Hacker News
The West forgot how to make things, now it’s forgetting how to code
软件工程的“雾银行”：从国防工业的教训中汲取经验 (The "Fogbank" in Software Engineering: Lessons from the Defense Industry)
这篇文章探讨了当前软件行业面临的人才危机，并将其与国防工业在武器生产方面的历史性失误进行类比。文章的核心观点是，过度追求效率和成本优化，导致关键知识的流失，最终会在危机时刻导致生产能力崩溃。
核心内容：
- 国防工业的教训：
- Stinger导弹生产危机： 俄乌战争爆发后，对Stinger导弹的需求激增，但由于多年未生产，生产线停滞，相关技术人员退休，导致重启生产面临巨大挑战，交付时间长达四年。
- 欧洲军火生产困境： 欧盟承诺在一年内提供一百万枚炮弹，但实际产能仅为官方宣称的三分之一，交付时间延误九个月。问题的根源在于多年来的生产线关闭、缺乏关键原材料和优化生产以满足小批量高价定制需求。
- “雾银行”事件： 美国在核武器计划中，由于关键技术人员退休，导致无法复制一种名为“雾银行”的关键材料，即使花费数百万美元进行逆向工程，也需要多年才能成功，最终发现最初材料的关键成分是偶然产生的，仅有生产过该材料的工人才知情。
- 共同的模式： 无论国防工业还是软件行业，都出现了类似的模式：在和平时期，为了降低成本，削减关键能力，导致人才流失和知识积累不足。当危机爆发时，这些削减带来的后果显现出来，生产能力无法满足需求。
- 软件行业的现状：
- 人才管道崩溃： 软件行业也在经历类似的人才优化，裁员、减少初级工程师招聘，以及对AI工具的过度依赖，导致缺乏经验丰富的工程师。
- 理解危机： 软件工程师的理解能力正在下降，无法有效评估和纠正AI生成的代码，导致代码质量下降。
- AI工具的局限性： 实验表明，即使使用AI编码工具，经验丰富的开发人员在实际任务中反而花费了更多的时间。
- 关键点：
- 知识积累需要时间： 无论是国防工业还是软件工程，都需要漫长的时间积累专业知识。例如，潜艇设计需要十年以上的经验，国防行业的学徒期需要两到四年的时间。
- 不能通过资金解决问题： 解决人才危机不能仅仅依靠资金投入，需要培养下一代工程师，并传承经验。
- 危机不可预测： 突发危机往往难以预料，需要提前做好准备，建立强大的生产能力。
总结：
文章警示软件行业不要重蹈国防工业的覆辙，过度依赖AI工具和削减人才投资，导致关键知识的流失。 应该重视人才培养，建立健全的知识传承体系，以应对未来可能出现的危机。 就像国防工业的教训一样，忽视了人才积累的长期投资，最终会付出惨痛的代价。
|
|
Trump fires NSF's oversight board
https://www.science.org/content/article/trump-fires-nsf-s-oversight-board
|
Tell HN: An app is silently installing itself on my iPhone every day
Headspace App Reinstallation Issue: Summary
This discussion thread centers around a widespread issue where users are unexpectedly finding the Headspace meditation app reinstalled on their iPhones, even after having deleted it. The problem appears to have begun recently, with many users reporting the app reappearing on their home screens and in the app list.
Key Points and Theories:
- Historical Precedent: A similar bug occurred in 2017 with iOS 11.1.2, causing endless crash loops related to time-based notifications.
- Possible Causes:
- Apple Bug: The most prevalent theory suggests a bug within Apple's operating system (iOS), potentially related to app management, automatic downloads, or iCloud syncing. Some speculate it could be an issue with test data bleeding into production.
- MDM (Mobile Device Management): Users with work iPhones and MDM profiles have been considered as potentially affected, as these profiles could be forcing app installations.
- App Store Glitch: Another theory involves a malfunction within the App Store itself, perhaps related to promotional bundles or a misconfigured setting.
- Unlikely Malicious Intent: While some initially suspected a deliberate exploit by Headspace, most users consider this unlikely due to the potential legal and reputational consequences.
- Contributing Factors:
- Previous Installation: The issue seems to primarily affect users who have previously installed Headspace.
- iOS Version: The problem appears to have started with iOS 26.4.2.
- iCloud and Apple Watch: Connections to iCloud and the existence of a corresponding Apple Watch app might play a role.
User Experiences:
- Users report the app re-appearing even with automatic downloads turned off.
- Some users successfully prevented reinstallation by canceling the download process.
- One user reported fixing the issue by signing out and back into "Media & Purchases".
Overall Sentiment:
The general consensus is that this is most likely an Apple-related bug rather than a deliberate action by Headspace. Users express frustration with Apple's secrecy and lack of incident reports.
|
EU Age Control: The trojan horse for digital IDs
欧盟年龄控制应用：营销与现实的差距 (欧盟年龄控制应用程序：营销与现实之间的差距)
本文分析了欧盟年龄控制应用程序，揭示了其宣传与实际运作之间的差距，并提出了对该系统潜在问题的担忧。
核心问题：
- DSA 回退： 欧盟数字服务法 (DSA) 允许平台使用传统的“了解你的客户” (KYC) 提供商来验证年龄，而不是采用隐私保护的钱包。这使得隐私保护功能成为可选的，平台更有可能选择更便捷的 KYC 方案。
- 应用锁定： 谷歌和苹果决定哪些软件可以在手机上使用该系统，这限制了开放性和选择性。
- 系统弱点： 实际使用的加密技术与营销宣传不符。隐私保护的关键依赖于钱包的行为而非数学原理，且存在无法阻止的“中继攻击”风险。
发展历程：
最初，该项目被定位为欧盟官方应用，但随后逐渐转变为“年龄验证解决方案工具箱”，供各成员国自行构建。这意味着最终不会出现单一的欧盟应用，而是每个国家将开发自己的验证应用程序。
技术实现：
- 高安全性路径： 使用护照 NFC 芯片，扫描 MRZ 代码获取密钥解密芯片数据，并进行人脸匹配以防止欺诈。
- MRZ 路径： 仅拍摄身份卡照片，但参考应用推荐使用高安全性路径，各国应用可能不会支持此方法。
- 加密技术： 宣传使用零知识证明 (ZK)，但当前参考应用使用的是较旧的签名技术，ZK 功能尚未启用。隐私保护依赖于钱包一次性使用凭证，而非加密算法本身。
隐私考量：
- 数据流： 流程以本地优先为原则，但需要服务器颁发凭证。
- 隐私限制： 平台无法得知用户的身份或关联其账户，但可以推断用户国籍。
- 中继攻击： 存在儿童通过代理服务使用成年人的钱包进行验证的风险，该协议无法有效阻止此类攻击。
其他担忧：
- 设备限制： 应用需要经过谷歌或苹果认证的设备才能使用，这意味着无法在 Linux 手机、GrapheneOS 或华为手机上使用。
- 潜在滥用： 可能会被用于数字欧元等其他目的，并可能导致政府对用户进行远程控制。
- 自审查： 即使证明是匿名的，用户也可能因为担心被追踪而对自己的行为进行自我审查。
结论：
欧盟的年龄验证应用最终可能无法按计划实施，平台更有可能采用传统的 KYC 方法。即使实施了，其隐私保护功能也依赖于钱包行为，而非加密算法。该系统存在设备锁定、中继攻击等问题，并且可能被滥用于政府控制。 尽管该系统旨在保护儿童，但其局限性值得警惕。
|
The AI industry is discovering that the public hates it
人工智能发展引发公众反弹：暴力事件与信任危机 (Rén gōngzhìnéng fāzhǎn yǐnfā gōngzhòng fǎntàn: Bàolì shìjiàn yǔ xìnrèn wēijī)
本文概述了人工智能（AI）行业发展面临的公众反弹，以及由此引发的暴力事件和信任危机。
主要事件与背景：
- 暴力事件： 4月10日，OpenAI CEO山姆·阿尔特曼的住所遭到袭击，嫌疑人使用燃烧瓶袭击。3天前，印第安纳波利斯市议员罗恩·吉布森的住宅也遭到枪击，并在门上留下“反对数据中心”的字条。这两起事件均被认为是出于政治动机的暴力行为。
- 斯坦福大学人工智能指数报告： 斯坦福大学发布了2026年度人工智能指数报告，显示了AI专家对AI未来发展的前景与公众反应之间的巨大差距。专家对AI对就业和经济的长期影响持积极态度，而公众则普遍认为AI会导致失业，对AI持负面态度。
- Gen Z的态度转变： 根据盖洛普2026年3月调查显示，Gen Z对AI的积极情绪显著下降，而负面情绪显著上升。
公众反弹的原因：
- “精英政治项目”： 记者Jasmine Sun将这种公众反弹定义为一种将AI视为“精英政治项目”的世界观，认为AI是由“与普通民众脱节的亿万富翁”制造并强加给不愿接受的公众的。
- AI行业公关失误： AI行业领导者（如阿尔特曼和Anthropic的Dario Amodei）常常在公开场合描绘极端场景，例如AI毁灭人类或取代人类工作。这些宣传与普通民众的日常担忧（如就业市场不稳定、贫富差距扩大、生活成本上涨）脱节。
- 数据中心建设的负面影响： AI行业需要大量数据中心，这导致当地居民的电费上涨，引发不满。
- AI应用效果不佳： 尽管投入了巨额资金，但据国家经济研究局2026年2月报告，80%的公司在使用AI后并未提高生产力。MIT的一项研究显示，95%的企业AI试点项目没有产生回报。
行业的回应与问题：
- 政策建议： OpenAI发布了《人工智能时代工业政策白皮书》，提出了建立公共财富基金、改革社会保障体系、以及实时衡量AI对工作影响等建议。Microsoft也推出了“社区优先AI基础设施倡议”，承诺补贴社区的电费并减少水资源消耗。
- 言行不一： 然而，这些承诺缺乏独立的问责机制，并且OpenAI的总裁Greg Brockman向反对州级AI监管的超级政治行动委员会捐款，OpenAI也支持伊利诺伊州的一项旨在使其免受AI模型造成的大规模伤害的法案。这反映出AI行业在言行上存在不一致的情况。
- 信任危机： 罗南·法罗在《纽约客》的报道指出，山姆·阿尔特曼经常公开支持一种立场，然后迅速改变立场以符合公司的利益。
结论：
为了重建公众信任并创造真正惠及公众的技术，AI行业需要采取切实的行动，包括：
- 公开透明地展示AI产品的能力
- 愿意接受有意义的监管和承担责任，即使这会带来经济成本
- 在数据中心建设等问题上，真正听取社区的意见
否则，这种日益增长的人工智能民粹主义运动将继续扩大，暴力事件的风险也会随之增加。
|
Using coding assistance tools to revive projects you never were going to finish
使用 Claude Code 辅助构建 YouTube Music 到 OpenSubsonic 的桥接项目总结
本文讲述了作者利用 Claude Code 辅助完成一个长期搁置的个人项目：将 YouTube Music 作为 OpenSubsonic 客户端的桥接（shim）。该项目旨在将 YouTube Music 的音乐内容通过 OpenSubsonic API 暴露给各种客户端，从而实现跨平台音乐播放。
项目背景与技术选型:
- Tsundoku 类项目: 作者将该项目定义为类似“Tsundoku”的概念，即购买但未读的书籍，代表着那些原本想做却因各种原因未完成的项目。
- OpenSubsonic: 一个 API 规范，用于解耦音乐流媒体客户端和服务器。作者选择了 Navidrome 作为服务器，Feishin 作为桌面客户端，Symfonium 作为 Android 客户端。
- 核心技术: 使用 FastAPI 构建服务器，Pydantic 进行数据建模，
ytmusicapi 库进行 YouTube Music 元数据查询，yt-dlp 进行音乐流媒体传输。
项目实施流程:
- 环境搭建: 创建一个包含 FastAPI、Pydantic、
ytmusicapi 和 yt-dlp 依赖项的 UV 项目，并添加 OpenAPI 规范、README 文件和 TODO 文件。
- MVP 实现:
- 规划模式: 使用 Claude Code 的规划模式，逐步细化项目需求。
- stub 代码: 首先让 Claude Code 基于 OpenAPI 规范生成所有 API 端点的 stub 代码。
- 核心功能: 随后，作者引导 Claude Code 实现搜索歌曲和流媒体功能，并结合实际测试和错误日志进行迭代优化。
- 完善功能: 在 MVP 基础上，作者进一步添加了以下功能：
- 缓存: 针对
ytmusicapi 调用添加简单缓存，避免超出使用限制。
- 数据库: 使用 SQLite 存储音乐元数据，并实现浏览类 API。
- 本地存储: 将流媒体歌曲保存到本地磁盘，并添加断点续传功能。
- 跳过认证: 由于该项目并非面向发布，作者跳过了复杂的认证机制。
项目成果与反思:
- 项目名称: 作者将项目命名为 "Sub-standard"，寓意其虽然功能完善，但并非完美无瑕。
- 效率提升: 借助 Claude Code，作者在短时间内成功构建了一个可用的 YouTube Music 到 OpenSubsonic 的桥接服务。
- 个人反思: 作者认为，AI 辅助编码可以实现一些原本难以完成的个人项目，但同时也强调了继续进行具有挑战性的学习和成长项目的重要性，避免过度依赖 AI 导致技能退化。
总结:
该文章以作者的亲身体验为基础，展示了如何利用 Claude Code 辅助完成一个复杂的个人项目。该项目不仅实现了 YouTube Music 和 OpenSubsonic 之间的桥接，也为 AI 辅助编码在个人项目中的应用提供了一个案例。作者也对过度依赖 AI 带来的潜在风险进行了反思，强调了持续学习和挑战的重要性。
中文翻译的说明：
- 尽量保持原文的结构和逻辑。
- 对一些专业术语进行了翻译，例如“shim”翻译为“桥接”，OpenAPI 规范等。
- 对一些口语化的表达进行了调整，以使其更符合中文表达习惯。
- 保留了原文中的脚注。
|
USB Cheat Sheet (2022)
USB 快速参考 (USB Cheat Sheet) 总结
这份文档旨在提供 USB 技术相关的快速参考，以避免因理解错误而浪费时间。
1. USB 标准及速度 (USB Standards and Speeds)
| 营销名称 (Marketing Name) |
别名 (Also Known As) |
信号 Mbps (Signal Mbps) |
信号 MiB/s (Signal MiB/s) |
导线数 (Wires) |
线缆长度 (Cable Length) |
| USB 1.1 |
全速 (Full Speed) |
12 |
1.5 |
4 |
4m |
| USB 2.0 |
高速 (Hi-Speed) |
480 |
60 |
4 |
4m |
| SuperSpeed USB 5Gbps |
USB 3.0, USB 3.1, USB 3.2, USB 3.1 Gen 1, USB 3.2 Gen 1 |
5000 |
625 |
8 |
3m |
| SuperSpeedPlus USB 10Gbps |
USB 3.1, USB 3.2, USB 3.1 Gen 2, USB 3.2 Gen 2 |
10000 |
1250 |
8 |
2m |
| SuperSpeedPlus USB 20Gbps |
USB 3.2, USB 3.2 Gen 2x2 |
20000 |
2500 |
12 |
1m |
| USB4 20Gbps |
USB4 Gen 2x2, USB4 |
20000 |
2500 |
12 |
0.8m |
| USB4 40Gbps |
USB4 Gen 3x2, USB4 |
40000 |
5000 |
12 |
0.8m |
2. USB 版本命名规范 (Gen Naming Convention)
- Gen A x B:
- A = USB 版本代号 (Generation)
- B = 使用的通道数 (Number of lanes)
3. 通道及速度 (Lanes and Speed)
| 名称 (Name) |
信号速率 (Signal Mbps) |
总信号速率 (Sig Total Mbps) |
编码方式 (Encoding) |
有效数据速率 (Effective Mbps) |
有效数据速率 (Effective MiB/s) |
实际读取速率 (Real Life Mbps) |
| USB 3.2 Gen 1x1 |
5000 |
5000 |
8b/10b |
4000 |
500 |
400 |
| USB 3.2 Gen 1x2 |
5000 |
10000 |
8b/10b |
8000 |
1000 |
800 |
| USB 3.2 Gen 2x1 |
10000 |
10000 |
128b/132b |
9696 |
1212 |
780 |
| USB 3.2 Gen 2x2 |
10000 |
20000 |
128b/132b |
19392 |
2424 |
1600 |
| USB 4 Gen 2x2 |
10000 |
20000 |
128b/132b |
19392 |
2424 |
1600 |
| USB 4 Gen 3x2 |
20000 |
40000 |
128b/132b |
38787 |
4848 |
2700 |
- 多通道系统使用通道条带化 (TX) 和通道绑定 (RX) 技术。
- "a" 代表标称速率。
- "b" 代表包含编码开销的速率。
- "c" 代表实际的顺序读取速率。
4. 线缆 (Cables)
- 4 根线：电源 (PWR)、地 (GND)、D+、D-
- 8 根线：电源 (PWR
|
Asahi Linux Progress Linux 7.0
Asahi Linux 7.0 进展报告：自动化、传感器、电源管理及更多
Asahi Linux 团队发布了关于 macOS 设备 Linux 支持的最新进展报告，重点关注了 6.x 内核系列的演进以及即将到来的 Linux 7.0。
1. 自动化安装程序更新: 安装程序更新流程过去耗时且需要管理员权限。现在，安装程序已通过 GitHub 工作流自动化，并移至 asahi-installer-data 仓库，方便独立更新。最新版本 0.8.0 包含 m1n1 stage 1 二进制文件升级至版本 1.5.2，对 Mac Pro 增加支持，并引入了固件更新模式。
2. UEFI 安装和 Devicetree 问题: Asahi 安装程序提供 UEFI 仅安装选项，允许用户从 Asahi 支持的 LiveCD 启动。然而，由于 Devicetree 绑定变更，内核与 Devicetree 不匹配导致 6.18 及更高版本内核无法从 LiveCD 启动。自动化更新解决了此问题。
3. 光传感器（ALS）支持: Apple 设备使用光传感器自动调整亮度并校正色彩 (True Tone)。Asahi 团队利用 Always-On Processor (AOP) 驱动光传感器，但原始数据不准确，需要从 macOS 获取并上传的校准固件。新流程允许在 macOS 或 macOS 恢复模式下通过 Asahi 安装程序自动更新固件，并将固件存储在 EFI 系统分区中。
4. 电源管理优化: M1 Pro 及更高版本的 SoC 存在高闲置功耗问题。通过驱动程序支持 Power Management Processor (PMP)，团队成功减少了 14 英寸 M1 Pro MacBook Pro 闲置时的功耗，降低了约 20%。
5. 蓝牙修复: 解决了蓝牙和 WiFi 之间的干扰问题。通过支持 Broadcom 厂商扩展，高优先级音频流将获得更高的优先级，从而减少了蓝牙音频断流情况。
6. 显示控制器 (DCP) VRR 支持: 团队发现了一个 DCP 参数，用于控制 VRR 功能。通过修改 Linux DCP 驱动程序，成功激活了 VRR。虽然目前无法通过用户空间直接控制，但可以通过设置 appledrm.force_vrr 内核模块参数强制启用 VRR。
7. 音频栈改进: 将 Cirrus Logic 和 Texas Instruments 音频驱动程序上游，并实现了对 CS42L84 头戴式耳机芯片的硬件支持，允许使用 44.1、88.2、176.4 和 192 kHz 采样率。
8. M3 支持: 已在 Asahi 内核中添加对 M3 机器的 PCIe、键盘、触控板、RTC、以及 NVMe 控制器的支持，使其与 M1 的支持水平相当。
9. Fedora Asahi Remix 44: 预计将于 4 月 28 日发布，将采用 Plasma Setup 和 Plasma Login Manager，并移除定制的 Mesa 和 virglrenderer 包，使用上游 Fedora 仓库中的版本。
总而言之，Asahi Linux 团队在硬件支持、自动化、性能优化和用户体验方面取得了显著进展，为在 Apple 设备上运行 Linux 提供了更强大的支持。
|
Framework Laptop 13 Pro: Major Upgrades and Linux Front and Center
Framework Laptop 13 Pro：总结
Framework 公司以其可维修的笔记本电脑而闻名，其产品以高质量硬件和易于升级的特性著称，但也存在一些不足之处，例如铰链较弱、音质较差和电池续航时间短。然而，Framework 公司在 2026 年 4 月 21 日宣布了新的硬件项目，其中最引人注目的是 Framework Laptop 13 Pro，旨在解决前几代产品的诸多缺点。
主要特点：
- 全新设计： 采用了全新的 CNC 加工 6000 级铝合金机身，更加坚固，解决了屏幕晃动的问题。提供石墨黑（黑色）和银色两种颜色选择，重量为 1.4kg。
- 改进的音质和电池： 配备了带 Dolby Atmos 支持的侧置扬声器，并配备了 74Whr 电池，电池容量增加了 20%，据称可提供长达 20 小时的 4K Netflix 视频播放续航。
- 新型显示屏： 首次采用完全定制的 IPS 显示屏，亮度为 700 尼特，对比度为 1800:1，支持 30-120Hz 变量刷新率和触摸功能，并采用方形角设计。分辨率为 2880x1920，保持了 3:2 的宽高比。
- 触觉触控板： 采用 LiteOn 提供的触觉触控板，使用四个压电元件模拟点击效果，节省了内部空间。
- 可升级的内存： 采用 LPCAMM2 2 内存模块，支持 LPDDR5X-8533 内存，速度最高可达 7,467 MT/s，并提供 16GB、32GB 和 64GB 的配置选项。
- 硬件升级： 搭载 Intel Core Ultra 系列 3 芯片（Panther Lake），支持 PCIe 5.0、Wi-Fi 7 和 Intel B390 集成显卡（Arc B390 / B370）。同时，Framework 仍然提供 AMD Ryzen AI 300 系列主板选项。
- 向后兼容： 尽管进行了重大更改，但 Framework 保持了向后兼容性，可以将在旧型号上使用的主板安装在新 Pro 机身上，反之亦然。仅键盘/触控板/电池三件套由于新的机身几何形状而存在不兼容性。
- 官方 Linux 支持： 首次提供预装 Ubuntu Linux 的硬件，并已获得 Ubuntu 认证。
价格和上市时间：
- DIY 版：1199 美元（Core Ultra 5，不含 RAM/SSD/操作系统）
- 预装 Ubuntu Linux 版：1499 美元
- Core Ultra X7 配置：1599 美元
- 限量版 Core Ultra X9 “halo” 配置：1799 美元
目前已开放预订，预计 2026 年 6 月开始发货。
|
Amateur armed with ChatGPT solves an Erdős problem
人工智能破解60年数学难题，开创全新解法
摘要：
23岁的业余爱好者利亚姆·普莱斯（Liam Price）借助ChatGPT Pro人工智能，成功解决了困扰数学界60年的厄多斯问题（Erdős problem）之一，这一成就引发了广泛关注。该问题此前曾让众多世界顶尖数学家徒劳无功。
主要内容：
- 问题背景： 厄多斯问题是已故数学家保罗·厄多斯（Paul Erdős）提出的猜想，其中一个问题涉及“原始集”（primitive sets）——一组集合中，任何一个数都不能被其他数整除的整数集合。厄多斯还提出了“厄多斯和”（Erdős sum）的概念，用于衡量原始集的“分数”，并对该分数在不同情况下可能达到的极限值提出了猜想。
- 人工智能的突破： 普莱斯通过简单的提示，让ChatGPT-5.4 Pro生成了一个解决方案，该方法与此前人类数学家尝试过的思路截然不同。专家认为，人工智能可能找到了解决这类问题的新方法，这种方法可能在更广泛的领域应用。
- 新方法的意义： 加州大学洛杉矶分校数学家特伦斯·陶（Terence Tao）认为，普莱斯所解决的问题，虽然可能比预期更容易，但人工智能采取的全新方法避免了人类数学家容易陷入的误区。斯坦福大学数学家贾里德·利希特曼（Jared Lichtman）表示，人工智能的发现验证了他长期以来的直觉，即这些问题之间存在着潜在的联系。
- 后续工作： 利希特曼和陶对人工智能生成的原始证明进行了精简，并认为该方法可能在理解大数和它们结构方面具有应用价值。
- 人工智能在数学领域的应用： 此前，人工智能已在解决一些厄多斯问题上取得进展，但此次突破因其新颖性和潜在的应用价值而显得尤为重要。
总而言之， 利亚姆·普莱斯利用人工智能成功解决了60年未解的数学难题，其解决方案开创了新的思路，为人工智能在数学领域的应用带来了新的可能性，同时也为数学研究提供了新的视角。
(Simplified Chinese Translation)
人工智能破解60年数学难题，开创全新解法
摘要：
一位业余爱好者利亚姆·普莱斯（Liam Price）通过使用ChatGPT Pro人工智能，成功解决了困扰数学界60年的厄多斯问题（Erdős problem）之一，引发广泛关注。该问题此前曾让众多顶尖数学家尝试无果。
主要内容：
- 问题背景： 厄多斯问题是已故数学家保罗·厄多斯（Paul Erdős）提出的猜想，其中涉及“原始集”——一组集合中，任何一个数都不能被其他数整除的整数集合。厄多斯还提出了“厄多斯和”的概念，用于衡量原始集的“分数”，并对该分数在不同情况下可能达到的极限值提出了猜想。
- 人工智能的突破： 普莱斯通过简单的提示，让ChatGPT-5.4 Pro生成了一个解决方案，该方法与人类数学家之前尝试过的思路完全不同。专家认为，人工智能可能找到了解决这类问题的新方法，这种方法可能在更广泛的领域应用。
- 新方法的意义： 加州大学洛杉矶分校数学家特伦斯·陶（Terence Tao）认为，普莱斯所解决的问题，虽然可能比预期更容易，但人工智能采取的全新方法避免了人类数学家容易陷入的误区。斯坦福大学数学家贾里德·利希特曼（Jared Lichtman）表示，人工智能的发现验证了他长期以来的直觉，即这些问题之间存在着潜在的联系。
- 后续工作： 利希特曼和陶对人工智能生成的原始证明进行了精简，并认为该方法可能在理解大数和它们结构方面具有应用价值。
- 人工智能在数学领域的应用： 此前，人工智能已在解决一些厄多斯问题上取得进展，但此次突破因其新颖性和潜在的应用价值而显得尤为重要。
总而言之， 利亚姆·普莱斯利用人工智能成功解决了60年未解的数学难题，其解决方案开创了新的思路，为人工智能在数学领域的应用带来了新的可能性，同时也为数学研究提供了新的视角。
|
America's Geothermal Breakthrough
地热能源潜力巨大，美国正加速发展 (Geothermal Energy Potential is Huge, and the US is Accelerating Development)
根据Oilprice.com的文章，美国地热能源行业正在逐步扩张，并有望通过技术创新和联邦政府的支持，在未来几年实现更大发展。
主要内容：
- 巨大潜力： 增强型地热系统（EGS）预计在美国可以释放高达150 GW的清洁、稳定能源，远超目前的地热发电能力。
- EGS技术： EGS通过采用类似压裂的钻探技术，在没有天然高温水资源的地方创造地热储层，从而扩展了地热资源的适用范围。
- 现有产能与分布： 目前美国地热发电总容量约为2.7 GW，占全国发电量的约0.2%。加利福尼亚州拥有最多的地热发电厂（53座），内华达州拥有32座。
- Fervo Energy的领先地位： Fervo Energy是一家总部位于休斯顿的初创公司，正在积极开发地热资源。该公司已与Turboden America达成合作，获得1.75 GW的有机朗肯循环涡轮机容量，用于其新项目。
- Cape Station和Corsac Station： Fervo正在开发位于犹他州比弗县的Cape Station（计划发电100 MW，总潜力4.3 GW）和内华达州Corsac Station（计划发电115 MW，为Google和NV Energy供电）两个EGS项目。
- IPO计划： Fervo已向美国证券交易委员会提交IPO申请，计划在纳斯达克上市，股票代码为“FRVO”。
- 土地租赁与未来规划： Fervo已租赁近60万英亩的公共和私人土地，预计未来可开发超过42 GW的地热能源。
- 政府支持： 特朗普政府对地热能源项目表现出支持，美国能源部宣布了1.715亿美元的资金支持，用于下一代地热场试验和勘探钻探。
总结：
地热能源在美国具有巨大的发展潜力，EGS技术的应用将进一步扩大地热资源的可用范围。Fervo Energy等公司的积极推动，以及政府的支持，都预示着美国地热能源行业将迎来快速发展，为实现能源安全和多元化能源结构做出贡献。
(地热能源潜力巨大，美国正加速发展)
|
|
Hokusai and Tesselations
Okay, I'm ready. Please provide the content you want me to summarize. I will do my best to provide a concise, accurate, and markdown-formatted summary in Chinese, staying within the 800-word limit and adhering to your instructions. Just paste the content here, and I'll get to work.
|
Can you stop beans from making you gassy?
豆类胀气的科学研究：如何减少豆子引发的肠道胀气？
本文详细介绍了作者为探索如何制作“无胀气豆”而进行的科学研究。作者对长期以来关于豆类胀气的传统建议表示质疑，并决定进行实验研究。
研究背景：
- 豆类胀气是由人体无法消化的一种复杂糖类——FODMAPs（特别是寡糖）引起的。细菌在肠道中分解这些糖类产生气体。
- 许多人建议多吃豆子以适应，但作者认为这可能只是让人们习惯了胀气，而非减少了气体产生。
研究方法：
- 作者与哈佛大学烹饪科学课程的教授合作，利用实验室设备（如离心机、液相色谱仪、质谱仪）对豆子进行分析。
- “哈佛胀气小队”的学生志愿者参与了盲测，评估不同豆类烹饪方法对胀气的实际影响。
- 研究重点测试了三种寡糖（海藻糖、甜菜糖、韦氏糖）的含量。
- 测试了多种常见的缓解胀气的烹饪方法，包括浸泡、冲洗、使用香叶、海带以及添加Beano酶等。
研究结果：
- 传统烹饪方法无效： 浸泡、冲洗、使用香叶或海带等方法均无法显著减少豆类的胀气。
- 罐装豆类胀气略少： 罐装豆类比从干豆烹饪的豆类胀气略少约20%。
- 冲洗豆类有效： 冲洗罐装豆类可以显著减少胀气（超过20%），但会影响豆子的风味。
- Beano酶有效： 将Beano酶添加到豆子中（烹饪后冷却至104°F再添加）对减少豆子胀气效果显著，适用于制作豆泥。
- 盲测结果： 使用Beano制作的豆泥，志愿者报告的胀气感明显低于未添加Beano的豆泥。
结论：
- 要减少豆类胀气，冲洗罐装豆类或使用Beano酶是有效方法。
- 传统的烹饪技巧（如浸泡、香叶等）几乎没有效果。
- 罐装豆类可能因为生产过程中的处理而胀气较少。
总而言之，这篇文章揭示了豆类胀气的科学原理，并提供了实用的方法来减少豆类带来的肠道不适。
|
Why has there been so little progress on Alzheimer's disease?
总结：阿尔茨海默病研究的质疑与未来 (总结 Freakonomics Radio 节目)
本期 Freakonomics Radio 节目探讨了阿尔茨海默病研究领域长期存在的问题，以及对主流理论的质疑。以下是主要内容：
1. 阿尔茨海默病概述：
- 阿尔茨海默病影响美国超过700万人口，主要集中在65岁以上人群。
- 疾病发病前可能存在20年的潜伏期，症状包括记忆丧失和其他认知、生理和行为问题。
- 1906年，Alois Alzheimer 首次记录了该疾病，发现患者大脑萎缩、出现缠结和“奇特沉积”。
- 美国每年在阿尔茨海默病和痴呆症研究上投入约40亿美元，仅次于癌症研究。
2. 主流理论的质疑：
- 节目采访了记者 Charles Piller，他调查发现阿尔茨海默病研究中存在长期的欺诈和不当行为。
- 神经科学家 Matthew Schrag 认为，长期以来阿尔茨海默病研究主要围绕“淀粉样蛋白瀑布假说”展开，即淀粉样蛋白的积累是导致神经元损伤和死亡的根本原因。但他质疑该假说的有效性。
- Schrag 认为，该假说过于简单，忽略了疾病的复杂性，且针对该假说的药物研发未能取得突破。
3. 数据造假事件：
- Schrag 参与调查了 Cassava Sciences 公司研发的实验性药物 simufilam 的数据，发现图像存在篡改和伪造行为。
- 调查还揭露了纽约市立大学科学家 Hoau-Yan Wang 的研究数据存在严重问题，最终导致他被司法部起诉。
- 类似的，Schrag还发现其导师Othman Ghribi的早期研究也存在数据问题，并且在之前就曾受到过质疑，但没有得到充分调查。
4. 潜在的驱动因素：
- 节目指出，环境污染和经济不平等可能与阿尔茨海默病的发生有关。污染环境的人群更容易患病，且发病年龄更早。
- 教育程度较高的人群患病风险较低或发病年龄推迟。
- 肥胖也是阿尔茨海默病的一个风险因素。
5. 新的视角：
- Schrag 提倡关注大脑废物清除机制，认为阿尔茨海默病可能是由于大脑废物积累造成的。
- 他建议关注血管健康，并认为控制血压可能有助于预防或延缓疾病发展。
6. 未来展望：
- 节目对阿尔茨海默病研究的未来表示谨慎乐观。
- 强调需要更全面、多角度的研究方法，而非仅仅关注淀粉样蛋白。
- 呼吁对科学研究的诚信进行更严格的审查，防止欺诈和不当行为。
- 强调社会对老年人健康的关注，以及对科学研究的持续投入。
总而言之，本期节目揭示了阿尔茨海默病研究领域面临的挑战，质疑了现有理论的有效性，并呼吁对研究方向进行反思，以推动更有效的治疗方法和预防策略的开发。
|
Iran caused more extensive damage to U.S. military bases than publicly known
总结：伊朗袭击波斯湾美国设施造成的损失超出公开承认
核心要点：
根据三位美国官员、两位国会工作人员和一位熟悉损失情况的人士透露，伊朗对波斯湾地区美国军事基地和其他装备发动的袭击造成的损失比公开承认的要大得多，预计维修费用将达到数十亿美元。
关键细节：
- 袭击目标： 袭击目标是波斯湾地区的美国军事基地和其他装备。
- 损失程度： 损失程度远超公开承认的水平。
- 维修费用： 预计维修费用将达到数十亿美元。
- 消息来源： 这些信息来自三位美国官员、两位国会工作人员和一位熟悉损失情况的人士。
- 时间： 事件发生在去年一周（2026年4月）。
- 地点： 波斯湾地区，具体地点包括德黑兰。
图片说明： 图片显示了德黑兰一座被摧毁的住宅楼前，摆放着据称因美以空袭而丧生者的肖像。
总结：
该报道揭示了伊朗袭击对美国在波斯湾地区的军事设施造成的巨大经济损失，且实际损失远超官方公开信息，引发了对美国军事部署和未来应对策略的关注。
|
Colorado Adds Open-Source Exemption to Age-Verification Bill
总结：科罗拉多州SB51法案修正案通过，开源软件获得豁免
核心内容：
科罗拉多州SB51法案的修正案已在众议院委员会获得通过。该修正案对开源软件提供了强有力的豁免。
关键细节：
- 豁免范围： 第30条不再适用于以下情况：
- 操作系统提供商或开发者，
- 他们分发操作系统或应用程序，
- 其许可条款允许接收者在没有来自提供商或开发者的任何限制（包括技术或合同限制）的情况下复制、再分发和修改软件，
- 且允许安装所有修改后的版本。
简而言之： 该修正案明确保护了允许自由复制、再分发和修改的开源操作系统和应用程序，使其免受SB51法案的约束。 这意味着开源软件开发者和用户无需担心该法案的潜在影响。
|
Simulacrum of Knowledge Work
总结：大型语言模型对知识工作的影响与困境
核心问题： 如何在不耗费大量精力的情况下客观评估知识性工作的质量？人们通常依赖于“代理指标”（proxy measures），即表面质量（例如写作质量、代码外观）来快速评估。然而，大型语言模型（LLMs）的出现打破了这种依赖关系，导致了新的问题。
代理指标与传统模式： 过去，对表面质量的关注有助于保持各方利益一致，因为高质量的外在表现通常与高质量的实质内容相关联。
LLMs 的挑战： LLMs 擅长模拟高质量的写作风格和代码外观，但并不一定能保证内容的真实性和实用性。它们可以生成看起来像顶级咨询公司报告或高质量代码的产出，而实际上可能存在问题。
“工作模拟”（Working Simulacrum）： LLMs 的出现导致了“工作模拟”的产生，即人们倾向于使用 LLMs 生成看起来高质量的产出，而减少了对实质内容的深入审查。工程师可能使用 AI 进行代码审查，但核心代码质量可能并未得到实质改善。
激励机制扭曲： 由于员工通常会追求在被评估维度上的表现，因此他们会倾向于使用 LLMs 产生符合表面质量要求的产出，即使这些产出并非他们自己的真实工作成果。
LLMs 本身的问题： LLMs 的训练目标并非评估答案的真实性或实用性，而是评估答案是否可能出现在训练语料库中，或者 RLHF 评判员是否满意该答案。这意味着 LLMs 被优化为产生 看起来 高质量的产出。
结果： 大量资金被用于构建和运行 LLMs，但最终导致了对产出进行浅层审查和批准的现象 (例如 "LGTM")。这种模式遵循了古德哈特的法则（Goodhart's Law）：当一个指标被过度优化时，它将失去衡量其原本要衡量的事物的能力。
总结： LLMs 的广泛应用在知识工作中创造了一种模拟，表面上提高了效率，但实际上可能降低了整体质量，并扭曲了激励机制，最终可能导致对实质内容的忽视。
|
Statecharts: hierarchical state machines
状态图 (Statechart) 概述
状态图是一种用于描述复杂系统的视觉形式化方法，最初由 Harel (1987) 提出。本质上，状态图可以看作是增强版的有限状态机 (state machine)，解决了传统状态机在复杂系统中的扩展问题，尤其缓解了“状态爆炸”现象。
什么是状态图？
状态图是一种图表形式，用于表示系统在不同状态之间的转换以及触发这些转换的事件。它比传统的有限状态机更强大，能够处理更复杂的逻辑。
为什么要使用状态图？
使用状态图有很多好处：
- 易于理解: 比很多其他代码形式更容易理解。
- 行为解耦: 将行为与组件解耦，方便修改、推理和独立测试行为。
- 全面探索: 状态图的构建过程能够促使开发者探索所有可能的状态。
- 减少错误: 基于状态图的代码通常比传统代码具有更低的错误率。
- 处理异常: 能够更好地处理异常情况。
- 可扩展性: 随着复杂度的增长，状态图能够良好扩展。
- 沟通工具: 状态图便于非开发者理解，并且可以作为 QA 进行探索性测试的工具。
- 隐藏的状态机: 实际上，开发者已经在编写状态机代码，状态图只是将它们显式化。
使用状态图的缺点：
- 学习成本: 开发者可能需要学习新的技术。
- 编程范式差异: 状态图的编程范式与传统编程方式差异较大，可能遇到阻力。
- 代码量增加: 对于较小规模的状态图，代码行数可能会增加。
为什么状态图不被广泛使用？
- 缺乏认知: 很多人不了解状态图。
- “按需原则” (YAGNI): 并非所有项目都需要状态图。
- 与现有技术冲突: 可能会与某些特定技术或框架不兼容。
- 增加依赖: 对于 Web 应用程序，可能会增加库的数量，从而增加加载时间。
如何使用状态图？
- SCXML 标准: W3C 制定了 SCXML 标准，定义了状态图的语义和处理边缘情况的方式。
- 状态图库: 存在支持 SCXML 语义的各种状态图库，可以帮助处理边缘情况，并确保正确的顺序执行。
- 可执行状态图: 状态图不仅可以用于建模，还可以作为运行时行为本身。
可执行状态图的优缺点：
- 优点: 不需要将图表翻译成代码，避免了手动翻译引入的错误，图表始终与代码同步，图表更加精确。
- 缺点: 图表可能变得非常复杂，可执行状态图的格式和工具有限，难以强制执行状态图与组件之间的类型安全。
进一步学习资源:
|
Mine, an IDE for Coalton and Common Lisp
mine: Coalton 和 Common Lisp 的集成开发环境总结
mine 是一个为 Coalton 和 Common Lisp 语言设计的集成开发环境 (IDE)，支持 Windows、macOS 和 Linux 平台。
主要特点：
两种版本:
mine-app: 适用于 Windows 和 macOS，是一个完整的、一体化的应用程序，无需额外依赖，开箱即用。mine-core: 适用于 Windows、macOS 和 Linux，更注重开发者体验，需要在支持 Unicode 字体和 Kitty 键盘协议的终端中使用。
语言支持: mine 不仅支持 Coalton，也支持 Common Lisp。开发者可以根据项目需求选择使用单一语言或混合使用。
- Coalton: 强调强类型和函数式编程风格。
- Common Lisp: 强调动态特性和高级对象系统。
集成 REPL (Read-Eval-Print Loop): REPL 完全集成在 IDE 中，方便开发者直接与代码交互，可以从函数到整个项目，通过 "code beaming" 功能发送代码到 REPL。
交互式调试器: 遇到错误时，调试器会弹出，显示错误信息、修正选项和堆栈跟踪，帮助开发者快速定位和解决问题。
内联诊断: "Code beaming" 会实时标记代码中的错误和警告，并在编辑器中显示。同时，还会提供优化建议，指出代码效率可能存在不足的地方。
类型提示和自动补全: 在使用 Coalton 时，编辑器会立即显示函数的全数据类型，无需猜测函数参数。通过按下 Tab 键可以进行自动补全，提高编码效率。
结构化编辑教学: 内置结构化编辑教程，帮助开发者快速掌握结构化编辑技巧 (例如 ParEdit)，提高 Coalton 开发效率。结构化编辑是可选功能。
纯原生代码: mine 不使用虚拟机或解释器，所有代码都编译并优化为 CPU 的原生二进制代码，以实现最佳性能。
总而言之，mine 旨在为 Coalton 和 Common Lisp 开发者提供一个高效、易用且功能强大的开发环境。
下载最新版本
|
