V4.1 Flash 更大、更贵，几乎每项都更弱；没放权重的发布被嘲「说得便宜，拿权重来」；有人挑出宣传图里「几天前才出的谜题」其实早就流传。
  • 也有人只想要 90B–133B 的 MoE，正好塞进 64–128GB 内存的 Mac 工作站。
4

Opus 5.5 智能体找到两种室温「补偿磁体」候选

Vals AI 的研究者带一组 Claude Opus 5.5 智能体，用量子力学模拟筛出两种净磁性为零、又能按自旋分选电子的半导体，代码和计算全部公开。

🔥 195 | 💬 151 🔗 文章 💬 讨论
这次 AI 的功劳更像「在旧文献里认出宝贝」，而不是凭空发明；离真东西还差一次合成和测量。

事实

  • 候选一 YBaMnFeO₅：智能体设计的新化合物，预测带隙 2.35 eV、磁序维持到约 490 K；但需要 Mn、Fe 排成完美棋盘，950 K 左右就会打乱，常规合成很可能做不出可用形态。
  • 候选二 KV[Cr(CN)₆]：普鲁士蓝家族，1999 年合成过，实测 376 K 仍有磁序；2008 年有论文画出过相关能带，但没人指出它是这类磁体。
  • 方法：用密度泛函理论（DFT）在两种精度下计算，带隙和自旋窗口取更精确的 HSE06 结果；含水样品上两种方法结论不一致，带隙和自旋分选都还没实测。

解读

  • 对产品：智能体科研的常见形态，是「LLM 驱动的搜索 + 传统模拟器打分」。有了可靠的评估器，agent 才有用武之地。
  • 对读者：标题里的「室温」容易让人想到超导。这是磁性半导体，目标是更快、更密的存储（自旋电子学）。
  • 术语：反铁磁 = 相邻原子磁矩相反、整体不显磁；Luttinger 补偿磁体 = 净磁矩为零，但电子仍能按自旋分开；DFT = 计算材料电子结构的标准方法。

讨论

  • 正方有人说过去几百年埋在文献里的「天才」会是座宝库；能被语言或公式描述的东西，都可以交给 agent 大范围搜索。
  • 反方磁性材料博士指出开头把磁体简化成「铁磁 vs 反铁磁」很怪，像是 Claude 写完没人审；也有人想起 LK-99，要带一车盐看。
  • 有人点明本质：agent 跑的是经典模拟，DFT 本身也有局限；一个材料大概率做不出来，另一个只在 27 年前合成过一次。
  • 共识合成并实测之前，不值得太兴奋。
5

ChatGPT 给仿《纽约客》漫画签上真漫画家的名字

Nieman Lab 记录到 15 位以上《纽约客》漫画家的签名被 ChatGPT 画进了 AI 漫画；一幅签着「BLOPER」的假漫画在 X 上拿到 2.5 万赞。

🔥 183 | 💬 78 🔗 文章 💬 讨论
模仿风格还能争，伪造签名就是冒名；生成产品要为「输出里冒出真人名字」负责。

事实

  • 起因：Dolly Parton 的粉丝只让 ChatGPT 画「一幅《纽约客》风格漫画」，结果右下角带着漫画家 Brendan Loper 的笔名 BLOPER。
  • 范围：记者在 Reddit 和自测中找到 Harry Bliss、Emily Flake、Saul Steinberg 等 15 位以上漫画家的签名。
  • OpenAI 回应会处理「bug」；之后同类请求会提示「可能违反与第三方内容相似性的规则」，但截至发稿，部分泛化请求仍会签上真名。
  • 漫画家说：签名是真品证书，这比信用卡被盗还难受——盗刷的人至少没扮成我。

解读

  • 对产品：签名、水印、署名属于身份信息，应该在输出端单独过滤，而不是靠用户自己发现、自己擦。
  • 对风险：风格不受版权保护，但冒用姓名可能碰到商标、肖像权甚至诽谤，比训练数据之争更具体、更好打官司。

讨论

  • 正方很多人认为该起诉：普通人画假签名会被告，AI 公司也一样；有人说这是「冒名的垃圾内容」，比抄袭更进一步。
  • 反方也有人说美国法律下「风格」不受保护，用户本人知道是 AI 画的，打商标侵权不容易。
  • Gwern 说他用 Nano Banana Pro 和 ChatGPT 生成漫画时一直有假签名，每次都要手动擦；有人公司的工程经理把带 BLOPER 签名的漫画放进了冲刺演示，自己都没注意。
6

AI 之后数学家做什么：解更难的题、想更大的问题

陶哲轩博客刊出 Jeremy Avigad 的客座文章：过去能发表的成果，现在 AI 很容易生成，但数学「严谨推理与交流」的本质不变。

🔥 92 | 💬 50 🔗 文章 💬 讨论
工具能替你走路，替不了你决定去哪；问题选什么、什么算有意思，还是人说了算。

事实

  • 判断：目前 AI 解开的公开问题都是「拼凑已有技巧」能解的；强化学习只按最终结果打分，能练出超人的机巧，却未必有创造力和长远策略。
  • 三条建议：解更难的题；想更大的问题（像黎曼的几何讲座那样，收益分散、周期太长，没有 RL 能评估）；尝试新东西，把训练模型、做证明自动化也算数学本身。
  • 给下一代：我们和你们站在一起；数学和过去一样重要；接下来几年会非常有趣。

解读

  • 对做 AI 产品的人：一个领域里「可验证」的部分最先被自动化，「选题和评判」最后被自动化。产品价值会往后者移动。
  • 对团队：不要把会用新工具的人当技术员。会驾驭 agent 本身就是核心能力。
  • 术语：Lean = 一种定理证明器，能机器检查证明是否正确；Mathlib = Lean 上的数学库。

讨论

  • 正方有人说功劳该多分给 Lean + Mathlib：没有严格的「神谕」反馈，AI 做不成数学；正在读应用数学的学生说这篇文章让人安心。
  • 反方有人嫌「谨慎乐观」说辞空洞：没有监管，AI 终将在所有领域超过人类；也有人反驳 AI 已在解千禧年难题，「还没有新洞见」的说法站不住。
  • 有老师提醒：社会看重的是会数学推理的人，不只是能证出新定理的人。
7

一小时做个只给自己用的工具，也值得

Colin Armstrong 嫌网上的域名查询工具慢、满屏推销，用 Claude Code 三条提示、约一小时做出 heade.rs，部署在 Cloudflare。

🔥 30 | 💬 19 🔗 文章 💬 讨论
做软件的门槛降到「我想要它存在」就够了；难的变成让别人在意。

事实

  • 成果：DNS 与注册信息、实时延迟、邮件配置、HTTPS 详情；当天其余时间都花在动画和界面上，月成本不到一杯咖啡。
  • 观察：搜得到的免费工具多半是销售漏斗——查域名的人可能买域名或主机，所以页面为排名和卖货而做，不是为好用。
  • 反面：软件越便宜，发布的人越多；heade.rs 大概率排不上「domain lookup tool」的搜索结果。想被人用，还得讲清楚你为什么做。

解读

  • 对产品：「受众可以只有一个人」。很多小工具从此不需要商业模式，这会挤压那些靠 SEO 和推销活着的免费工具。
  • 对分发：供给暴增后，故事和品味成了稀缺品。讲清楚「什么让我烦、我做了什么、在意哪些取舍」，比又一个演示更能打动人。

讨论

  • 正方有人说个人软件时代来了：80% 的原型对自己够用，不用客服、不用社区；有人列出自己做的记账、移民案件跟踪、GitHub 星标整理等一串工具。
  • 反方天天用 Claude 生成前端的人说，「精致」这个词用得太重；也有人反驳，Claude 和 Codex 的产出比大多数人的业余项目都精致，甚至过于精致。
  • 独立开发者在应用泛滥里找分发：躲 Reddit 自动审核、投 Instagram 广告、进 Facebook 群；有人说接下来能分出谁会做游戏设计、谁只是会写代码。
8

Khanmigo 两年实验：AI 家教有用，但学生很少真用

田纳西州 18 所初中的整群随机试验：学生在每天的数学补习时间用 Khan Academy + AI 家教 Khanmigo（只引导、不给答案）。

🔥 17 | 💬 8 🔗 文章 💬 讨论
AI 家教的瓶颈不是能力，是使用率；给了入口不等于有人用。

事实

  • 效果：每学期数学成绩提高 1.3 个全国百分位，一学年约 0.06–0.08 个标准差；全年积极参与时估计可达 0.14。
  • 对比：这个提升和不带 AI 的 Khan Academy 练习差不多。
  • 使用：96% 的学生至少试过一次，但中位数学生只在三分之一的练习日发过消息；做错题后求助的比例只有 17%，发的多是光秃秃的答案或点推荐按钮。

解读

  • 对产品：「一键可用」不等于会被用。教育类 AI 要把引导嵌进流程，在出错的那一刻主动出现，而不是等学生来问。
  • 对评估：先量使用深度，再谈效果。不然很容易把「没人用」误判成「没用」。
  • 术语：整群随机试验 = 按班级或学校整体随机分组；标准差 = 衡量效果大小的通用单位，0.1 在教育研究里已算不小。

讨论

  • 正方有人称赞作者诚实：效果小就说小，原因也说清楚。
  • 反方有人说方向反了：老师首先要做的是让学生投入，而不是推 AI 家教；也有家长说孩子宁可要更好的空调，也不想要又一个讨厌的教育软件。
  • 有人解读：用 AI 家教和不用 AI 自学效果相当，约为真人家教的四分之一；但真人家教贵得多，哪种能让孩子坐下来学就用哪种。

扫读

9
example.com 迎来几十年最大改版

9 月 28 日起，这个给文档当示例的保留域名改用 JavaScript 轮播英、阿、中、法、俄、西六种语言的说明。

🔥 68 | 💬 44 🔗 文章 💬 讨论

就算你声明「这不是服务」，被依赖久了它就是服务。

事实

  • IANA 解释：把页面拆成极简 HTML + 单独的 JS 文件，因为大部分流量是程序，不会加载 JS，能省带宽。
  • 新文案：这个域名用于文档示例，无需许可；它不是服务，不要拿它做测试和监控。
  • 历史：1999 年上线，2002 年 3 月定下的说明文字用了很多年，中间加过 RFC 2606 链接、example.edu，2011–2013 年还曾跳转到 IANA 官网。

解读

  • 对工程：别把别人的「占位页」当健康检查目标。这正是 Hyrum 定律：接口的任何可观察行为都会有人依赖。
  • 对基建：做公共服务的人要明说边界，否则就默认签了一份「无限兜底」的隐性合同。

讨论

  • 正方IPinfo 的人说，有些网站不管维护者怎么定义，实际上就是互联网的基石服务；有人回应：所以更要讲清楚用途。
  • 有人好奇这次改版弄坏了多少自动化测试；评论发现逐字淡入的动画已被撤掉，也有人觉得新文案像 LLM 写的。
10
Flatten SF：在旧金山找最平的路

Drew Edwards 做的网页工具，在浏览器里对 16 万条街段算路线，用 USGS 1 米激光雷达高程，滑块在「最短」和「最平」之间连续取舍。

🔥 99 | 💬 30 🔗 文章 💬 讨论

把一个城市级的取舍做成一个滑块，就是好产品；数据清洗决定它准不准。

事实

  • 原理：列出所有「距离和爬升都没被别的路线同时打败」的路线；最平端按 1 英尺爬升折合 200 英尺步行为界。
  • 细节：爬升按累计计算，不是两端高差；步行允许走台阶、骑车排除；地点搜索离线内置。

解读

  • 对产品：一个滑块讲清楚帕累托取舍，比给三个固定选项更诚实。
  • 术语：帕累托前沿 = 一组「改善一项必然牺牲另一项」的最优解；DTM = 去掉建筑和树木的地表高程模型。

讨论

  • 正方有人喜欢滑块拖动时高程剖面实时变化；BikeHopper 的作者说在旧金山必须用 DTM，楼和树会让别的高程模型失灵。
  • 反方有人报告路线绕路、不准；作者回复是「慢街」标签被误读成禁止步行，已修复上线。也有人吐槽 Claude 做的界面配色和滑块让人困惑。
  • 有人希望能「绕远但坡度最小」，回复说那样上山会无限之字形绕。
11
Dust：不用反向传播也能预训练 Transformer

Q Labs 提出零阶优化方法 Dust：给每个 token 的激活加扰动，按损失降了多少打分，再平均出梯度估计，跳过反向传播。

🔥 87 | 💬 13 🔗 文章 💬 讨论

小规模实验里能追平反向传播，前提是花多得多的算力；这是在赌未来算力便宜到可以「蛮力搜索」。

事实

  • 做法：扰动激活而不是权重，每个 token 都算一个「虚拟种群成员」，一次前向就能评估一大群。
  • 结果：种群足够大时接近反向传播，部分设置下还超过；作者外推称，比权重空间进化策略 EGGROLL 高效 10³–10⁴ 倍。
  • 反直觉：更大的模型更省种群，243M 参数的模型在多数种群规模下胜过小 120 倍的模型；实验规模到 10 亿 token、基础模型 8 层宽 512。

解读

  • 对行业：如果不必可微，模型结构的选择会大很多。这条路离大模型训练还远，但值得关注。
  • 术语：反向传播 = 从损失往回算每个参数梯度的标准方法；零阶优化 = 只看「试一下结果好不好」，不求导；进化策略（ES）= 随机扰动一群候选、按表现更新。

讨论

  • 有人问能否只拿它微调已用反向传播训好的模型；有人觉得最意外的是大模型反而更省种群。
  • 有人问它是不是「更费算力但更好并行」；回复说反向传播本来就是矩阵乘、很好并行，真正能完全异步的是预测编码这类方法。
12
从 Deno 搬回 Node：Node 变好了

前端开发者 David Bushell 为客户项目重拾 Node，发现新语法全支持、API 现代化，迁移自己的静态站生成器后构建快了 15%。

🔥 40 | 💬 5 🔗 文章 💬 讨论

老牌工具追上来之后，新挑战者的差异化很快就没了。

事实

  • 迁移：只需把 Deno 的文件 API 换成 node:fs、Deno.serve 换成 Hono 的 Node 适配器。
  • 防护：用 FNM 管版本、用 pnpm 拦截安装脚本，并设最短发布时长 1 天，防供应链投毒。
  • 不满：Node 拒绝剥离 node_modules 里的 TypeScript 类型；他认为 Deno 公司停止创新，还遇到 ZSH 集成坏、JSR 频繁 429、并发 HTTP 出错。

解读

  • 对平台：自定义 API 会把用户锁进单独的生态；用户为了可移植最终还是写 Node API，自家优势就被稀释了。
  • 对安全：minimumReleaseAge 这类「延迟升级」设置，是对付 npm 投毒最便宜的办法。

讨论

  • 有人说想要 Deno 成功，但 Deno 自有 API 让应用变成「Deno 应用」，形成两个生态。
  • 有人更喜欢 Bun，尽管它被 Anthropic 收购后有争议；也有人问 Bun 的优势在哪。
13
Lemire：让 agent 在你的库上搭个一次性应用来测试

Daniel Lemire 提出「临时测试」：写完一个组件，让 AI agent 在上面搭应用并测试，然后整个扔掉，只看上层做得顺不顺。

🔥 27 | 💬 3 🔗 文章 💬 讨论

agent 用你的库时卡在哪，就是你的 API 哪里不好。

事实

  • 判据：API 干净、不变量稳定、报错有用的库，agent 很快能做出能用的东西；隐藏状态、反直觉默认值、文档不全，会换来一堆补丁和失败。
  • 用法：换不同 agent、不同任务，同一个底座反复试；用模拟上层来代替「猜上层需要什么」。
  • 作者说，AI 能随时重写一切的说法不现实，底层仍需要稳定。

解读

  • 对产品：开发者体验可以批量测了。让 agent 当「第一个用户」，失败记录就是 DX 问题清单。
  • 对团队：把 agent 写的「用户故事」和它做的 hack 收集起来，比让它直接审代码更有信息量。

讨论

  • 正方有人说早就这么做：让 agent 汇报搭建过程中的「用户故事」和不得不做的变通，作为下一轮修改的依据；有人叫它「vibe check」。
  • 也有人调侃：刚把 CI 里的 AI 账单降下来，又有新的花 token 的办法了。
14
Gwern 设计枯山水耙沙谜题 Samon

Gwern 与 Claude-5.5-opus 合写的完整游戏设计：小和尚走进沙庭，要一笔把沙耙满、不交叉、最后退回门口，附可玩原型和 148 关。

🔥 10 | 💬 1 🔗 文章 💬 讨论

规则松就加评分，评分不够再加一条物理规则——好谜题是调出来的。

事实

  • 数据：空的 7×7 沙庭有 151 万种合法耙法；按转弯次数计分后，只有 66 种达到最少 12 次。
  • 关键规则「宽耙」：开阔沙地不能掉头，让多数关卡只剩几种甚至唯一解。
  • 设计：7 个世界、每个加一条规则；提示是关于玩家当前路线的「证明」；每关奖励一首古诗。

解读

  • 对产品：用求解器批量测关卡，能量化难度分布，而不是靠感觉。
  • 术语：哈密顿路径 = 恰好经过每个格子一次的路线。

讨论

  • 仅 1 条评论：出人意料地深，也很贴合枯山水本身的意境。
15
选票洗牌漏洞 4 年未修，AI 几小时就能还原

普林斯顿 CITP 博文：作者不是安全研究员，用 20 美元的编码 agent 和公开记录，几小时内还原了佐治亚州 2026 年 5 月初选 152 万张现场选票的投票顺序。

🔥 13 | 💬 0 🔗 文章 💬 讨论

AI 拆掉的是「漏洞公开」和「真被利用」之间那道专业门槛；拖着不打补丁的代价变大了。

事实

  • 漏洞：2022 年披露，部分扫描仪给选票分配的「随机」编号其实可逆，能排回投票顺序；修正版 2023 年 3 月已认证，但佐治亚等州没装。
  • 结果：139 个县中 114 个可还原，占这些县现场选票的 98.9%；仅靠两份公开文件，约 1% 的提前现场投票者可被唯一锁定。
  • 再加扫描仪审计日志和签到记录，小县 Heard 的 650 名提前投票者大多能对上具体选票；agent 全程没有拒绝。

解读

  • 对安全：过去「太难利用、不急着修」的漏洞，现在都该重新排优先级。
  • 对数据发布：单份脱敏数据安全，不等于和别的公开数据拼起来还安全。

讨论

  • 截至抓取时 HN 上 0 条评论，暂无讨论可总结。
16
Szegedy：数学没完，是要「毕业」了

AI 研究者 Christian Szegedy 用「丛林探险 vs 飞机」作比：数学家是徒步攀岩的探险家，AI 是刚学会起飞的飞机。

🔥 27 | 💬 26 🔗 文章 💬 讨论

他的判断比 Avigad 激进得多：别赌飞机飞不高，数学会变成一门产业。

事实

  • 比喻：猜想像岩石，攀爬是为了磨炼工具；飞机已能在几块无人攀过的岩石上降落（解了几个猜想），但还飞不高、很贵。
  • 预测：「AI 不会提猜想、不会建理论」描述的是去年春天的模型；英雄式的独攀会贬值，选方向、指挥机队、向外界解释会更重要。
  • 结论：数学将成为所有科技进步的基础设施，比过去更辉煌、更有用，也更平凡。

解读

  • 对行业：同一天两篇文章，一篇说「人来决定什么有趣」，一篇说「别把身份押在 AI 做不到 X 上」，两种都值得记住。
  • 对团队：被自动化的通常是「证明自己很强」的那部分工作，评价体系会比机构变得更快。

讨论

  • 正方有人说这像是认为望远镜会终结天文学；也有人说象棋没有因 Stockfish 结束。
  • 反方有人反感「数学变产业」的未来，觉得没有灵魂；也有人说证明能力本来是筛选数学教授的方式，这对他们是打击。
  • 有人提出：自动定理证明几十年前就有人预见，只是编码太繁琐没人做，AI 公司抓住了这个机会。
17
最后防线备份：把 M-Disc 光盘封箱交给朋友

John-Paul Bader 把最重要的数据刻进 3 张蓝光 M-Disc，装进加泡棉的防水箱、贴封条，分给几位信得过的朋友，每 1–3 年换一次。

🔥 56 | 💬 53 🔗 文章 💬 讨论

离线、异地、可验证未被拆封，是个人备份里最容易被忽略的一层。

事实

  • 内容：用 paperless-ngx 整理的文件、音乐、精选相册、从零重建数字生活所需的东西；最关键的数据加密压缩。
  • 装备：约 34 欧元的 B&W Type 500 箱子、不会老化发黏的 PE 泡棉、自制标签和防拆封条；换箱时先查封条是否完好。
  • 附带：箱里放不放密码由你定，放了它也能当数字遗产。

解读

  • 对个人：备份不只是多一份，而是要能回答「房子烧了、账号丢了怎么办」。
  • 对介质：介质会过时，驱动器也会。长期存档要把「将来用什么读」一起规划。

讨论

  • 正方有人说小银行就这么做，每天用信使在分行之间交换密封的灾备箱；有人从 2016 年起就这么做，每年用 par2 校验、出错就重刻。
  • 反方有人改买 LTO-6 磁带机，大数据量更划算；也有人提醒蓝光刻录机越来越少，先锋据说已停产，最好连读取器一起存。
  • 也有人怀疑现在的 Verbatim M-Disc 蓝光和普通 BD-R 差别不大。
18
《算法竞赛手册》再上首页

Antti Laaksonen 的免费 PDF（2018 版），从复杂度、排序、数据结构讲到动态规划和图论，配套 CSES 题库。

🔥 113 | 💬 23 🔗 文章 💬 讨论

AI 写码时代，有人把刷题当成「练脑子的健身」，而不是求职工具。

事实

  • 内容：基础技巧、时间复杂度、完全搜索、贪心、动态规划等，示例用 C++。
  • 延伸：有更完整的 Springer 出版版本；CSES 上有配套题集。

解读

  • 对个人：在大量用 agent 之后，自己动手解题能找回「想得很辛苦然后想通」的感觉。
  • 对招聘：刷题和真实工作的距离更远了，但它仍是少数能直接看出思考能力的方式。

讨论

  • 正方有人说它既是好的算法参考，也适合面试准备；有人用 Codeforces、LeetCode 给重度用 agent 的日常「排毒」。
  • 反方有人说 agent 写码之后，竞赛编程对实际工作已帮助不大；也有人觉得书写得取巧难读，推荐 Zingaro 的《Algorithmic Thinking》。
  • 有人借题说要开始给这个行业「设门槛」，引来不少反对。
19
DEDA：读出并抹掉打印机的黄色追踪点

德累斯顿工大的开源工具：几乎所有彩色激光打印机都会印上肉眼难见的黄点，编码序列号等信息；DEDA 能解码，也能加掩码匿名化。

🔥 26 | 💬 2 🔗 文章 💬 讨论

你打印的每一页都可能在说「我来自哪台机器」。

事实

  • 功能：从 300 dpi 无损扫描件读出追踪点；在一批文件中找出来自不同打印机的那份；分析未知图案；生成匿名掩码。
  • 安装：pip 安装，有 GUI；GPL-3.0 许可，GitHub 约 2.6k 星；基于 2018 年 ACM IH&MMSec 论文。

解读

  • 对隐私：硬件层的元数据往往不在用户视野里，也没有开关。
  • 对产品：做打印或文档工具时，「输出里带了什么隐藏信息」也是隐私问题。

讨论

  • 仅 2 条评论：有人说 OpenPrinter 据称默认不印这种点，法律也没强制；另一人调侃他们会等来「穿西装戴墨镜的访客」。
20
AI 学爵士钢琴家的风格

ISMIR 2026 论文：在钢琴 MIDI 预训练模型 Aria 上加门控交叉注意力，按 12 位爵士钢琴家各自的嵌入生成续奏。

🔥 11 | 💬 1 🔗 文章 💬 讨论

把「风格」做成一个能一直被参考的向量，比塞进提示词更稳。

事实

  • 效果：用分类器检验，带条件生成被认成目标钢琴家的比例为 70%，不带条件为 37%；只用生成音乐训练的分类器识别真实录音准确率 95%。
  • 灵感：Dick Hyman 1994 年写的 15 首仿大师练习曲；作者 Drew Edwards 也是今天 Flatten SF 的作者。

解读

  • 对产品：每一步都参考风格嵌入，条件不会像提示前缀那样越生成越淡。
  • 术语：交叉注意力 = 让生成过程「查看」额外信息（这里是钢琴家嵌入）；MIDI = 记录音符而非声音的格式。

讨论

  • 反方仅 1 条评论，语气很冲：启发它的那本书是艺术家多年研究的成果，让 AI 按指令吐出假 Bill Evans 不算本事。
21
12 款 Zigbee 温湿度传感器横评

SmartHomeScene 买了 Aqara、Sonoff、Tuya 等 12 款 15 美元以下的传感器，放在一起对比经过校准的参照传感器。

🔥 25 | 💬 5 🔗 文章 💬 讨论

精度都能在软件里校准，真正该比的是电池、尺寸和能不能改上报间隔。

事实

  • 方法：参照传感器先在肉店里用政府定期校准的温度计对过；全部用 Zigbee2MQTT 接入，同一网络、同一距离。
  • 结论：三款不能调上报间隔，作者不优先推荐（其中 Aqara 那款精度和续航好，算半个及格）；最佳综合是 Sonoff SNZB-02P。

解读

  • 对智能家居：便宜传感器没屏幕反而好，偏差能在 Home Assistant 里统一修。
  • 对选品：「连得稳」不在规格表上，却最决定体验。

讨论

  • 反方有人说千万别买 Aqara，老是掉线；也有人用了一年多没问题，怀疑是 Aqara 的 Zigbee 实现漫游不好，挪了位置就掉。
  • 有人分享用饱和盐溶液做湿度校准，测下来最准的是 CentraLite 3310-G。
22
老论文 Dostoevsky：LSM 树少做无用合并

哈佛 Niv Dayan 与 Stratos Idreos 的 SIGMOD 2018 论文：主流 LSM 键值存储在每一层都做同样昂贵的合并，其实除最底层外大多白做。

🔥 13 | 💬 0 🔗 文章 💬 讨论

存储引擎的很多「默认配置」，其实是没被认真算过的取舍。

事实

  • 方法：Lazy Leveling 只在最大一层合并，写入更便宜，点查、范围查和空间开销的上界不变；Fluid LSM-tree 把整个设计空间参数化。
  • 实现：在 RocksDB 上实现 Dostoevsky，按负载和硬件自动选取合适的取舍，论文称全面优于当时的方案。

解读

  • 对基建：写多读少和读多写少的系统，不该用同一套合并策略。
  • 术语：LSM 树 = 先写内存、再批量刷盘合并的存储结构（RocksDB、Cassandra 等在用）；合并（compaction）= 把多个有序文件合成一个、清掉旧数据。

讨论

  • 截至抓取时 HN 上 0 条评论，暂无讨论可总结。
23
得州小城要 230 万美元才肯公开 Flock 摄像头记录

Ars Technica：Fort Worth 郊区北里奇兰希尔斯称，检索约 1TB 关于 Flock 错误、滥用和效果的通信需要 14 年人工，按每小时 15 美元收费。

🔥 72 | 💬 6 🔗 文章 💬 讨论

公开记录的价格本身就是一种封锁。

事实

  • 对比：同一个申请人向 200 多个执法机构要过类似记录，有的免费给了 40 多万页，有的收 5000 美元；休斯敦一家电视台被报价 12.1 万美元。
  • 背景：一名得州前警察滥用 Flock 的事因 USA Today 的公开记录申请曝光，据报已认 100 项滥用公务信息重罪；州长随后暂停 Flock 资助。
  • 司法：俄克拉何马一名联邦法官认定，只因车牌来自加州就搜索 Flock 数据库属违宪搜查；Flock 认为该判决会被推翻。

解读

  • 对监控类产品：审计与透明是产品的一部分。查不出谁在用、怎么用，迟早会被政治拿掉。
  • 术语：ALPR = 自动车牌识别；FOIA/公开记录申请 = 公众依法要求政府交出文件。

讨论

  • 正方有人分享自己被报价 3300 万美元的经历，建议先要一小部分，以此证明真实耗时，或帮政府想办法降低审查成本。
  • 有人说数据难到拿不出来，就说明系统本身没带来好处；也有人认为政府数字记录本就该免费公开。
24
用 Haskell 写 GTK 应用（一）

Floréal Technologies 的教程：用 GTK 4 + Adwaita + haskell-gi 做待办应用，用 Elm 架构（模型-视图-更新）驯服 GTK 的命令式风格。

🔥 130 | 💬 31 🔗 文章 💬 讨论

把界面交互全部建模成数据和消息，是让任何 UI 框架变可测的老办法。

事实

  • 架构：Model 存状态，Message 枚举用户操作，update 返回新模型和副作用列表（如保存到磁盘），可在 GHCi 里直接测。
  • Adwaita 是 GNOME 的组件库，封装了人机界面规范，自带响应式布局和明暗主题切换。

解读

  • 对工程：副作用作为返回值而不是直接执行，测试和回放都容易得多。
  • 术语：Elm 架构 = 状态、视图、更新三分的 UI 模式；haskell-gi = 从 GTK 库自动生成 Haskell 绑定的工具。

讨论

  • 正方有人调侃这再次证明 Haskell 是最好的命令式语言；有人贴出 GTK4/Adwaita 应用列表，说明 GTK 还有人在用。
  • 反方有人吐槽 GTK4 改动太大、旧用法大量失效；也有人说 Haskell 在 Linux 上打包麻烦，回复说那是发行版的问题。
  • 博客页面本身滚动很卡，有人给出了 CSS 修法。
25
全球太阳能地图：各地光伏发电潜力一览

Global Solar Atlas 是一张交互地图，可查任意地点的光伏发电潜力（PVOUT），也能按国家和地区下钻；数据来自 Solargis。

🔥 9 | 💬 7 🔗 文章 💬 讨论

光照差的地方也有不小潜力；面板便宜之后，决定成败的更多是怎么装。

事实

  • 页面是 JavaScript 地图应用，抓取只拿到图层名和版权信息，以下内容主要来自 HN 评论。
  • 评论整理的高潜力地区：澳大利亚全境、智利（地图最深）、南美多国、中美洲、美国西部、非洲、中东、蒙古和中国西北。

解读

  • 对能源：同纬度差别很大。干燥、高海拔、少森林的地方更好，海洋性湿气会削弱日照。
  • 术语：PVOUT = 单位装机容量的年发电量估计。

讨论

  • 有人发现阴沉的英国潜力「只」有澳大利亚一半，加拿大北部比同纬度欧洲高；蒙古的发电量约为同纬度加拿大的 1.8 倍，因为干燥、高海拔。
  • 有人认为面板已很便宜，屋顶、阳台和立面光伏就近发电，可以少建电网；也有人吐槽网站劫持了返回键。