OpenAI被曝对离职员工施压，威胁收回已归属股权

Vox报道称，科技巨头OpenAI要求离职员工签署极为严苛的离职文件。若员工未在短时间内签署，将面临失去已归属（vested）股权的风险——这一条款在硅谷极为罕见，迫使员工在放弃可能价值数百万美元的已赚取股权与同意永久不批评公司之间做出选择。

此消息在OpenAI内部引发震动。员工通常大部分薪酬以股权形式发放，并认为一旦按合同计划归属，即完全拥有，公司无权收回。

高管道歉与文件证据的矛盾

OpenAI首席执行官Sam Altman于次日发文道歉，声称公司从未实际收回任何已归属股权，未来也不会这样做，并称相关威胁条款“从未应该出现在任何文件中”。他将此归咎于自己“不知道正在发生”。

首席战略官Jason Kwon在内部沟通中承认该条款自2019年就已存在。

然而，Vox获得的由Altman和Kwon等人签署的公司文件显示，离职文件明确要求员工在60天内签署免责声明以保留已归属股权，且控股公司的章程文件中包含允许公司近乎任意地收回或限制出售股权的条款。这些文件上有Sam Altman以CEO身份的签名。OpenAI未就高管声称不知情与文件签名之间的矛盾提供直接解释。

高压施压手段

离职员工面临多重压力：

1. 紧迫时限：复杂的离职文件通常仅有7天签署期，员工难以充分寻求法律咨询。
2. 拒绝延期：当员工请求更多时间时，OpenAI代表会强调不签署可能影响股权。
3. 手段升级：对于抵制者，OpenAI改变策略，从威胁“取消股权”转为“禁止参与未来股权出售活动（tender offers）”，这实质上使得价值数百万美元的股权变现机会取决于签署协议。
4. 章程依据：公司文件显示，OpenAI保留以“唯一和绝对酌情权”减少或清零已归属股权，以及自行决定谁可参与股权出售的权利。这些条款均由Sam Altman签署。

信誉危机与后续行动

OpenAI将自己定位为追求高标准、使命驱动（“确保人工通用智能造福全人类”）的公司，并强调透明与问责。但此次事件暴露出其对员工言论的严格控制，与公司倡导的价值观严重不符，引发对其信誉的质疑。

在报道发表后，OpenAI采取了更进一步的补救措施：

• 开始主动联系签署过标准离职协议的前员工，明确表示不会取消其已归属股权，并解除其不贬损义务。
• 宣布将从标准离职文件中移除不贬损条款，并释放前员工已有的不贬损义务（除非该义务是相互的）。
• 公司发表声明致歉，称此前的做法“不能反映我们的价值观”。

然而，文章指出OpenAI的工作远未完成，因为公司尚未承诺彻底杜绝以“拒绝签署文件”或“批评公司”为由阻止前员工出售股权的做法。要真正解决问题，OpenAI需要全面承认问题的严重性并厘清责任。

《太空任务2》主盘失误事件总结

发现与背景

1988年发布的《太空任务II》2.0D和2.0F版本软盘中，看似正常的720KB软盘表面下隐藏着意外数据。目录列表无异常，文件时间戳显示游戏文件于1988年3月构建。磁盘显示已用空间302,918字节，剩余空间402,432字节。

技术分析

通过十六进制编辑器检查发现，磁盘未用扇区未填充DOS格式化的默认字节0xF6，而是包含类似C语言源码的文本。这表明主盘曾存储其他文件，虽被删除但未彻底格式化，导致旧数据残留。

泄露内容

残留数据为Sierra On-Line的AGI解释器源代码，包含：

• 75个C语言源文件（如DisplayStatusLine函数，负责显示游戏顶部状态栏）
• 16个汇编语言源文件
• 2个DOS批处理文件
• 总计约15,000行代码，涵盖AGI解释器约70%的完整源码及变更历史

内容价值

• 源码特征：包含详细注释和变更历史，记录了开发者Jeff Stephenson（JAS）和Chris Iden（DCI）的工作记录。
• 补充信息：磁盘还包含AGI.EXE内存映射（1987年10月生成），印证了代码的时间线。
• 商业意义：AGI解释器是Sierra在1985-1988年间的核心盈利资产和知识产权，该系统定义了3D图形冒险游戏类型。

事件原因

Sierra使用FormMaster复制机制作生产盘时，会逐扇区完整复制磁盘。此事件中，主盘未经格式化即存入游戏数据，导致残留的旧源码被复制到数十万份零售产品中。

影响与结局

• 失误性质：无意泄露，Sierra及竞争对手均未及时发现。
• 历史时机：泄露发生在AGI时代末期（1988年Sierra已推出SCI新系统），降低了对公司的实际影响。
• 现代发现：直至2016年才被用户NewRisingSun首次公开识别。
• 遗产价值：源码已开源（GitHub仓库：lanceewing/agi），并为现代AGI解释器（如AGILE）开发提供了参考。

注：总结严格基于原文内容，聚焦事件发现、技术原理、泄露内容及历史影响，未添加主观评价。

摘要生成失败说明

无法基于提供的内容生成摘要。所提供的文章正文内容为网站技术错误提示信息，而非与标题《三分之一的亚马逊仓库工人使用食品券或医疗补助》相关的实际文章内容。

实际可用的文章内容缺失，因此无法提取、总结任何与亚马逊仓库工人福利或经济状况相关的观点、数据或论述。

iFixit 终止与三星合作的声明

合作背景与初衷

两年前，iFixit 与三星启动合作，旨在建立一个维修友好的生态系统，为独立维修店提供必要的零件和工具，同时维持Galaxy设备的持续使用。其目标是设定维修文档的黄金标准。

终止合作的原因

尽管付出了巨大努力，iFixit表示未能实现承诺，主要障碍包括：

• 零件供应问题：无法以合理的商业价格和数量将零件送达本地维修店。
• 成本过高：零件价格昂贵，导致许多消费者选择更换设备而非维修。
• 设备设计缺陷：三星Galaxy设备仍采用粘合式设计，迫使iFixit以预粘合套件形式销售电池和屏幕，进一步增加了成本。 iFixit认为，三星对维修可及性的承诺与其使命不符。

对用户和服务的直接影响（自2024年6月起）

• iFixit将不再担任三星官方第三方零件和工具分销商。
• 取消每家维修店每季度7个三星零件的采购数量限制。
• 现有的iFixit维修信息不会删除，但不再与三星合作开发新手册。
• iFixit将继续销售三星设备的零件和维修套件，明确区分原厂与副厂零件，模式与苹果维修零件类似。

iFixit的后续使命与进展

尽管合作终止，iFixit将继续推进其可维修未来：

• 扩大零件供应：向全球发货更多零件，新增超过10,000种维修零件，涵盖笔记本电脑电池、冰箱制冰机等多种设备。
• 拓展合作伙伴：与电子书阅读器制造商Kobo等新合作伙伴推出维修零件。
• 倡导维修权：继续支持通过维修友好立法，并向美国联邦贸易委员会和版权局倡导保护维修权。
• 平台增强计划：在未来夏季，将与现有合作伙伴扩展维修中心；在更多国家提供更多设备零件；发布更多设备类别的可修复性评分卡；与第三方销售点供应商合作，方便维修服务商获取内容。

对三星设备维修的持续支持

iFixit将继续销售三星零件（自2015年即已开始），但将不再投入内部资源制作三星Galaxy设备的维修指南。欢迎社区用户继续分享维修知识。iFixit仍会对有亮点的设备进行拆解，并继续发布维修可修复性评分。

总结与展望

iFixit对合作终止表示遗憾，但强调其核心是推动维修普及，将与具有相同愿景的制造商合作。随着维修权法律生效，iFixit将帮助更多制造商推出产品维修解决方案。其宗旨是让维修而非更换成为默认选择。

根据《华盛顿邮报》获得的文件和录音记录显示，OpenAI在2023年5月为其热门产品ChatGPT秘密的“赋予人类声音”项目发布过演员招募启事。该招募明确要求演员为非工会成员，声音年龄感在25至45岁之间，且需具备“温暖、有感染力、有魅力”的特质。

文件表明，最终为ChatGPT提供名为“Sky”语音的演员是另一个人，而非斯嘉丽·约翰逊。此前，斯嘉丽·约翰逊曾指控OpenAI在她拒绝CEO萨姆·阿尔特曼的配音许可请求后，复制了她的声音。

案件概述：Tom Waits诉Frito-Lay公司一案（1992年）是一起著名的侵犯名人声音权与虚假代言的法律纠纷。

事件起因：1988年，Frito-Lay公司为其新产品“SalsaRio Doritos”玉米片制作广告，在约250家美国电台播放。该广告使用了模仿歌手Tom Waits独特嗓音的表演者（Stephen Carter）演唱的一首与Waits的歌曲《Step Right Up》风格极为相似的歌曲。Waits本人公开反对将其音乐用于商业代言，认为此举损害了艺术家的信誉与作品的完整性。

法律诉讼：Waits于1988年11月提起诉讼，指控Frito-Lay及其广告公司Tracy-Locke：

1. 虚假代言：违反《兰哈姆法案》（联邦商标法），通过模仿其声音误导消费者，使其误认为Waits为产品代言。
2. 盗用声音：根据加州法律，未经授权商业性地盗用其具有辨识度的声音。

案件审理与关键事实：

• 广告公司明知模仿Waits声音的法律风险，但最终仍选用该版本，并承诺赔偿客户可能的损失。
• 模仿者Carter是Waits的粉丝，出于愧疚，在审判中成为Waits方的关键证人。
• Waits因该广告被公开视为“伪君子”而感到尴尬、愤怒，其艺术声誉受损。

审判结果：

• 初审陪审团判决Frito-Lay和Tracy-Locke赔偿Waits共计260万美元，包括补偿性赔偿（用于侵犯公开权、情感伤害、商誉损失等）和惩罚性赔偿（针对盗用声音行为）。
• 被告上诉至第九巡回上诉法院。
• 上诉法院裁决（1992年）：维持了侵犯公开权和盗用声音的赔偿判决，但撤销了基于《兰哈姆法案》的赔偿（认为与声音盗用赔偿重复）。法院确认了对名人独特声音的保护，确立了“米德勒侵权”原则。

案件意义与Waits观点：

• 该案是保护艺术家公开权（控制其姓名、肖像、声音等用于商业目的的权利）的重要判例。
• Tom Waits始终强烈反对将艺术商业化，认为这会使歌曲沦为“广告短歌”，侵蚀艺术家与听众之间的信任。他通过本案捍卫了其声音作为个人财产和艺术标识的权利。
• Waits将胜诉视为“大卫对歌利亚”的胜利，并将所得全部赔偿用于个人消费，表达了对诉讼过程漫长而曲折的看法。

BB(3, 4) > Ack(14) 摘要

Pavel Kropitz 发现了一个新的 3 状态 4 符号图灵机，它能够模拟一个“阿克曼级别”的函数，并在停止时在纸带上留下一个极其巨大的非零符号数量。这个数量可以近似表示为 BB(3, 4) > Ack(14)，其中 Ack(14) 是第 14 个阿克曼数（定义为 Ack(n) = n ↑ⁿ n）。这是首次在现实中发现能够计算阿克曼级别函数的图灵机。

图灵机与行为

该图灵机的编码为： 1RB3LB1RZ2RA_2LC3RB1LC2RA_3RB1LB3LC2RC

它的运行可以被一个主要递归规则 B(k, n, m) → B(k, 0, g_{k-1}^n(m)) 近乎完全描述，其中：

• B(k, n, m) 是一个特定的带子配置模式。
• g 是一个递归函数，定义为：
  • g_0(m) = m + 1
  • g_{k+1}(m) = g_k^{2m+2}(0)

该图灵机从全零带开始，经过 241 步 后进入 B(16, 3, 0) 配置，最终停止时的带子配置为： 0∞ 3^{2 g_{15}^3(0) + 1} 2^{16} 1 Z> 0∞

确切值与闭合形式

通过双重归纳证明其行为后，研究者找到了函数 g 的一个简洁闭合形式： 对于所有 k ≥ 0, n ≥ 0，有 2 g_k^n(0) + 4 = 2 ↑ᵏ (n+2)。

由此可计算出该图灵机停止时的确切非零符号数 σ 为： σ = 2 g_{15}^3(0) + 18 = (2 ↑¹⁵ 5) + 14。

证明方法与关键观察

1. 证明结构：该图灵机的行为规则 B(k, n, m) → B(k, 0, g_{k-1}^n(m)) 需要双重数学归纳法来证明（分别对 k 和 n 进行归纳）。
2. 非 Collatz 类型：这个图灵机不包含类似 Collatz 规则的行为（即不依赖模运算），其规则出奇地简单。这可能暗示存在更多阿克曼级别的图灵机，但因选择偏差尚未被发现。
3. 其他起始状态：若从状态 B 开始运行，该图灵机也是一个顶尖的 BB(3,4) 挑战者，其分数约为 (2 ↑⁶ 5) + 5。若从状态 C 开始，分数仅为 9。

归属与验证

该图灵机由 Pavel Kropitz 于 2024 年 4 月 25 日发现。其停止证明最初以一种需要 13 层归纳规则的形式给出。文章作者随后验证了该证明，并提取了函数 g 的精确定义。Matthew House 于 2024 年 5 月 22 日发现了关键闭合形式 g_k^n(0) = (2 ↑ᵏ (n+2))/2 - 2，从而得到了确切的数值。

此图灵机也被用作一个正在开发中的 “归纳证明验证器” 项目的测试用例。该项目旨在为基于规则的归纳推理分析创建标准化的证明格式和验证工具。

项目概述
本文介绍了一个名为“PaperTalk”的在线平台，其设计灵感来源于知名的 Hacker News 网站，但专注于研究论文的分享与讨论。该项目通过 Show HN 方式展示，旨在为学术界和研究人员提供一个类似 Hacker News 的社区化工具，方便用户提交、浏览和评论研究论文。

核心功能

• 平台定位：类似于 Hacker News 的新闻聚合模式，但内容仅限于研究论文，促进学术交流与知识传播。
• 访问方式：用户可通过指定链接（http://www.papertalk.xyz/research/home）进入平台，该链接包含跟踪参数以标识访问来源。
• 目标用户：主要面向研究人员、学者及对学术内容感兴趣的社区成员，提供论文发现与讨论的集中化场所。

关键细节

• 平台基于网络应用，通过 URL 路径直接访问，无需额外注册步骤（基于链接结构推断）。
• 项目以“Show HN”形式发布，表明其可能处于早期阶段，鼓励社区反馈与参与。
• 链接中的跟踪参数（如 tr_uuid 和 fp）暗示了用户会话管理或分析功能，但具体实现未在内容中详述。

总结
PaperTalk 作为一个针对研究论文的类 Hacker News 平台，通过简洁的链接入口提供访问，旨在简化学术内容的发现与互动流程。其设计强调社区驱动，但原始内容未涉及更多技术细节或用户体验描述。

Magic UI: 设计工程师的UI库

介绍Kinetic TextUI库，专为设计工程师打造，提供150多个免费开源的动画组件和效果。

关键特性：

• 技术栈：基于React、Typescript、Tailwind CSS和Motion构建。
• 兼容性：与shadcn/ui完美配合，作为其理想伴侣。
• 功能：支持浏览组件和模板，便于快速集成和使用。

该项目旨在提供对无AI的Google搜索的便捷访问。如果搜索功能无法正常工作，建议尝试切换Google账户或使用隐身模式，因为Google有时会随机更改设置。安全性方面，该项目不跟踪任何网络搜索，分析数据由Plausible自托管，最近添加的小广告仅为支持服务器成本，且设计为最小化和非侵入性。代码在GitHub上开源，采用CC0许可证，用户可自行运行和部署。喜欢该项目的用户可通过订阅Tedium来支持其发展。

文章摘要：加速EC2启动时间

背景与问题

EC2实例的启动时间对某些工作负载（如构建加速服务）至关重要，它直接影响任务处理的延迟。传统上认为EC2启动时间由AWS固定，但实际存在优化空间。作者通过优化，将启动时间从40秒缩短至5秒。

EC2启动过程包括多个步骤：

1. 从AMI创建根EBS卷。
2. 分配私有IP地址。
3. 选择目标主机。
4. 实例启动（引导加载程序、内核、用户空间进程）。

核心优化策略

优化的核心思想是 “避免执行某项操作总是比执行它更快”。主要通过以下方法实现：

1. EBS根卷流式传输优化

• 问题：从AMI创建EBS卷时，数据块是“懒加载”的，首次访问时需从S3拉取，导致首次启动和文件操作性能显著下降。
• AWS方案：使用fio工具预先读取所有数据块进行预热，但对于大容量卷非常耗时（如100GB卷需13分钟以上）。
• 解决方案：预先启动实例一次。实例首次启动会加载启动相关数据块到EBS卷，停止后，该卷即成为“预热”卷。后续启动时，这些数据块已本地可用，启动时间大幅缩短（从约10秒降至400毫秒以内）。这相当于一个更高效、有针对性的预热过程。

2. 实例预启动与停止

• 原理：启动一个EC2实例，执行必要的初始化，然后停止它。停止的实例不计算实例费用，但需支付EBS卷存储费。
• 额外好处：除预热EBS卷外，还会缓存实例配置（如标签、安全组、用户数据）和私有IP地址，进一步加快后续启动。

3. 实例类型调整

• 操作：停止的实例仅包含EBS卷和配置。可在启动前通过UpdateInstance更改实例类型。
• 优势：
  • 降低成本：可使用较便宜的实例类型（如t3.large）进行预热。
  • 应对容量限制：当目标实例类型容量不足时，可快速切换到备用类型（如从m7a切换到m7i）并复用预热卷。
  • 还可调整EBS卷的预配置IOPS和吞吐量。

完整工作流程示例（用于GitHub Actions Runner）

1. 以t3.large类型创建实例，分配私有IP。
2. 首次启动，内核和用户空间进程运行，相关数据块从S3流式加载到EBS卷。
3. 停止实例。
4. 当任务请求到达时：
   • 将实例类型更新为所需类型（如m7a）。
   • 启动实例（启动时间<5秒）。
   • 若目标类型无容量，则切换到备用类型再启动。

与AWS Auto Scaling预热池的对比

AWS提供了类似的Auto Scaling预热池功能，但作者认为其响应过慢。实验表明，Auto Scaling组的扩容轮询延迟可能超过60秒，这对于需要即时实例可用的工作负载来说不可接受。因此，他们直接使用LaunchInstances和StartInstances API进行管理以实现最佳性能。

后续优化方向

1. 精简启动软件：移除未使用的组件（如cloud-init）可进一步缩短从启动到应用运行的时间。
2. 优化作业交付延迟：实例虽能在5秒内启动，但GitHub将任务发送到Runner仍可能需要10秒以上，此环节也有优化空间。

关键结论

通过 “启动预热→停止→按需重启并调整类型” 的流程，系统性地解决了EBS卷懒加载、实例配置缓存和容量灵活性问题，从而实现了EC2启动时间的显著优化。

Dataherald 是一个开源的自然语言到 SQL 转换引擎，专为基于关系型数据的企业级问答而设计。它通过 API 将数据库与自然语言查询连接起来，允许用户使用普通英语直接获取数据洞察，无需依赖数据分析师。

核心功能与应用场景

Dataherald 可用于：

• 让业务用户直接从数据仓库中获取分析见解。
• 在 SaaS 应用中嵌入对生产数据库的问答功能。
• 利用专有数据创建 ChatGPT 插件。

项目组件

整个项目以 monorepo 形式提供，包含四个核心服务组件：

1. Engine：核心的自然语言到 SQL 引擎。如果不需要用户认证等企业功能，单独运行此引擎即可提供基础 API。
2. Enterprise：应用 API 层，为 Engine 添加了认证、组织与用户管理及其他业务逻辑。
3. Admin-console：基于前端的管理控制台，提供图形化界面用于配置和系统监控。运行它需要同时启动 Engine 和 Enterprise 服务。
4. Slackbot：一个 Slack 机器人，允许 Slack 频道内的用户与 Dataherald 交互。其运行同样依赖 Engine 和 Enterprise。

本地运行与部署

• 每个服务组件都有独立的 docker-compose.yml 文件。
• 运行前需参照各服务目录下的 .env.example 文件设置环境变量（前端应用为 .env.local）。
• 项目根目录提供脚本，可创建一个通用 Docker 网络并以分离模式启动所有服务。

参与贡献

作为一个处于快速发展领域的开源项目，Dataherald 欢迎任何形式的贡献，包括新功能开发、基础设施改进或文档完善。

尽管汽车行业在2014年签署了自愿性的《消费者隐私保护原则》，承诺未经驾驶员同意不向第三方提供位置、生物识别或驾驶行为数据（除非警方获得法院命令或搜查令），但多家主要汽车制造商已向国会承认，他们会根据传票（subpoena） 而非更严格的法院命令向警方提供这些数据。

据报道，丰田、斯巴鲁、马自达、日产、起亚、宝马、梅赛德斯-奔驰和大众这八家公司已表明这一立场。传票与法院命令的关键区别在于：传票仅为律师索取信息的要求，而法院命令则由法官或地方法官授权支持该要求，门槛更低。

参议员罗恩·怀登和埃德·马基致信联邦贸易委员会，指出汽车制造商不仅隐瞒了其实际做法，而且十多年来一直未能遵守行业自身的隐私原则，误导了消费者。他们警告，车辆位置数据可能被用于追踪跨州寻求堕胎者、参加抗议活动或戒瘾互助小组的人，以及通过前往宗教场所识别特定信仰者。

文章还指出，这与汽车行业此前以“保护消费者位置数据不落入坏人之手”为由，游说反对维修权法案的做法形成讽刺性对比。鉴于联网汽车能收集大量私人信息，消费者的隐私风险正日益增加。

Cortile 是一款为兼容 EWMH 的 Linux 窗口管理器（如 Openbox、Fluxbox、KWin、Xfwm 等）设计的自动平铺管理器，支持热角功能。它允许用户在 XFCE、LXDE、KDE、GNOME 等桌面环境中启用动态窗口平铺，无需更换现有窗口管理器。

主要功能：

• 多种平铺模式：支持基于主从区域的垂直、水平、最大化和全屏布局，布局比例可动态调整并记忆。
• 广泛的交互支持：提供键盘快捷键、热角事件和系统托盘菜单三种交互方式来控制平铺。
• 实用特性：包含工作区平铺、面板自动检测、窗口装饰切换、拖放窗口交换、浮动/粘滞窗口、多显示器支持以及通过 Python 绑定实现自定义扩展。
• 技术实现：使用 Go 语言编写，确保响应快速。

安装与配置：

• 安装：可从 GitHub Releases 页面下载预编译二进制文件，或从源码编译。推荐通过 systemd 用户服务设置开机自启。
• 配置：配置文件位于 ~/.config/cortile/config.toml，首次运行时生成默认值。所有键盘快捷键、热角触发动作和系统托盘行为均可在此文件中自定义。

布局与使用： 布局遵循主从区域概念（如 vertical-right、horizontal-top）。主区域窗口静态排列，当主区域满后，新窗口将动态布局在从区域。用户可通过详尽的默认快捷键（如 Ctrl+Shift+Arrow 切换布局）或自定义的热角/系统托盘操作来管理窗口。

开发与扩展：

• 需要 Go >= 1.22 环境。可直接安装 github.com/leukipp/cortile/v2@develop 或克隆仓库编译。
• 支持通过 D-Bus 或 cortile-addons Python 库与外部进程通信，实现自动化和脚本控制。

注意事项与安全：

• 建议禁用其他窗口管理器自带的窗口吸附和某些焦点跟随功能以获得最佳体验。
• 安全提醒：D-Bus 接口、启动时自动执行扩展脚本、检查更新和拉取问题信息等功能可能带来安全风险，可通过相应启动参数（如 cortile disable-dbus-interface）禁用。切勿以 root 权限运行。

WinDirStat 是一款用于 Microsoft Windows 系统的磁盘使用分析与清理辅助工具。它能够扫描指定的驱动器或文件夹，并通过多种实用视图展示分析结果。

主要视图包括：

• “所有文件”与“最大文件”视图：类似 Windows 资源管理器的树形结构，但按文件/子目录大小排序。
• “重复文件”、“搜索结果”和“文件监视器”视图：用于查找和监控文件。
• 树状图：直观展示整个目录树的内容，其中每个文件表示为一个彩色矩形，其面积与文件大小成正比。矩形按照目录结构排列，使目录本身也由包含其下所有文件和子目录的矩形表示，从而其面积对应子树的大小。矩形颜色代表文件类型（如扩展名列表中所示），并采用阴影效果突出目录结构。
• 扩展名列表：用作图例，显示关于文件类型的统计数据。

Emacs Easy Draw 是一个在 Emacs 内部运行的绘图工具。

系统要求

• Emacs 27.2 及以上版本。
• 需要 Emacs 支持图像显示、SVG 格式，以及 gzip/gunzip（或 zlib）和 libxml。

核心功能与集成

1. Org 模式集成 (edraw-org.el)：允许在 Org 文件中创建、编辑和保存绘图。绘图数据可以 SVG 文件形式存储（file链接）或编码为 Base64 数据内嵌于文件中（data链接）。支持的链接格式包括方括号链接、尖括号链接和纯链接。可通过 M-x edraw-org-edit-link 或 C-c C-o 编辑图像，并使用 M-x edraw-org-link-image-mode 切换内联显示。
2. 导出：支持导出为 HTML、LaTeX 和 ODT 格式。对于 HTML 导出，可自定义使用 svg 或 img 标签。data 链接在 LaTeX 和 ODT 导出时会创建临时文件。
3. 独立文件编辑 (edraw-mode.el)：可编辑扩展名为 .edraw.svg 的文件，这是该工具推荐的专用格式。虽然无法编辑通用 SVG，但其输出的 SVG 可被浏览器等软件查看。可以通过 autoload 和 auto-mode-alist 设置自动打开。也支持在普通文件链接（如 file:example.edraw.svg）上调用编辑功能。
4. Emacs Lisp 编程接口：提供了 edraw-editor 等函数，允许在 Lisp 代码中创建嵌入式绘图编辑器，可自定义初始 SVG、保存函数、菜单和键绑定。
5. 颜色选择器 (edraw-color-picker.el)：提供颜色选择库及命令（如 edraw-color-picker-replace-or-insert-color-at），可用于在缓冲区中替换或插入颜色。提供了 edraw-color-picker-mode 和 edraw-color-picker-global-mode 两种次要模式以便在多种模式中使用。还提供了用于在 minibuffer 中读取颜色或以覆盖层形式显示颜色选择器的 Lisp 函数。

基本操作

• 快捷键：绘图编辑器中使用方向键移动对象，拖动鼠标绘制，mouse-3 调用上下文菜单，Ctrl+鼠标滚轮缩放，中键拖动滚动等。
• 快速绘图：使用 M-x edraw 命令可快速创建新绘图缓冲区，随后可通过 C-x C-s 保存。

许可证 本软件基于 GPLv3 许可证发布。

欧几里得卫星的首批科学照片揭示了英仙座星系团中超过1500亿颗“孤立恒星”。这些恒星漂浮在星系团内的星系之间，呈现出幽灵般的微光。

• 发现内容：欧几里得卫星在距地球2.4亿光年的英仙座星系团中，捕捉到了弥散在星系间的“孤立恒星”发出的微弱蓝光。
• 起源推论：恒星通常形成于星系内部。对这些孤立恒星的颜色、亮度和分布特征的分析表明，它们可能源自较小星系（矮星系）边缘被撕裂，或矮星系完全解体后的残骸。
• 意外发现：这些孤立恒星并未如预期般环绕星系团中最亮的星系运动，而是围绕两个最亮星系之间的某个点运行。这暗示英仙座星系团可能近期经历过一次星系团合并，导致引力扰动和轨道偏离。
• 光度贡献：尽管单个孤立恒星的光比地球上最黑的夜空还暗10万多倍，但它们分布范围极广（延伸至中心200万光年），总和约占整个星系团亮度的20%。
• 观测意义：此发现有助于绘制星系团内暗物质的分布图。这些弥散光为研究宇宙大尺度结构和暗物质提供了新的线索。
• 任务能力：欧几里得卫星具有与哈勃太空望远镜相似的清晰度，但视场大175倍。其高灵敏度和宽视野是实现此次观测的关键。该任务旨在通过观测数十亿星系，绘制宇宙的大尺度结构图，以探索暗能量和暗物质。

rust-bfield 是 B-field 概率型键值数据结构的 Rust 实现。B-field 是一种用于存储键值对的概率型关联数组，支持插入和查找操作，与布隆过滤器具有相似的数学和性能特性。对于任何已插入的键，其查找结果总是正确的，但对于未插入的键，可能存在假阳性错误。

B-field 不直接存储键或值，从而实现了高度的空间效率。它面临两类错误：

1. 假阳性：对于未插入的键，查找可能返回一个错误的值。
2. 不确定性：查找可能返回一个“不确定”结果而非具体值。此错误可通过参数选择降至接近零。

空间效率示例：

• 存储10亿个DNA/RNA k-mers 与约50万个细菌分类ID的关联，仅需约6.93GB。
• 存储10亿个网页URL与1600万个可能的IPv4地址（/8 地址块）的关联，需约8.9GB。

核心操作：

• 创建与插入：使用 BField::create 创建实例，然后通过 insert 方法插入键值对。
• 加载与查询：使用 BField::load 从文件加载，通过 get 方法查询。查询结果可能为 None、Indeterminate 或 Some(value)。

当前实现限制：

1. 仅支持 u32 类型的值。
2. 需要手动选择所有参数。
3. 需要用户自行管理多次插入以降低不确定性错误。

形式化数据结构详情： B-field 通过将值 y 编码为长度为 ν、汉明权重为 κ 的二进制串，并使用 k 个哈希函数将其插入到位数组中。插入过程类似于布隆过滤器的“按位或”操作。

错误率与二次数组：

• 假阳性率 α 和不确定性率 β 可通过公式推导。
• 通过级联构建多个二次数组（Array1 至 Array_{a-1}），可显著降低错误率：不确定性 β 被降至接近零，假阳性 α 也大幅降低。这仅带来很小的空间开销（约 1/(1-β) 倍）。

特性总结：

• 时间复杂度：创建 O(n)，插入和查找均为 O(1)。
• 空间复杂度：O(n)。
• 优势：在存储大量键映射到相对较少离散值的场景下，兼具高空间效率与速度。
• 历史：该数据结构于2013年提出，历经多种语言实现，于2017年移植为Rust版本并用于生产，于2022年开源。

适用场景： 适用于键值对中值域离散且数量相对有限的场景。对于值域非常大或需要精确映射的场景，传统哈希表或完美哈希函数可能更合适。

Neosync：开源数据匿名化与合成数据编排工具

项目概述 Neosync 是一款开源、面向开发者的数据匿名化与合成数据编排工具，主要用于匿名化个人身份信息（PII）、生成合成数据以及同步测试环境，以提升测试、调试和开发体验。该项目已被 Grow Therapy 收购，因此当前仓库不再积极维护。

主要用途 企业使用 Neosync 来：

1. 安全测试生产数据：匿名化敏感生产数据，使其可安全用于本地开发与测试。
2. 本地重现生产问题：通过匿名化和子集化生产数据，快速在本地复现生产环境中的缺陷。
3. 提升低层级环境数据质量：为预生产和 QA 环境注入类似生产的数据，以提前捕获缺陷。
4. 满足合规要求：通过匿名化和合成数据减少合规范围，帮助遵守 GDPR、HIPAA、DPDP 等法规。
5. 种子开发数据库：轻松为开发数据库注入合成数据，用于单元测试、演示等场景。

核心特性

• 根据数据库模式生成合成数据
• 匿名化现有生产数据以改善开发体验
• 使用 SQL 查询子集化生产数据库，用于本地和 CI 测试
• 完整的异步管道，支持自动重试、故障回放（基于事件溯源模型）
• 自动维护数据引用完整性
• 声明式、基于 GitOps 的配置，可作为 CI 流水线的一部分来填充 CI 数据库
• 预置适用于主要数据类型的数据转换器
• 支持通过 JavaScript 或 LLM 自定义数据转换器
• 预置与 Postgres、MySQL、S3 的集成

快速开始 Neosync 采用全容器化部署，易于启动。项目根目录下的 compose.yml 文件包含生产镜像引用，无需在本地构建，仅需几个命令即可运行：

• 克隆仓库，确保已安装并运行 Docker
• 使用 docker compose up 启动，通过 docker compose down 停止
• 访问 http://localhost:3000 使用 Neosync
• 生产 compose 文件预置了连接和示例作业，可直接运行以体验功能

更深入部署 关于环境变量、Kubernetes 部署和生产就绪指南，请参考官方文档中的“部署 Neosync”部分。

资源与社区

• 文档：提供全面的使用指南
• Discord：用于社区讨论和团队交流
• X（原Twitter）：获取最新更新

贡献方式 欢迎各种形式的贡献：

• 加入 Discord 频道提问
• 提交 PR（请参阅本地开发指南）
• 提交功能请求或错误报告

许可 该项目基于 MIT 许可证开源。

系统性改进RAG系统的核心策略

本文系统性地阐述了改进检索增强生成（RAG）应用的方法论。作者基于实践，将改进流程分解为六个关键步骤，旨在帮助开发者和企业实现增量性能提升。

1. 从合成数据开始，建立评估基线

改进系统的首要步骤是评估检索环节。直接优化生成而忽略检索准确性是常见误区。具体做法是：

• 为数据库中的每个文本块生成对应的合成问题。
• 使用这些问题测试检索系统，计算召回率和精确率，建立性能基线。
• 基于基线数据识别薄弱环节，指导后续优化。实践中，合成数据的目标召回率应接近97%。通过对比发现，文本检索（全文搜索）与向量检索（嵌入搜索）的性能在不同数据类型上差异显著，这有助于确定实验方向。

2. 整合元数据以增强搜索能力

单纯依赖文本语义搜索无法满足所有查询需求，特别是涉及日期、来源等过滤条件的查询。因此需要：

• 从文档中提取相关元数据（如日期范围、文件名、所有者）。
• 将元数据纳入搜索索引。
• 通过查询理解技术从用户问题中提取元数据信息（如“最近”需推断具体日期范围）。
• 利用提取的元数据扩展和优化搜索查询，以提高结果的相关性和准确性。

3. 混合使用全文搜索与向量搜索

结合两种搜索方式以最大化检索效果。建议：

• 同时实施全文搜索和向量搜索，并在具体场景中测试各自的性能。
• 优先使用单一数据库系统存储和管理两类数据，以避免多个数据源之间的同步问题和管理复杂性。
• 根据应用需求权衡速度与召回率：全文搜索通常更快，而向量搜索可能召回率更高。

4. 建立清晰的用户反馈机制

及时收集用户反馈是识别问题、构建评估数据集的关键。应注意：

• 在应用中尽早集成明确的反馈机制（如“有用/没用”按钮）。
• 优化反馈文案，使其直接针对核心指标。例如，使用“我们是否正确回答了您的问题？”代替宽泛的“您觉得如何？”，以避免因语调、延迟等干扰因素混淆数据，从而聚焦于答案准确性本身。

5. 聚类分析用户查询与反馈

通过分析用户行为数据，识别模式和改进机会：

• 对用户查询进行主题聚类，发现高频或新兴的查询领域。
• 识别系统的能力缺口，即系统无法有效回答的问题类型（如需要步骤说明、错误代码解析等）。
• 基于聚类结果，与领域专家确认分类，并为传入的查询自动打上主题和能力标签。
• 利用这些结构化数据（如通过Amplitude等工具）持续监控，优先改进那些影响用户数量多、满意度低的问题领域。

6. 持续监控与实验

系统优化是一个持续循环的过程：

• 建立监控和日志系统，跟踪长期性能。
• 基于合成数据集和带有评分的用户数据，定期运行主题聚类模型，结合用户满意度评分，计算各聚类的问题数量和不满意度。
• 根据数据变化（如新用户群体的加入导致需求分布改变）动态调整优化优先级。
• 设计并运行实验（如调整搜索参数、添加元数据、更换嵌入模型），衡量改进对召回率、精确率等指标的影响，仅实施效果显著的方案。

权衡延迟与性能

最终改进决策需结合具体用例进行权衡：

• 通过对比测试，量化某项改进（如引入父文档检索器）带来的召回率提升与延迟增加。
• 根据应用性质决定优先级：对于医疗诊断等高风险场景，即使延迟增加也应追求更高的召回率；对于一般文档搜索，用户体验可能更依赖快速响应。

总结

系统性改进RAG的核心在于：以合成数据建立基线、通过元数据和混合搜索增强检索、利用清晰的反馈和聚类分析识别关键问题、并基于数据驱动的监控进行持续实验和优化。整个过程旨在将随机的改进转变为可衡量、可重复的系统工程。

微软与可汗学院合作，为教师免费提供Khanmigo教学工具

在本周的Build大会上，微软宣布与教育非营利组织可汗学院达成一项人工智能合作伙伴关系。

核心合作内容 微软将为可汗学院的AI教学助手Khanmigo提供Azure云平台基础设施支持。此举使可汗学院能够免费向教师提供Khanmigo。该工具此前每月收费4美元，用于支付其背后的大语言模型访问费用。如今，借助微软的云平台，Khanmigo可以直接使用Azure OpenAI服务。

Khanmigo的功能与影响

• 定位：作为教师的“规划盟友和教学合作者”。
• 功能：利用可汗学院的内容库，无需复杂提示，即可帮助教师创建引人入胜的课程导入、提供学生表现洞察、推荐作业并支持教师更新知识。
• 效益：据可汗学院称，Khanmigo能帮助教师每周节省多达五小时的工作时间，有助于缓解职业倦怠。
• 生效时间：免费访问权限于5月21日对美国K-12教育工作者生效。

第二层合作：共同训练Phi-3模型 此外，可汗学院将帮助微软训练其新开源小语言模型Phi-3的一个版本，目标是为学生开发一个AI数学辅导员。

• Phi-3特点：专为特定领域数据设计，足够紧凑，可在边缘设备上运行。它经过指令微调，能够解读和执行类似自然人类交流的指令。
• 合作方式：可汗学院将向微软提供其数学相关数据，包括带有分步解法的数学问题。两家公司强调，可汗学院用户的个人数据不会被纳入训练数据。

Voyager 1 维护与操作状态总结

Voyager 1 是 NASA 的星际探测器，自 1977 年发射以来持续运行，但由于核动力电源逐渐减少，任务团队需不断调整以延长任务寿命。以下基于提供的内容，概述关键事件：

• 2024 年 6 月 13 日：Voyager 1 从所有四个科学仪器恢复正常数据返回，标志着自 2023 年 11 月技术问题后的首次全面科学操作。
• 2024 年 9 月 10 日：团队成功解决 Voyager 1 推进器问题，确保航天器能指向地球，维持通信和数据收集。
• 2024 年 10 月 1 日：为节省电力，NASA 关闭了 Voyager 2 的等离子体科学仪器，反映电源管理策略。
• 2024 年 10 月 28 日：Voyager 1 在短暂通信暂停后重新与任务团队建立连接，原因是其中一个无线电发射机关闭。
• 2024 年 11 月 26 日：Voyager 1 在通信暂停后恢复正常操作。
• 2025 年 3 月 5 日：NASA 关闭 Voyager 1 的宇宙射线子系统实验和 Voyager 2 的低能带电粒子仪器，以延长任务。
• 2025 年 5 月 14 日：Voyager 1 在命令暂停前恢复了备用推进器，这些推进器曾被停用数十年。
• 2025 年 9 月 4 日：纪念 Voyager 1 发射 48 周年，并回顾其 1990 年拍摄的“太阳系家族肖像”，展示历史成就。
• 2026 年 4 月 17 日：NASA 关闭 Voyager 1 上的低能带电粒子实验，以节省电力并维持航天器基本运行。

这些事件突出了 NASA 对 Voyager 1 的持续维护，重点包括电源管理、通信恢复、推进器修复和仪器调整，旨在确保这一人类首个星际探测器能继续执行科学任务。

# 文章摘要

本文作者Danny Calegari通过个人经历，探讨了“失望”的本质、心理机制及其可能带来的积极转变。

## 个人经历引入
作者回忆高中时参加澳大利亚数学奥林匹克竞赛选拔考试。他满怀信心，期待入选国家队，但收到的并非录取通知，而是布满批改痕迹的试卷。这瞬间的落差让他感到羞愧、震惊，并迅速重塑了他对过往经历和未来幻想的认知。

## 失望的本质与心理机制
- **定义**：失望是一种精神痛苦，源于现实与期望之间的差距。它不仅是一种情绪，更会引发生理反应，并导致个人世界观、自我认知及优先级的剧烈重组甚至崩塌。
- **理论视角**：
  - 引用弗洛伊德的观点，指出人们应对失望的典型方式包括：转移注意力、寻求替代性满足或使用麻醉物质。
  - 结合认知科学（如Minsky的“心智社会”模型），认为“自我”并非统一实体，而是由多个“代理”子系统组成的不稳定联盟。失望正是外部剧变打破这种内部平衡的机制，它既是一场“危机”，也是一个“机遇”。

## 失望在学术生活中的表现
作者列举了学术生涯中常见的失望情形，包括：
1. 成果未被同行充分认可。
2. 错失工作、奖项或会议邀请。
3. 被潜在导师拒绝或学生选择他人指导。
4. 有前景的研究思路失败或发现证明中的错误。
5. 成果无人问津。
6. 发现敬仰的前辈行为失当。
7. 未能达到自身行为标准。
8. **特别强调**：当获得梦寐以求的成功（如顶刊发表、职位、终身教职）后，却发现其带来的满足感不如预期，甚至引发对自我和目标的深度反思。这种“成功伴随的失望”尤为值得关注。

## 失礼的价值与视角转变
- **核心观点**：失望的价值在于它迫使我们重新审视现实与内心期望，从而获得洞察与改变的契机。
- **案例佐证**：
  - 引用John Stallings在尝试证明庞加莱猜想失败后的反思，强调承认错误、克服心理障碍的重要性。
  - 重述开头个人经历：数月后作者重新审视试卷，发现那些曾象征“失败”的批注，实则是通往数学思维的具体指引。试卷从“失败证书”变成了“学习手册”，信封从“打击”变成了“礼物”。
- **结论**：尽管失望痛苦，但通过接纳它并以新的视角解读，我们可以将其转化为个人与智识成长的起点，开启一段更有意义的旅程。

西南航空传统上不通过第三方旅行社网站销售机票，旨在节省分销成本并引导消费者直接在其官网购票。这一策略曾使其官网成为早期电商巨头，但也导致许多消费者在比价时忽略了该航司，甚至一度有网站因未授权显示其航班信息而被西南航空起诉。

然而，近期西南航空航班信息已出现在Google Flights的搜索结果中。这一转变主要基于两个原因：

1. 经营压力：西南航空正面临业务困境和超出预期的亏损，急需增加收入来源。公司正在调整商业模式，以更贴近客户需求。
2. 政策变化：美国交通部新规要求机票价格显示必须包含行李托运等附加费用。西南航空不提供基本经济舱票，且一直免除改签费，并提供两张免费托运行李。此前，在第三方比价网站上，其“全包”票价常显得更贵。但新规实施后，竞争对手的票价需明示行李费，这使得西南航空的票价对许多乘客而言将更具竞争力。

因此，西南航空一改过往做法，允许其票价在Google Flights上与其它航司并列显示，旨在利用新规带来的价格显示优势，并通过扩大曝光度吸引客源以改善业绩。

文章标题： 无人机飞行入门 – 面向初学者的互动教程

主要内容：

本文是一份面向初学者的互动无人机飞行教程，旨在帮助新手掌握基本飞行技能，自信地操控无人机。

1. 理论基础

• 无人机与汽车驾驶的核心区别在于：无人机在三维空间中移动，而汽车主要在二维平面行驶。
• 在航空航天领域，无人机的运动由三个轴定义：俯仰（Pitch）、偏航（Yaw） 和滚转（Roll）。理解这三个轴向是控制无人机的基础。

2. 实践课程（互动教程内容） 教程分为循序渐进的六课，通过屏幕上的虚拟摇杆进行操控练习：

• 第一课：悬停

  • 操控左侧摇杆上下移动，控制油门，调节螺旋桨转速与升力，使无人机稳定悬停。

• 第二课：转向（偏航）

  • 操控左侧摇杆左右移动，控制无人机绕垂直轴（YAW轴）旋转。

• 第三课：倾斜（滚转）

  • 操控右侧摇杆左右移动，控制无人机绕纵轴（ROLL轴）旋转。

• 第四课：抬头与低头（俯仰）

  • 操控右侧摇杆上下移动，控制无人机绕横轴（PITCH轴）旋转，使机头上下摆动。

• 第五课：向前飞行

  • 普通无人机没有水平推力，需要通过向前倾斜（即“俯仰”中的机头向下） 结合适当油门来获得向前运动的动力。

• 第六课：协调转弯

  • 综合运用两个摇杆进行操控，实现平滑、协调的转向飞行。教程建议使用触屏设备以获得最佳体验，并提供了在移动端全屏运行的指引。

3. 进阶与资源

• 完成以上基础课程后，意味着初学者阶段结束。
• 教程推荐继续在 FPVSIM 网页模拟器 上练习，该模拟器功能更全面。
• 同时提供了下载桌面版本的链接，该版本拥有更逼真的图形效果，适合追求更佳体验的学习者。

S3功能老化问题分析

AWS S3虽是一项工程壮举，但其功能集正逐渐落后于竞争对手。主要缺失包括比较并交换（CAS）操作、多区域存储桶和对象追加功能，连S3 Express One Zone（S3E1Z）也表现不佳。

CAS操作允许客户端在满足特定条件时才写入对象（如仅当对象不存在或未变更时），是分布式系统中实现锁和事务的常用机制。所有其他对象存储服务（如GCS、ABS、R2、Tigris、MinIO）均支持此功能，唯独S3没有。开发者因此被迫使用DynamoDB等外部事务存储来实现两阶段写入，这增加了开发复杂性和不必要的抽象层。

S3E1Z在发布时备受期待，但实际存在大量标准S3功能缺失，包括对象版本控制、存储桶标签、对象锁、对象标签和MD5校验和ETag等。它引入了新的目录存储桶类型，且非多区域设计，开发者需自行实现跨可用区写入以提高可用性。此外，其存储成本高达0.16美元/GB，是EBS gp3 SSD的两倍，使其更像一个昂贵的、API不完整的块存储服务。

S3在可用性方面也存在差距，不支持双区域或多区域存储桶，而Google等竞争对手提供了此类功能。

面对这些限制，开发者面临两种选择：放弃S3或围绕其缺陷构建系统。Turbopuffer公司是前者的典型代表，他们选择完全弃用S3，转而构建了由自身二进制文件、RAM/SSD缓存和Google Cloud Storage组成的简洁架构。其赌注是AWS未来会为S3增加CAS支持。此策略的主要挑战在于跨云网络出口费用，但据分析，对于AWS用户而言，该成本并非不可承受。

另一种路径是接受S3的局限性，并引入外部元数据层（如DynamoDB）。一旦接受元数据与存储分离的思路，系统将获得更多可能性。关键在于认识到S3是对象存储而非文件系统。

最终，是否放弃S3取决于具体系统的需求和设计目标。文章呼吁AWS为S3增加CAS支持并统一S3E1Z的API，这将极大简化开发者的决策。

二战期间美国飞机产业扩张概览

背景与初始状态

战前美国飞机产业规模极小，1937年仅生产约3100架飞机（多为小型私人飞机）。飞机制造业产值仅相当于罐头工业的1/4、汽车工业的3.5%。美军在1940年仅有2665架飞机，且技术落后于欧洲。

扩张驱动力

• 盟国早期订单：1938-1939年，英法向美国订购价值5.73亿美元（2024年约128亿美元）的飞机，推动行业就业三年内增长两倍，工厂产能大幅提升。
• 政策推动：1940年德国入侵西欧后，罗斯福提出年产5万架飞机的目标，国会随后批准大规模国防拨款。1941年通过《租借法案》向盟国提供70亿美元（2024年约1490亿美元）军事物资，包括飞机。
• 战争目标：珍珠港事件后，生产目标进一步提高至1942年6万架、1943年12.5万架。

规模与成果

• 战争期间美国共生产约32.5万架飞机，总价值460亿美元（2024年约8000亿美元），超过德日意三国产量之和，也超过历史上所有商用飞机产量。
• 1944年美国飞机产量相当于德、日、英、意四国总和。

生产扩张挑战与措施

1. 工业基础薄弱：战前飞机制造采用小规模、手工作坊式生产，每磅成本是汽车的30-40倍。
2. 复杂性高：飞机零件数达16.5万个（汽车约5000个），精度要求严格，生产需多次检验（如发动机有7万次检验）。
3. 政府资助建厂：约90%飞机产能由政府通过防御工厂公司投资建造，采用“政府所有、承包商运营”模式。
4. 跨界生产：汽车制造商等非航空企业参与零部件生产（如汽车业生产了56%的飞机发动机）。
5. 劳动力转型：女性占劳动力比例达40%-90%，生产流程简化以适应非熟练工人。
6. 设计变更管理：飞机设计频繁修改（如P-47经历5次重大改型），后期建立修改中心处理变更，但效率低下。

效率提升

• 采用流水线生产、改进工装、优化流程，波音B-17装配工时从1941年的14万小时降至1944年的不到2万小时。
• 飞机平均生产成本在战争期间下降32%。

战后处置

• 数万架过剩飞机被废弃，政府将工厂低价出售转为民用（如道格拉斯工厂改为奥黑尔机场）。

关键启示

美国飞机产业扩张成功依赖于：英法早期订单提供初始动力、政府大规模资金支持、以及比尔·克努森等人的远见。扩张过程显示复杂制造业可快速扩大规模，但受前期准备和固有生产限制影响。

英伟达公布2025财年第一季度财报

核心财务业绩

• 创纪录的季度收入：260亿美元，环比增长18%，同比增长262%。
• 创纪录的数据中心收入：226亿美元，环比增长23%，同比增长427%，是增长的主要驱动力。
• GAAP每股摊薄收益：5.98美元，环比增长21%，同比增长629%。
• 非GAAP每股摊薄收益：6.12美元，环比增长19%，同比增长461%。

公司重大行动

• 股票拆分：宣布进行“一拆十”的股票拆分，于2024年6月7日生效，旨在使股权更容易被员工和投资者持有。
• 股息增加：将季度现金股息提高150%，拆股后调整为每股0.01美元。

管理层评论

首席执行官黄仁勋指出，“下一次工业革命已经开始”，公司正与合作伙伴将传统数据中心转型为用于生产人工智能的“AI工厂”。他认为AI将为几乎所有行业带来显著的生产力提升和新的收入机会。数据中心的增长主要由Hopper平台对生成式AI训练和推理的强劲需求驱动，并已扩展至多个垂直市场。

业务亮点与展望

• 数据中心：推出Blackwell平台、Quantum和Spectrum X系列交换机、NVIDIA NIM等产品，并与AWS、谷歌云等扩大合作。
• 游戏与AI PC：收入为26亿美元。推出了新的AI游戏技术，并为更多游戏添加RTX支持。
• 专业可视化：收入为4.27亿美元。发布了新的专业GPU，并扩展了Omniverse Cloud API。
• 汽车与机器人：收入为3.29亿美元。DRIVE Thor和DRIVE Orin平台获得多家车企采用，并推出人形机器人基础模型。
• 第二季度展望：预计收入280亿美元（±2%）。GAAP和非GAAP毛利率预计分别约为74.8%和75.5%。

非GAAP指标说明

公司使用非GAAP财务指标（如调整后的毛利润、运营收入等）来补充按照GAAP编制的财务报表。这些调整剔除了股票薪酬费用、收购相关成本等项目，以提供对公司核心经营业绩的补充理解。

Matcha.css 是一个纯 CSS 语义化样式库，旨在为 HTML 元素提供类似浏览器默认样式表的外观，无需用户手动修补文档。

核心特点：

• 零依赖与简洁： 无构建步骤、无 JavaScript 依赖、无需配置或重构。
• 轻量高效： 默认构建文件压缩后仅约 8.81kB，且可通过自定义构建进一步缩小。
• 语义化设计： 样式基于 HTML 元素的层次结构和语义（如嵌套 <menu> 自动生成子菜单，<label> 与 <input required> 配对时显示必填星号）。
• 易于集成与移除： 通过添加一个 <link> 标签即可使用，移除后无需清理文档。
• 高度可定制： 提供在线构建器，允许用户选择需要的功能模块生成自定义版本。
• 开源项目： 遵循 MIT 许可证。

使用方式： 在 HTML <head> 中引入样式表链接即可，例如：<link rel="stylesheet" href="https://matcha.mizu.sh/matcha.css">。也支持从 CDN 加载。

版本与模块化：

• 提供多种预构建版本（默认、精简、工具类、伊斯坦布尔覆盖率）。
• 支持按需引入单个功能模块（如 @syntax-highlighting）。
• 提供自定义构建器，可选择特定功能并调整 CSS 变量（颜色、边框等）。

设计亮点：

• 样式覆盖广泛： 为众多 HTML 元素（如 <section>, <article>, <nav>, <form>, <table>, <dialog> 等）提供直观、一致的默认样式。
• 响应与主题： 尊重用户系统的颜色方案偏好（亮/暗模式），并通过 data-color-scheme 属性支持手动覆盖。
• 交互反馈： 为表单验证、链接悬停、按钮状态等提供清晰的视觉反馈。
• 代码支持： 内置兼容 highlight.js 的语法高亮样式类。
• 布局辅助： 提供简单的布局模板（如 .layout-simple）。
• 工具类： 提供一系列用于微调文本、间距、布局、显示模式的实用工具类（需注意使用工具类会使其更深度地绑定到该库）。

兼容性： 针对所有现代主流浏览器（Chrome, Edge, Safari, Firefox 等）进行了精心适配，兼容性评分普遍高于 90%。少数特定 CSS 特性在部分浏览器中存在有限支持。

适用场景： 非常适合用于快速原型设计、静态 HTML 页面、由 Markdown 生成的文档，以及希望简化工作流、充分利用 HTML 元素语义而不深究 CSS 细节的开发者。

美国密歇根州一名奶牛场工人确诊感染禽流感，成为美国奶牛疫情中第二例人类感染病例。

病例详情：

• 该工人曾接触疑似感染的奶牛，出现轻微眼部症状，目前已康复。
• 鼻腔拭子检测病毒呈阴性，但眼部拭子检测呈阳性，表明为眼部感染。
• 美国疾病控制与预防中心（CDC）与密歇根州卫生官员于周三宣布了此病例。

公共卫生风险与应对：

• 官员表示，公众面临的风险仍然较低，但接触感染动物的农场工人风险较高。
• 应为这些工人提供防护装备，特别是眼部防护。
• 密歇根州卫生部门通过每日短信主动监测接触过感染奶牛的工人，有助于发现此次感染。
• 自3月底发现首批奶牛病例以来，美国已对40人进行了检测。

疫情背景：

• 首例人类病例于3月底发生在得克萨斯州，被认为是全球首例人从哺乳动物感染该版本禽流感的病例，患者同样仅出现眼部炎症并已康复。
• 自2020年以来，H5N1型禽流感病毒已在数十个国家的多种动物中传播。
• 病毒在美国奶牛中的传播持续增加，截至周三，美国农业部报告已在9个州的51个奶牛群中确认病毒，其中15个在密歇根州。

食品安全与防控措施：

• 病毒在感染奶牛的生奶中含量很高，但官员表示，经过巴氏杀菌的乳制品是安全的，因为热处理已被确认可杀死病毒。
• 美国农业部正扩大对未感染奶牛牧场的经济激励。
• 此病例是美国第三例人感染H5N1型禽流感病例，首例发生在2022年，一名科罗拉多州囚犯在扑杀感染禽类时感染，症状仅为疲劳并已康复，此病例早于病毒在奶牛中出现。

中世纪博洛尼亚曾遍布高塔

现代建筑高度与历史类比

现代城市中建筑高度常与土地价值及经济生产力相关。类似现象也见于八百年前的博洛尼亚，但形式不同。历史上的高塔并非为了最大化利用垂直空间，而是贵族家族社会地位与防御需求的体现。

历史背景与功能

• 时代背景：12至13世纪，博洛尼亚是欧洲最大城市之一，兴建大教堂、市政厅等大型项目，部分家族则热衷于建造高塔。
• 贵族需求：贵族家族延续传统，通过修建高塔彰显地位并应对暴力争斗。由于城市不适合建造城堡，他们选择建造以塔为中心的城市宅院，塔楼更类似“ panic rooms”（应急避难所），而非主要居住空间。
• 文化记载：这些塔在后世文学艺术中留有痕迹，如但丁曾提及“ Garisenda 塔”。

历史描绘的演变

• 现代艺术再现：一幅广为流传的图像描绘了中世纪博洛尼亚遍布近180座高塔的景象，呈现出现代与历史交融的“中世纪赛博朋克”效果。
• 图像来源：该图像实为意大利艺术家 Toni Pecoraro 基于20世纪初制鞋匠兼自学艺术家 Angelo Finelli 的城市模型创作，而 Finelli 的灵感又来自19世纪考古学家 Giovanni Gozzadini 的研究。Gozzadini 本人出身于曾竞相建塔的贵族家族。
• 历史研究：相关研究探讨了博洛尼亚是否真拥有近180座高塔及其消失原因。

现状与反思

如今博洛尼亚仅存约22座高塔，城市天际线较为稀疏。这反映了城市从贵族纷争与商业竞争中心向现代形态的转变，同时也意味着不再需要随时躲入防御性塔楼。

相关内容延伸

文章末尾提及多个建筑与文化相关主题，包括：

• 欧洲摩天楼稀少的原因
• 比萨斜塔屹立不倒的原理
• 威尼斯建筑与运河解析
• 罗马帝国大型手造模型巡礼
• 佛罗伦萨穹顶的建造故事

Amber: 代码搜索与替换工具

Amber 是一款使用 Rust 编写的代码搜索与替换工具，其设计灵感来源于 ack 和 ag 等类 grep 工具。

主要特性

• 开箱即用：递归搜索当前目录、忽略VCS目录（如 .git、.hg）、忽略二进制文件、彩色输出。
• 多线程搜索：自动将大文件（默认 >1MB）分割并进行并行搜索。
• 交互式替换：能够跨目录替换关键词，替换前会逐项提示，用户可交互决定是否执行。此外，ambr 命令支持正则表达式捕获组在替换字符串中的使用。

安装方法

可通过以下方式安装：

• Arch Linux：从 AUR 安装 amber-search-git 包。
• Cargo：使用 cargo install 命令安装。
• 手动安装：从发布页面下载二进制文件，解压至系统 PATH 目录中。

基本使用

工具提供两个核心命令：

• ambs：用于搜索。例如 ambs keyword 或 ambs keyword path。
• ambr：用于替换。例如 ambr keyword replacement 或 ambr keyword replacement path。

默认搜索不使用正则表达式，可通过 --regex 选项启用。ambr 的默认交互模式会提示用户选择“是”、“否”、“全部替换”或“退出”。

配置

配置文件路径因操作系统而异（如 Linux 中为 ~/.config/amber/ambs.toml）。如果主目录下存在 ~/.ambs.toml，则会优先使用。配置文件 ambs.toml 用于 ambs 命令，ambr.toml 用于 ambr 命令。

可配置项众多，例如：regex（是否启用正则）、color（是否彩色输出）、skip_vcs（是否跳过VCS目录）、interactive（是否交互式操作）等，默认值均已预设。

性能基准测试

在特定硬件环境下，使用 hyperfine 工具对 Amber、ripgrep、grep、fastmod 及 find/sed 组合进行了性能对比：

搜索性能 (ambs 对比)

替换性能 (ambr 对比)

测试表明，Amber 在多数搜索和替换场景中，特别是处理大文件时，性能优于 grep、ripgrep 及 fastmod 等工具。

摘要

内容报告了一个网站加载错误，指出必要的部分无法加载。可能的原因包括浏览器扩展、网络问题或浏览器设置。建议用户检查网络连接、禁用广告拦截器或尝试使用不同的浏览器。

YouTube近期再次开始向部分用户推送其备受争议的网站新版界面。该设计最早于今年四月中旬进行测试，主要变化是将视频的标题、描述和评论部分移至屏幕侧面，而原先位于下方的视频推荐内容则改为直接置于播放视频下方，并采用更大的缩略图和标题。此次改版在首次测试时遭到大量用户强烈反对，随后被撤回。

目前，YouTube已重新开始小范围推送该设计，过去几天陆续有用户发现界面变化。尽管迹象表明这仍处于测试阶段而非全面铺开，但第二次测试意味着平台可能正在收集更多用户反馈数据。

YouTube官方在部分用户询问时回应称这只是一个“实验”，并指出大多数实验仅持续几周时间。然而，这些回复被认为较模板化，并未明确透露该设计未来是否会成为默认界面。目前尚不清楚YouTube对此项改版的最终计划。

Bytehound：Linux内存分析器

主要功能

• 分析能力：可检测内存泄漏、精确定位内存消耗位置、识别临时分配、调查过度内存碎片化。
• 数据采集：记录每次内存分配与释放，附带完整堆栈跟踪。
• 动态优化：支持动态剔除临时分配，允许长时间性能分析。
• 高效实现：采用定制栈展开技术，性能远优于同类工具，某些情况下速度可提升数个数量级。
• 数据导出：支持将数据导出为JSON（自行分析）、Heaptrack格式（使用Heaptrack图形界面）及火焰图。
• 可视化界面：提供基于Web的图形用户界面用于数据分析。
• 远程流式传输：支持将分析数据实时传输到其他设备，适用于内存受限系统。
• 架构支持：兼容AMD64、ARM、AArch64和MIPS64架构（MIPS64需少量内核补丁）。
• 分配器支持：支持分析使用jemalloc分配器的应用（仅AMD64架构下通过jemallocator crate实现）。
• 脚本分析：集成基于Rhai的嵌入式DSL，支持程序化或自动化数据分析。

构建方法

1. 环境准备：安装GCC、Rust nightly（仅支持1.62及以上版本）和Yarn包管理器（用于构建图形界面）。
2. 编译命令：

   cargo build --release -p bytehound-preload
   cargo build --release -p bytehound-cli
   

3. 生成文件：从 target/release/ 目录获取 libbytehound.so 和 bytehound 二进制文件。

基本使用

export MEMORY_PROFILER_LOG=warn
LD_PRELOAD=./libbytehound.so ./your_application
./bytehound server memory-profiling_*.dat

启动后通过浏览器访问 http://localhost:8080 使用图形界面进行分析。

扩展配置

• 完整日志：默认为性能禁用调试日志，可通过编译时添加 debug-logs 特性启用：

  cd preload
  cargo build --release --features debug-logs
  

许可与贡献

• 许可证：双许可（Apache 2.0或MIT许可证）。
• 贡献条款：所有未明确声明的贡献均默认按上述双许可授权。

前谷歌UX策略师Scott Jenson在离职后批评公司的AI项目缺乏合理动机，并将现状比作13年前的谷歌+失败事件。他认为谷歌的目标是创造一个类似“贾维斯”的助手以锁定用户生态，而推动这一愿景的是害怕被竞争对手抢先的恐慌。

Jenson指出，尽管AI具有潜力，但谷歌的野心“缺乏良好的动机”。他同时认为苹果的Siri也在采取类似的生态锁定策略，而苹果可能与OpenAI合作的消息预计将在6月的WWDC大会上公布。

文章列举了谷歌在I/O 2024上公布的众多AI项目，但指出其中大部分仍处于实验阶段，仅对少数用户开放，或需等待较长时间才能上线。这些项目的实际用户价值尚不明确，例如Gmail或GoogleDocs中的手写识别功能，其使用率和实用性未经证实。更早的AI语音项目“Duplex”自2018年发布后，其发展也未达预期。

在已广泛推广的AI功能中，谷歌搜索的“AI概览”功能引发了较大争议。该功能直接展示网站内容的摘要作为答案，而非提供链接，但被批评未获网站运营者许可，可能涉及侵权，且可能传播错误信息且责任不清。此外，这影响了网络内容的正常分享方式。

谷歌近期推出的“网页”筛选器虽被宣传为便捷功能，但实际上已将万维网降级为一个筛选项。这可能朝着Jenson所述的“贾维斯”愿景迈进，即谷歌逐步减少对外部网站的依赖，最终变成类似社交媒体的封闭平台。