Google Sheets 计算引擎从 JavaScript 迁移至 WasmGC 的实践与优化

Google Sheets 作为首批在 Chrome 中采用 WasmGC（WebAssembly 垃圾回收扩展）的产品之一，与 Chrome 团队紧密合作，完成了其计算引擎从 JavaScript 到 WasmGC 的迁移，旨在大幅提升计算性能。

背景与挑战

• 历史：计算引擎最初用 Java 编写（2006年），早期在服务器运行。自2013年起，通过 GWT 和后来的 J2CL 工具链，将其转译为 JavaScript 以在浏览器中的 Web Worker 内运行。
• 性能问题：经过验证，JavaScript 版本的计算引擎比原生 Java 版本慢三倍以上。这主要归因于 JavaScript 的动态类型特性，使得即时编译器（JIT）难以生成最优机器码。对于大型试算表，计算延迟显著。

解决方案：WasmGC

WasmGC 是 WebAssembly 规范的扩展，新增了编译垃圾回收语言（如 Java）所需的基础指令。其目标是为这类语言提供接近原生的网络运行性能，类似于 WebAssembly 为 C++ 所做的。

合作开发与实施

• 团队协作：2020年底，Google Workspace 与 Chrome 团队启动合作。Workspace 团队拥有编译器优化经验，Chrome 的 V8 团队负责运行时，双方共同构建工具链。Google Sheets 因其对性能的高要求和完善的验证机制，成为理想的测试平台。
• 原型开发：2021年中，Java 到 WasmGC 的编译器可用；同年底，成功以 WasmGC 形式运行 Sheets 计算引擎。初期面临工具缺失、需寻找或编写替代 JavaScript 库、以及验证正确性等挑战。

关键优化策略

初始 WasmGC 版本比 JavaScript 版本慢约两倍，团队随后实施了多轮优化：

1. 移植已有最佳化：将 JVM 和 V8 中成熟优化移植至 WasmGC。例如，实现虚方法调用的推测内联和去虚拟化，使 Chrome 上的计算时间缩短了约 40%。
2. 利用高性能浏览器 API：在特定场景（如字符串和正则表达式）直接使用原生优化的浏览器 API。将正则表达式处理从编译为 WasmGC 的 re2j 库切换至 Chrome 原生 RegExp API 后，速度提升近 100 倍。
3. 重构平台特化代码：移除过度适应 JavaScript 特性的代码模式。例如，重写了一个核心数据结构，该结构在 JavaScript 中高效（因稀疏数组自动作为映射处理），但在其他平台上效率低下。

最终成果

经过一系列优化，最终的 WasmGC 版 Sheets 计算引擎性能比 JavaScript 版本快约两倍，相较于未优化的初始 WasmGC 版本，性能提升达四倍。

结论与展望

此次迁移证明了 WasmGC 是一项强大技术，能有效提升 Web 应用性能。Google 预计 WasmGC 将在未来支持共享内存多线程并进一步提升单线程性能，建议开发者在高性能 Web 项目中考虑使用 WasmGC，以打造更流畅的网络体验。

Comedy Central网站关闭，25年经典节目视频库消失

Comedy Central网站于周三突然下架大量内容，包括自1999年以来《每日秀》（The Daily Show）每期节目的片段，以及《科尔伯特报告》（The Colbert Report）的全部内容。这些节目曾构成了一个极其丰富的深夜喜剧视频资料库。

主要影响

• 核心内容消失：访问Comedy Central网站的用户现在会看到一条提示，告知节目已不再可用，并建议用户通过电视提供商或订阅Paramount+来观看。
• 关键节目无法找回：对于寻找《每日秀》和《科尔伯特报告》老节目的观众而言，这两个节目均未在Paramount+平台上提供。
• 波及其他节目：一同下架的还包括其他一些短命的深夜节目，如《乔丹·克莱珀的反对派》（The Opposition with Jordan Klepper）、《拉里·威尔莫尔的夜间秀》（The Nightly Show with Larry Wilmore）、克里斯·哈德威克主持的《午夜》（@midnight）以及《大卫·斯佩德的熄灯》（Lights Out with David Spade）。

背景与原因

• 公司财务压力：此举被视为派拉蒙（Paramount）公司持续紧缩政策的一部分。该公司负债超过140亿美元，主要亏损来自其流媒体服务Paramount+及其老化的有线电视网络。
• 合并谈判破裂：在此次网站关闭前，派拉蒙曾与天空之舞（Skydance）进行合并谈判，但据报道公司最大股东莎莉·雷石东（Shari Redstone）在最后一刻否决了该交易。
• 集团整体策略：类似地，MTV和CMT的网站也在前几天被关闭，这表明这是派拉蒙集团层面的网站整合行动。

现状与公司回应

• 替代内容有限：虽然YouTube上仍能找到一些Comedy Central黄金时代深夜节目的片段，但远不及原网站上资料的完整程度。
• 官方声明：派拉蒙的一位代表在周三晚表示：“作为派拉蒙整体网站变更的一部分，我们推出了更精简的网站版本，将粉丝引导至Paramount+观看他们喜爱的节目。”然而，正如文中指出，许多经典节目实际上并未在该平台上架。

Claude 3.5 Sonnet 核心摘要

模型定位与成本

Claude 3.5 Sonnet 被评价为当前最佳的非微型大型语言模型（LLM），其响应速度是 Claude Opus 的两倍。用户可通过 Claude.ai 和 iOS 应用免费使用，API 定价为输入 $3/百万 token，输出 $15/百万 token。当前行业趋势显示，头部 AI 公司正倾向于开发更快、更廉价且性能足够的主力模型，而非仅聚焦于最昂贵的旗舰模型。

性能与基准测试

该模型在多项基准测试中表现优异，在 GPQA 等测试中领先。在内部代码评估中，Sonnet 3.5 解决了 64% 的问题，远超 Opus 的 38%。在法律、金融和哲学等领域的专家评估中，其胜率高达 73% 至 82%。视觉能力有所提升，但系统被强制设定为“脸盲”，拒绝识别或命名图像中的人脸以保护隐私。

核心新功能：Artifacts

Anthropic 推出了 Artifacts 功能，允许用户在独立的窗口中实时查看、编辑和构建 Claude 生成的代码、文档或设计。这标志着 Claude 从单纯的对话 AI 向协作工作环境的演进，未来计划扩展至支持团队和组织级别的知识集中与协作。

安全、隐私与能力前沿

• 安全评估：模型仍处于 ASL-2 安全级别，并在发布前接受了英国人工智能安全研究所（UK AISI）的评估。
• 隐私承诺：Anthropic 承诺未经明确许可，绝不使用用户数据训练生成式模型。
• 能力前沿：针对争议，Anthropic 澄清并未做出“不推进 AI 能力前沿”的硬性承诺，而是将其视为一种成本并尽量避免，目前未违背任何硬性承诺。

生产力提升与已知局限

Sonnet 3.5 在编码和自主修复代码库方面表现卓越，显著提升了工程师的生产力，引发了业界关于“递归自我改进”的讨论，但目前仍属于提升人类劳动生产率的范畴。然而，模型在某些简单的逻辑推理或模式匹配问题（如“农夫与羊”问题、井字棋策略）上仍会失败，这是当前 LLM 的已知局限。

市场前景

凭借显著的性能跳跃，Claude 3.5 Sonnet 有望在短期内占据领先地位。预计在近期内，只有 Google（如 Gemini 1.5 的后续更新）或 OpenAI（如未来的 GPT-5）具备挑战其榜首位置的潜力。

《我希望曾被教导的十节课》摘要

本文是Gian-Carlo Rota于1996年基于其演讲内容发表的文章，分享了他希望在学术生涯早期就学到的十个教训。文章以Dirk Struik建议演讲者应"给听众一些可以带回家的东西"的轶事开篇，随后逐一阐述了以下经验教训。

核心教训

1. 演讲技巧

   • 每次讲座应只围绕一个核心论点，像主题与变奏一样反复强调。
   • 严格遵守时间，永不超时（超过50分钟即为"不可原谅的错误"）。
   • 关联听众：提及在场某位学者的相关工作，能至少确保一人专注倾听。
   • 给予听众可带走的内容：听众往往记得轶事、笑话或细节，而非主要数学内容。

2. 黑板技术

   • 确保黑板绝对干净，擦除杂乱痕迹。
   • 从左上角开始书写，字迹大而慢，无缩写，方便听众做笔记。

3. 多次发表相同成果

   • 借鉴Frederick Riesz的做法：先在小期刊发初步版本，再逐步完善并发表于更权威的期刊。这能适应不同学术群体的语言和记号习惯，避免成果被他人重新发现。

4. 阐释性工作更易被铭记

   • 以Hilbert为例：其名字更多与《几何基础》《数论报告》等阐释性著作相连，而非仅与原始定理相关。Feller也因其概率论教材被广泛记住。

5. 每位数学家只有少数几个技巧

   • 有人批评Erdös总用几个技巧，但Hilbert等大家亦然。重要的是巧妙运用这些技巧解决深刻问题。

6. 不惧错误

   • Hilbert的论文集曾因错误过多需雇人修正三年，但所有错误均可纠正，且不改变定理本质。存在两种错误：摧毁理论的致命错误，和可检验理论稳定性的偶然错误。

7. 使用费曼方法

   • 始终在脑中保留十几个你最喜欢的问题。每当学到新技巧或结果时，对照这些问题检验是否有助于解决其中之一。

8. 慷慨致谢

   • 引用看似无关的文献有时也会收到作者的感谢。全面详尽的参考文献能让读者感受到尊重。

9. 撰写信息丰富的引言

   • 由于很少有人从头到尾读论文，需在引言中充分阐述研究动机、历史背景和内容概述，以吸引读者。

10. 为老年做准备

    • 借用Stan Ulam的观察：人生分为"永远是最年轻的"和"永远是最年长的"两半，没有过渡期。年老后，你不再被视为一个人，而是一个"机构"，被当作一件古董对待。对此最明智的反应是享受这个新角色。

文章贯穿始终的是Rota对学术生活务实而富有洞察力的观察，强调了沟通、传播、坚持与心态在学术生涯中的重要性。

Figma Slides 简介

Figma Slides 是一款专为设计师及其团队构建的演示工具，包含在所有计划中，旨在帮助团队共同创作叙事、吸引观众并制作专业演示文稿。

核心功能

设计与创建

• 提供易用的界面，支持切换到设计模式，使用 Figma Design 功能如自动布局、图层面板和高级属性。
• 允许直接导入 Figma 设计或自行创建幻灯片。
• 通过插件扩展功能，添加渐变、图表、图标、动画等，并支持图像编辑和文件导入。
• 提供视频编辑工具，如覆盖、透明度、边框和圆角，为演示视频增添专业效果。

协作与效率

• 支持多人同时编辑同一文件，使用聊天、音频和评论进行实时协作。
• 集成 AI 功能，快速调整文本语调（如更短或更长、更专业或更随意），并自动生成相关演示者笔记。
• 提供演示者笔记和共同演示控制，确保演讲流程顺畅。

转换与互动

• 可将 FigJam 板转换为幻灯片，将头脑风暴内容提升为精美演示。
• 支持添加交互式原型和实时对象，观众可在演示中点击查看或事后浏览。
• 内置观众参与工具，如实时投票和互动原型，自动保存反馈到演示文稿。
• 使用对齐尺度功能检查团队对齐情况，识别需要进一步讨论的领域。

导入与模板

• 支持导入 .pptx 文件，方便整合现有演示文稿。
• 提供高质量幻灯片模板，涵盖多种演示类型，帮助用户快速开始。

用户评价与资源

• 用户评价强调 Figma Slides 提供一体化系统，整合想法与原型，提升工作效率。
• 提供教程视频和社区演示模板资源，以及常见问题解答，帮助用户上手。

Gemma 2：改进实用规模的开放语言模型

Gemma 2是Google DeepMind推出的新一代轻量级开放语言模型系列，包含2B、9B和27B三种参数规模，旨在在实际可用的模型尺寸下实现最先进的性能。该系列模型基于解码器专用的Transformer架构，并引入了多项已知的技术改进。

模型架构与训练方法

模型采用了交替的局部滑动窗口注意力（窗口大小4096）与全局注意力（跨度8192）机制，并使用分组查询注意力（GQA）以提升推理速度。其他架构特点包括使用RMSNorm进行前后归一化、GeGLU非线性激活函数，以及对注意力层和最终层的对数输出进行软上限处理（soft-capping）。2B和9B模型使用了知识蒸馏进行训练，即以一个更大的教师模型（如27B模型）输出的token概率分布作为学习目标，而非传统的下一个token预测。这使得小模型能够从更丰富的梯度信息中学习，相当于在远超计算最优token数量（超过50倍）的数据上进行训练。27B模型则从头开始训练。所有模型均使用256k词表的SentencePiece分词器。

预训练数据与基础设施

预训练数据主要为英文，来源包括网络文档、代码和科学文章。27B模型使用13万亿token训练，9B使用8万亿，2B使用2万亿。训练在TPUv4、TPUv5e和TPUv5p集群上进行，采用了先进的并行化技术（如GSPMD分区器和MegaScale XLA编译器），并使用了优化器状态分片（类似ZeRO-3）。

后训练流程

后训练包括监督微调（SFT）和基于人类反馈的强化学习（RLHF）。SFT使用了合成和真实的人工生成提示-回复对，其中回复大多由教师模型合成生成。RLHF使用了一个更大的奖励模型。最后通过模型平均来综合不同阶段的模型，以提升整体性能。数据经过严格过滤，以移除个人信息、不安全或有毒内容。

评估与性能

在众多自动化基准测试和人类评估中，Gemma 2模型达到了同等规模开放模型的最佳性能，甚至可与比其大2-3倍的模型竞争。例如：

• 在LMSYS Chatbot Arena中，Gemma 2 27B（Elo 1218）的排名高于Llama 3 70B（Elo 1206）；Gemma 2 9B（Elo 1187）与GPT-4-0314（Elo 1186）表现相当；Gemma 2 2B（Elo 1126）则优于GPT-3.5-Turbo-0613（Elo 1116）。
• 人类评估显示，Gemma 2模型在指令遵循、安全性以及多轮对话满意度方面均显著优于前代Gemma 1.1模型。

知识蒸馏的消融实验证实，使用蒸馏训练的2B模型（在500B token上）性能显著优于从头训练的模型，并且这种优势在模型规模扩大时依然保持。

记忆化、隐私与安全

评估表明，Gemma 2模型的逐字记忆率极低（低于0.1%），远低于先前类似规模的模型。个人数据泄露率也非常低（约0.00026%）。模型经过全面的安全评估，包括：

• 针对极端风险能力的评估，如进攻性网络安全、CBRN知识、自我增殖能力等，结果表明其在这些方面的风险较低。
• 劝说能力评估显示，其在建立融洽关系方面较强，但在欺骗性劝说方面并未表现出超越其他模型的显著能力。
• 模型严格遵守谷歌的安全政策，旨在避免生成有害内容。

责任与部署

报告强调了负责任开发和部署的重要性。除了安全训练和评估外，团队还发布了负责任生成式AI工具包，包含一系列工具（如LLM Comparator、可定制分类器构建方法等），以帮助开发者在应用中实施安全最佳实践。报告承认模型仍存在局限性（如事实性、对抗攻击鲁棒性等），需进一步研究。

结论

Gemma 2通过知识蒸馏和架构优化，在实用尺寸下显著提升了开放语言模型的性能。模型已开源，旨在推动社区研究，同时团队对其安全性进行了广泛调查，并采取了系统级方法以确保负责任的使用。

《大脑产生大量废物，科学家如今或已探明其去向》

最新研究揭示，大脑的废物清除系统未来可能帮助科学家更好地理解和预防多种脑部疾病。

• 废物来源与清除必要性：大脑约有1700亿个细胞，在执行日常功能时会产生大量废物。为保持健康，大脑必须清除这些废弃物，但具体机制一直是个谜。
• 最新研究发现：两项科学家团队在《自然》杂志上发表了三篇论文，详细描述了大脑的废物清除系统。研究指出，在睡眠期间，慢速电波推动细胞周围的脑脊液从大脑深处流向其表面。在那里，一个复杂的界面允许液体中的废物被吸收进血液循环，随后被运送至肝脏和肾脏并排出体外。其中一种被清除的废物是淀粉样蛋白，这种物质会在阿尔茨海默病患者大脑中形成粘性斑块。
• “类淋巴系统”背景：十多年前，科学家首次提出大脑内外的透明液体构成一个废物清除系统，并将其命名为“类淋巴系统”，以类比身体的淋巴系统。两者功能类似家庭管道：清洁的水流进，脏水排出。但大脑缺乏淋巴系统那样的细小管道，因此废物如何从中枢移至边缘并排出体外一直是关键问题。
• 机制解释：
  • 慢速电波推动：睡眠时，大脑中出现的慢速电波能同步神经元活动，将其转化为微小泵体，推动间质液流向大脑表面。研究人员通过给患阿尔茨海默病模型小鼠施加特定频率（每秒40次）的声光刺激，诱导了这种慢波，结果促进了清洁脑脊液流入和携带淀粉样蛋白的脏液流出。
  • 废物跨膜转运：废物（包括淀粉样蛋白）通过穿越通常隔离大脑的保护膜实现转运。研究发现，穿过该膜的静脉周围存在一个未完全密封的“套袖”结构，脑脊液正是从此处流出并将废物转运至身体的淋巴系统。
• 系统流程与疾病意义：综合来看，大脑废物清除需要两个独立步骤：一是将废物推入环绕大脑的脑脊液；二是将其移入淋巴系统并最终排出体外。该系统功能受损与阿尔茨海默病的风险因素（如衰老、脑损伤、脑血管疾病）相关。清除障碍也可能是帕金森病、头痛甚至抑郁症的一个因素。因此，寻找帮助大脑自我清洁的方法（如诱导慢速电波）可能有助于预防多种脑部疾病。
• 未来方向：研究人员指出，许多在老鼠身上的新发现仍需在人体中进行确认，因为啮齿类动物与人类在解剖结构上存在相当大的差异。然而，现有结果与导致神经退行性疾病的研究一致。

Figma AI 功能概述

Figma AI 是一组旨在提高设计工作效率和创造力的 AI 功能集合，目前处于有限测试阶段（至2024年），测试期间对所有用户免费。主要功能和信息如下：

1. 增强搜索功能

• 视觉搜索： 用户可通过上传图片、选择画布区域或输入文本，快速找到团队文件中视觉相似的设计，并直接插入工作文件。未来将扩展至搜索 Figma 社区文件。
• AI 增强的资产搜索： 在资产面板中，AI 能理解搜索词的语义和上下文，即使搜索词与组件名称不完全匹配，也能返回相关组件（例如，搜索“主按钮”能找到名为“btn_large”的组件）。

2. 提升工作效率的工具

• AI 文本工具： 支持一键翻译、缩短或重写文本，帮助快速迭代文案。
• 内容生成： 可生成逼真的文本和图片，以替代占位文本和图片，创建更具说服力的模型图。
• 图像编辑： 支持在画布上直接移除图像背景。
• 快速原型制作： 通过点击“制作原型”，可快速将静态设计转换为交互式原型，并在画布上直接预览。
• 自动重命名图层： AI 可自动为图层生成具有上下文意义的名称，保持文件整洁，节省时间。
• 从文本生成设计： 在操作面板中使用“制作设计”（Make Designs）功能，输入文本描述即可生成 UI 布局和组件选项作为初稿，帮助快速启动项目。未来将支持使用特定设计系统（如 Material 3）或组织内部设计资产来生成符合品牌规范的 UI。

3. 数据隐私与模型训练

• 训练方式： 目前发布的生成功能由第三方现成 AI 模型提供支持，并未使用私人 Figma 文件或客户数据进行训练。视觉搜索和资产搜索已使用公共、免费社区文件中的用户界面图像进行了优化。
• 客户内容训练控制： 管理员可以控制其团队的客户内容（如文件内容、文本、图像等）是否用于 AI 模型训练。此设置将于2024年8月15日生效。
  • Starter 和 Professional 计划默认启用内容训练，但管理员可选择退出。
  • Organization 和 Enterprise 计划默认禁用内容训练。
  • 此设置不影响使用 Figma 或 Figma AI 功能。
• 数据保护： 所有客户数据均会加密，并采取安全措施防止未授权访问。模型训练旨在学习通用设计模式和 Figma 特定概念，而非具体内容。会通过去标识化内容和编辑敏感信息来保护隐私。
• 社区文件数据： 目前仅使用免费社区文件来改进搜索功能。生成式模型不会在社区文件上进行训练，付费社区文件也不会用于任何训练。
• 使用数据： 与客户内容分开的使用数据（如日志、元数据）会以聚合、去标识化的方式使用。

4. 未来展望 Figma 致力于以负责任、透明的方式构建 AI，将其打造为设计师和产品团队的真正创意合作伙伴。未来将继续改进功能，并结合创意社区的智慧。

补充说明： 原文末尾编辑注指出，“制作设计”功能已更名为“首稿”（First Draft），现已成为 Figma Design 中 AI 代理（agent）的一部分，提供更强大、灵活的 AI 辅助设计方式。建议查阅更新的服务条款和隐私政策。

DoorDash与披萨套利现象分析

文章通过一个披萨店经营者的真实经历，揭示了外卖平台DoorDash的运营问题，并延伸探讨了整个外卖配送行业的商业模式缺陷。

核心事件：意外套利机会

• DoorDash在未经餐厅许可的情况下，将其添加到Google商家列表的配送选项中，导致顾客向从未提供配送的餐厅投诉配送问题。
• DoorDash通过爬取餐厅网站数据导致定价错误：餐厅售价24美元的披萨被平台错误标价为16美元。
• 作者与餐厅经营者发现套利机会：通过DoorDash下单支付16美元，DoorDash向餐厅支付24美元，每单可获8美元差价。
• 通过用面团替代原料进一步降低成本后，单次套利利润提升至75美元。进行数次测试交易后，DoorDash未察觉异常。

行业问题深度剖析

• 平台普遍亏损：DoorDash 2019年收入9亿美元却亏损4.5亿美元；Uber Eats单季度收入7.34亿美元但亏损4.61亿美元；Grubhub等平台同样面临持续亏损。
• 多方受损局面：
  • 餐厅承受平台佣金压力，且常被未经同意纳入配送体系
  • 配送司机面临收入不稳定、福利缺失等问题
  • 消费者承担配送费用上涨
• 不正当商业手段：类似DoorDash的“需求测试”策略在行业中普遍存在，例如Grubhub与Yelp合作的电话号码替换陷阱，让餐厅为并未主动发起的订单支付佣金。

商业模式反思

• 对比成熟模式：达美乐等自建配送体系的餐饮企业保持盈利，证明配送业务本身可盈利。
• 资本驱动扭曲：外卖平台主要依赖风险投资支撑亏损运营，旨在通过补贴抢占市场份额，期待未来实现垄断并提价。
• 不可持续的发展：大量资本投入并未解决行业核心问题，反而延迟了合理商业模式的探索与建立。

结论

外卖平台当前发展模式受到资本过度补贴的影响，导致行业非理性扩张。真正的解决方案可能在于更合理的商业模式（如餐饮自建配送或混合模式），而非依赖烧钱竞争的平台垄断策略。披萨套利事件只是这个扭曲市场中的一个缩影。

美国联邦法院裁定：吹哨人有权获得未来收入损失的损害赔偿

美国联邦巡回上诉法院在 Perlick 退伍军人事务部案 中作出裁定，确立了一项新判例：因举报而遭解雇的联邦雇员，不仅有权获得欠薪补偿，还有权就未来潜在收入的损失获得经济赔偿。

案件核心与判决要点

• 新判例确立：法院裁定，如果解雇行为损害了举报人未来的收入能力，他们可以获得补偿性损害赔偿。举报人无需证明已有保障的后续工作，只需证明所遭受的报复导致了名誉损害，从而影响了其未来获得某些就业的机会。
• 案件背景：黛博拉·佩里克因举报退伍军人事务部一项关于创伤性脑损伤研究中缺失7.8万美元而于2017年被解雇。她此前通过年度合同续约从事该工作。功绩制保护委员会虽裁定她有权获得项目结束时的欠薪，但以她在政府内无未来就业保障为由，驳回了其50万美元补偿性损害赔偿的要求。
• 法律解释：联邦巡回法院指出，国会于2012年更新《举报人保护法》时，增加了联邦雇员有权获得“合理且可预见的后果性损害赔偿”和“补偿性损害赔偿”。法院认为，后者长期被解释为包括未来收入损失，尤其是在名誉损害可能影响员工收入潜力的情况下。
• 证明标准修正：法院认为功绩制保护委员会的裁决有误。举报人无需证明未来就业有绝对保障，只需通过优势证据证明其有可能获得未来就业即可。法院将案件发回功绩制保护委员会重审。

判决的深远意义

法院强调，国会更新举报人保护法的意图是确保员工获得**“全面救济”**，这包括未来收入损失。该解释也与其他法律（如《民权法案》第七章）允许在歧视案中赔偿未来收入损失的做法一致。

佩里克的律师表示，此判决对联邦举报人而言是一次“重要胜利”，因为除了失业，他们还可能遭受名誉损害、职业中断及其他影响未来就业的障碍。该裁决确认了未来收入损失是可追偿的，以使举报人恢复原状。

Moaan InkPalm Plus是一款由小米旗下品牌推出的5.84英寸小尺寸电子阅读器，运行Android 11系统，提供64GB存储和2GB RAM。其价格低廉（约124美元起），是吸引作者尝试的主要原因，以替代更昂贵的Boox Palma（280美元）。

设备初始设置为中文，可在过程中切换为英语，但部分系统界面和预装应用仍为中文，需忽略账户绑定步骤。用户无法安装Google Play，因此通过F-Droid和Aurora Store安装第三方阅读应用（如Kobo、Kindle、ReadEra）。阅读体验总体流畅，但Kobo应用翻页需关闭过渡动画，预装Kindle应用版本较旧但可用。设备可通过蓝牙连接电脑传输电子书。

外观为塑料机身，目前仅有橙色版本（用户自行搭配黑色保护套）。屏幕显示质量良好，但刷新不足易导致残影，需手动刷新；屏幕为亮面材质，在强光下可能反光。底部边框的Moaan标志为可配置的电容按钮，可设置短按回主屏、长按刷新。亮度、色温、对比度可调，显示效果接近Kobo，但在低光环境下背光感较明显。

设备尺寸小巧，单手握持舒适，具备物理翻页按钮（通过音量键实现），这是用户选择它的核心优势。电池续航良好，支持USB-C充电。虽存在语言障碍、屏幕反光等不完美之处，但结合价格、尺寸和物理按键，作者认为它是当前小尺寸电子阅读器市场中的实用选择。作者期待Kobo等传统厂商未来能推出类似尺寸带按钮的设备。

The Forth Deck mini 便携式 Forth 计算机

产品概述

The Forth Deck mini 是一款基于 My4TH 主板的便携式计算机，集成了键盘、显示屏和内置可充电电池。它允许用户脱离 PC 或串行终端，直接在设备上编写和调试 Forth 程序，使用体验类似于 20 世纪 70 至 80 年代内置 Basic 解释器的家用电脑。

核心硬件规格

• 显示与输入：40x4 字符 LCD 显示屏，56 键 QWERTY 键盘（12mm 键距）。
• 计算与存储：8 位分立 CMOS 逻辑 CPU（8-14 MHz 时钟频率），运行 16 位 Forth 2012 系统；配备 32 KB ROM、32 KB RAM 及最高 256 KB EEPROM。
• 电源与续航：6.6 Wh LiPo 电池，提供约 6 小时续航。
• 接口与扩展：RS-232（4800 波特率）与 I2C 扩展总线。
• 物理规格：尺寸 198 x 118 x 35 mm，硬件由 17 个 74 系列 CMOS 逻辑芯片和 3 个晶体管构建。

键盘 PCB 详细设计

• LCD 驱动机制：为节省 My4TH 的 I/O 引脚，LCD 采用 4 位模式驱动。通过增加 74HC574 锁存器作为 I/O 端口扩展器（利用 I2C 的 SCL 线作为时钟信号），并结合电阻-二极管 AND 门与滤波电容，实现对 LCD 片选信号的精准控制。
• 键盘矩阵读取：利用 My4TH 的 6 个未用输入引脚和 9 个数字输出引脚构建 6x9 矩阵，读取 54 个常规按键。额外的 Shift 键和 Reset 键独立处理，触发硬件复位需同时按下 Shift 和 Reset 键。
• 电源管理：采用基于 TP5400 芯片的 LiPo 电池充电电路，支持直接焊接 SMD 元件或使用预组装模块。
• 结构与软件支持：PCB 设计支持切割，可分离键盘与显示屏以便自定义组装角度或键盘。键盘与 LCD 的软件支持已集成于 My4TH ROM 1.0 及以上版本，支持开机自动检测。

构建、示例与许可

• 获取与构建：所有设计文件均可免费下载。用户也可在 Budgetronics 购买键盘套件（为降低成本，不含电池、充电电路及部分可选连接器），构建时必须自备 My4TH 计算机主板。
• 软件示例：系统内置集成的 Forth 文本编辑器以及 "2048" 游戏。
• 开源许可：其交叉汇编器 "myca" 采用 GNU GPLv3 许可证。

本文介绍了如何利用Chrome 125引入的CSS Anchor Positioning API创建流程图。该API允许元素相对于其他元素进行定位，不仅适用于弹出框和工具提示，也适合构建流程图。

核心要点如下：

• 基本锚点定位：通过anchor-name为元素命名（如--anchor-one），另一个元素可通过position-anchor引用该锚点，并使用anchor()函数（如anchor(--anchor-one top)）将自身边与锚点元素对齐，配合justify-self: anchor-center可实现居中。
• 多锚点定位：一个元素可同时锚定到两个不同元素，通过对各边（top、bottom、left、right）应用anchor()函数，可定位到多个锚点的中心或边缘，从而实现重叠或复杂布局。
• 创建流程图节点：
  • 利用锚点定位将连接线元素（.line）放置在两个节点之间。
  • 通过背景渐变（background: linear-gradient(...)）将矩形连接线视觉效果转为细线。
  • 使用伪元素（::before、::after）结合锚点定位在线的两端添加箭头。
• 处理复杂布局：
  • 当增加多个节点和连接线时，需根据节点相对位置调整线的方向。
  • 使用position-try-options（如flip-block, flip-inline）声明备用定位方案，确保元素在空间不足时仍能合理显示。
• 增强交互性：通过少量JavaScript可使节点元素可拖拽，从而创建动态、可交互的流程图。

该方法展示了CSS Anchor Positioning在简化复杂相对定位场景中的强大能力，为纯CSS构建交互式图表提供了新途径。

Eplot：Emacs新图表包介绍

创建动机

作者长期寻求在Emacs中进行简单图表绘制的便捷方法。曾尝试使用内置的chart.el，但发现其Y轴标记效果不理想（如刻度不规律），严重影响可读性。类似问题在Google Finance的历史图表中也存在过，直到近年才改进。

现有工具的不足

• chart.el：源于eieio测试工具，功能有限，坐标轴处理粗糙。
• Gnuplot（Org后端）：虽能选择合理刻度数字，但格式化效果不佳，用户体验不友好。
• 自编PHP图表库：虽然功能完善，但作为服务器端工具，在Emacs中交互操作不便。

Eplot的核心特性

1. 智能坐标轴：解决了Y轴标记混乱问题，采用“悦目数字”（如1、2、5的倍数），并妥善处理多种边界情况（如极大/极小范围、时间周期划分）。
2. 交互性设计：在Emacs缓冲区中通过M-x eplot快速生成图表，便于数据实时调整与可视化探索。
3. 用户界面优化：引入“头部”（headers）概念，允许用户通过简单注释（如图表类型、颜色模式等）快速调整图表样式，修改后通过C-c C-c即时预览结果。
4. 视觉增强：支持SVG渐变效果（替代原PHP库的手动像素绘制）及暗黑模式。
5. 文档与扩展：提供README.md文档，并支持多种图表变体。

开发状态

• 项目已发布至GitHub，但代码结构仍需优化（存在重复逻辑、可读性待提升）。
• 当前版本基本可用，作者强调其为“进行中”的工作，鼓励用户谨慎使用。
• 未实现原PHP库中的复杂渐变效果（因需逐行数学计算），但认为此功能非必需。

目标定位

旨在为Emacs用户提供轻量、交互友好的图表绘制工具，填补现有工具在易用性与灵活性之间的空白。

Kinopio 客户端应用开源公告

主要决定与访问方式

在应用五周年之际，开发者决定将 Kinopio 客户端应用的代码公开。这意味着用户可以：

• 在自己的电脑上运行 Kinopio
• 对代码进行修改
• 分享改进成果

代码仓库地址：kinopio-client on GitHub

技术概况

• 应用性质：此客户端是用户访问 https://kinopio.club 时在浏览器中下载和运行的应用程序。
• 数据存储：支持将数据保存在本地，也可保存至 kinopio-server。
• 应用体量：体积仅约 220KB。
• 技术栈：是一个 Node.js 应用。
• 安装与运行：提供了简洁的安装步骤，包括克隆仓库、使用 npm 安装依赖、配置环境变量，并通过 npm run serve 启动。

开源原因

• 分享工作：希望展示 Kinopio 背后投入的工作量，让用户更了解其制作过程，从而更欣赏这个旨在长久使用的优质产品。
• 产品特性：与传统物理工艺品不同，软件（尤其是网络应用）是“活”的，它会随着其依赖的浏览器、操作系统和技术栈的变化而成长和改变。公开代码是分享其持续开发工作的一部分。
• 潜在贡献：虽然由于 Kinopio 是一个复杂的界面应用，不确定外部贡献的频率，但仍欢迎社区贡献。

潜在风险与应对

• 克隆风险：理论上存在代码被用于制作仿制品的风险。但许可禁止商业衍生，且仿制者仍需自行开发后端服务器，难度较大。使用现成的无限画布库或 tldraw 会是更简单的选择。
• 贡献压力：大量的拉取请求（PR）可能带来审查压力。开发者强调自己并非独自工作，有一个可信赖的用户社区帮助主持讨论和解答问题。

未来展望与社区准则

• 邀请有意贡献者先阅读贡献者文档。
• 社区规则只有一条：“我们都是朋友，所以要保持友好、建设性，并始终相互尊重。”
• 开发者期待观察仓库的后续活动，并考虑未来可能花更多时间进行代码审查，甚至进行直播编程。
• 文末提供了 RSS 订阅及社交平台更新的链接。

Cloudflare 自动为免费网站修复 Polyfill.io 安全问题

核心问题

Polyfill.io 是一项流行的 JavaScript 库服务，但自 2024 年 2 月被新所有者（Funnull）收购后，其安全性受到质疑。2024 年 6 月 25 日，有证据表明该服务被用于注入恶意 JavaScript 代码，在特定条件下将用户重定向至其他网站，构成严重的供应链攻击风险。

Cloudflare 的自动修复措施

• 自动链接重写：Cloudflare 推出了一项服务，会自动将通过其代理的网站中指向 polyfill.io 的链接，重写为指向 Cloudflare 自己的安全镜像（位于 cdnjs.cloudflare.com/polyfill/）。
• 默认状态：该功能对所有 免费套餐客户自动启用。付费套餐客户可在 Cloudflare 仪表板的安全设置中 一键开启 此功能。
• 目标：在避免破坏网站功能的同时，缓解供应链攻击风险。

技术细节与决策背景

• 风险预判：Cloudflare 早在 2 月份就预见到新所有者可能滥用 polyfill.io，因此创建了自己的镜像服务。
• 威胁确认：Cloudflare 的客户端安全系统 Page Shield 的数据确认了与 polyfill.io 相关的恶意活动，首次出现于 2024 年 6 月 8 日。恶意代码会加载来自误导性域名（如 googie-anaiytics.com）的脚本进行重定向。
• 实现方式：利用基于 Rust 语言构建的 ROFL（Response Overseer for FL） 技术，在 HTML 响应流经网络时进行高性能的实时重写。该过程会跳过设置了内容安全策略（CSP）头的响应，以避免破坏网站。

对所有用户的建议

• Cloudflare 用户：应利用此自动或一键功能立即进行修复。
• 所有网站所有者（无论是否使用 Cloudflare）：强烈建议在代码仓库中搜索所有 polyfill.io 的实例，并将其替换为 Cloudflare 的安全镜像地址（例如 https://cdnjs.cloudflare.com/polyfill/v3/polyfill.min.js）。这是一项非破坏性更改。
• Cloudflare 的声明：Cloudflare 从未推荐或授权 polyfill.io 使用其名称，并再次强调该服务已不可信。

GNU Readline 那些你不知道的事

核心概述

GNU Readline 是一个常被忽略但广泛使用的软件库，它为命令行界面提供行编辑功能。许多常用程序（如Bash、psql、irb）都依赖它来实现光标移动、自动补全和历史命令搜索等基础交互功能。

主要功能与特性

• 行编辑快捷键：默认采用Emacs风格键绑定，例如：
  • Ctrl-A：跳转到行首
  • Ctrl-E：跳转到行尾
  • Ctrl-U：删除光标前的所有内容
  • 支持单词删除、转置、大小写转换等文本编辑操作
• Vim模式：可通过 set -o vi 切换至Vim风格的操作方式（例如用 dw 删除单词）
• 高度可定制化：
  • 通过 ~/.inputrc 文件自定义快捷键和设置
  • 可创建宏（例如绑定 Ctrl-O 自动插入 > output.txt）
  • 调整变量（如 revert-all-at-newline 可避免编辑历史记录的混淆）

技术实现与集成

• Readline 本质是一个C语言库，开发者可轻松将其集成到自己的程序中：

  char* line = readline("prompt> ");
  

• 设计初衷是遵循POSIX规范，源自早期Unix shell（如Korn shell）的行编辑功能
• 自1994年（2.0版本）起成为独立库，但仍与Bash版本同步发布

维护现状

• 目前由 Chet Ramey（凯斯西储大学高级技术架构师）单独维护
• Ramey同时维护Bash，自1994年起全职无偿志愿工作
• 因广泛应用于包括Apple设备在内的系统，他对破坏性变更持谨慎态度

历史背景

• 1988年由自由软件基金会的Brian Fox开始开发
• 最初仅是Bash的一个源文件，后逐步独立为通用库
• 创建目的是为实现POSIX要求的灵活行编辑系统，以保持Bash的规范兼容性

尽管Readline功能看似基础，但其稳定性和可扩展性使其成为命令行生态中不可或缺的基础设施。

WordStar：作家的文字处理器（1990）

这篇文章是作家罗伯特·J·索耶于1990年撰写的一篇赞颂WordStar文字处理软件的深度分析文章，其核心观点是：WordStar 是专为创意写作（尤其是触觉打字员）设计的最高效的工具，其设计哲学优于当时（及后来）的许多竞争产品。

文章主要内容可概括如下：

1. 作家的选择与立场

• 众多著名科幻作家（如乔治·R·R·马丁、阿瑟·C·克拉克、安妮·赖斯等）长期使用DOS版的WordStar作为首选写作工具。
• 作者作为资深用户，在详细对比过WordPerfect、Microsoft Word等其他软件后，坚持认为WordStar在创意写作方面具有无可比拟的优势。

2. 核心设计理念：服务于触觉打字员

• 起源：WordStar诞生于键盘尚未标准化的1978年，因此其所有命令都设计为基于Ctrl键的组合键（如^K，^Q），使用户无需将手移离主键盘区。
• 逻辑布局：命令键的布局遵循物理位置和逻辑关系，而非字母本身。例如，光标移动键E、S、D、X在键盘上构成一个菱形；最常用的命令（^K，^J）被分配给右手最强壮的手指所按的键。这种设计让操作变得直观和肌肉记忆化。
• 键盘兼容性：通过一个工具（SWITCH.COM）交换CapsLock和Ctrl键，即可使任何键盘变为适合WordStar的键盘，无需依赖位置多变的功能键或方向键。

3. 关键优势：“手写稿纸”隐喻而非“打字机”隐喻

作者认为，这是WordStar优于WordPerfect等软件的根本原因：

• 打字机隐喻（以WordPerfect为代表）：强制线性、顺序的思考和操作流程。例如，标记一个区块需要立即执行“开始-结束-操作”的完整序列，程序控制用户的步骤，打断创作心流。
• 手写稿纸隐喻（WordStar）：模拟非线性的创作环境。用户可以：
  • 自由跳跃：使用强大的^Q（快速移动）命令在文档中任意穿梭（如跳到块首、块尾、上一位置）。
  • 设置书签：用^K0到^K9设置10个书签，并快速跳转。
  • 灵活标记区块：可以在不同时间点分别标记区块的开始、结束和粘贴位置，用户完全掌控节奏。
  • 插入注释：以..开头的行不会被打印，但编辑时清晰可见，用于自我提醒。
• 这种隐喻使写作和编辑成为一个连续、无间隙的过程，只需轻轻移动小指切换模式，无需更换思维状态或手部位置。

4. 其他实用功能

• 强大的查找替换功能：支持精确的单词查找，避免了像WordPerfect那样将嵌入其他单词中的相同字符串也一并找出的问题。
• 高度可定制性：允许用户调整数百个设置，从光标跳过哪些标点到界面更新的延迟时间，真正让工具适应作家，而非相反。
• 无模式操作：写作和编辑命令共享同一个主键盘区，消除了其他软件中常见的“输入模式”和“命令模式”之间的割裂感。

5. 结论与影响

• 索耶认为，WordStar在根本设计层面提供了一种更高效、更符合人类创造性思维的工作方式。
• 该文章在当时的用户社群中引起了强烈共鸣，许多用户反馈其精准地描述了他们对WordStar的喜爱：它“不引人注目”、“透明”，能将思绪“毫不费力地转化为页面”。
• 索耶本人及其提到的众多作家，直到21世纪仍在使用WordStar完成了大量作品。

Corcel：在 Laravel 或任何 PHP 应用中使用 WordPress 后端

Corcel 是一个基于 Laravel Eloquent ORM 的 PHP 类集合，提供流畅的接口，用于直接连接并从 WordPress 数据库中获取数据。它允许将 WordPress 用作管理后台或内容管理系统，而在任何其他 PHP 应用中查询这些数据（作为模型层）。

核心特性

• 直接访问 WordPress 数据：通过面向对象的模型（如 Post、User、Page 等）查询 WordPress 的文章、用户、自定义字段、分类法等数据。
• 广泛兼容性：与 Laravel 5.1 至 11+ 版本兼容，同时也支持任何使用 Composer 的 PHP 项目。
• 高级自定义字段（ACF）集成：通过安装 corcel/acf 插件，可以轻松检索 Advanced Custom Fields 创建的自定义字段。
• 自定义文章类型支持：可以使用 type() 方法或创建自己的模型类来处理自定义文章类型。
• 灵活的数据操作：支持获取元数据、分类法、附件、修订版本、缩略图、菜单、选项（wp_options）以及用户数据。
• 身份验证：提供与 Laravel 认证系统集成的用户认证方法，允许使用 WordPress 用户凭据进行登录。

安装与配置

安装

通过 Composer 安装：

composer require jgrossi/corcel

数据库设置

• Laravel 项目：在 config/corcel.php 配置文件中指定用于 WordPress 数据库的连接（例如，在 config/database.php 中定义名为 wordpress 的连接）。
• 其他 PHP 项目：使用 Corcel\Database::connect($params) 方法传入数据库参数（如数据库名、用户名、密码、表前缀等）。

主要使用示例

文章（Posts）

$posts = Post::published()->get(); // 获取所有已发布文章
$post = Post::find(31); // 获取单篇文章
echo $post->post_title; // 访问文章标题

支持通过 meta 或 fields 访问自定义字段，并可使用 hasMeta() 等作用域查询。

自定义文章类型

// 方法一：使用 type() 方法
$videos = Post::type('video')->status('publish')->get();

// 方法二：创建自定义模型类
class Video extends Corcel\Model\Post {
    protected $postType = 'video';
}
$videos = Video::status('publish')->get();

分类法（Taxonomies）

$post = Post::find(1);
$taxonomy = $post->taxonomies()->first(); // 获取文章关联的分类法

$posts = Post::taxonomy('category', 'php')->first(); // 根据分类法查询文章

用户（Users）与身份验证

$users = User::get(); // 获取所有用户
$user = User::find(1); // 获取特定用户

// 在 Laravel 中配置身份验证提供程序后，可使用 Auth 门面
Auth::validate(['email' => 'admin@example.com', 'password' => 'secret']);

其他功能

• 页面（Pages）：Page::slug('about')->first()
• 菜单（Menus）：Menu::slug('primary')->first()，支持多级菜单。
• 选项（Options）：Option::get('siteurl') 用于获取 wp_options 表中的值。
• 短代码（Shortcodes）：可通过配置文件或运行时添加短代码处理器。
• 缩略图（Thumbnails）：通过 $post->thumbnail 获取并处理文章缩略图。

贡献与许可

项目遵循 MIT 许可证，欢迎社区贡献。贡献时需遵循指定的分支管理和测试编写规范。

Stack Solver：现代化托盘优化应用

Stack Solver 是一款功能强大且直观的应用程序，旨在优化货物装载流程。通过计算各种尺寸箱子在托盘上的最有效装载方式，该应用为物流和仓库管理提供了高效解决方案。

重要更新与计划

应用正在进行重大改写，若进展顺利，新版本预计于三月份完成。此次更新将引入以下新特性：

• 支持混合SKU托盘装载
• 优化算法改进
• 新增多项堆叠参数考量（例如：易碎物品、重心等）
• 采用全新的多页面用户界面

目前，实验性且未完成的改写代码已存放于代码仓库的 overhaul 分支。完成后，开发者还计划将应用上架Microsoft Store，以便于安装和更新。

主要功能

• 托盘优化计算：计算托盘上箱子的最优摆放布局，以最大化空间利用率并确保稳定性。
• 交互式3D可视化：直观呈现托盘装载的三维视图。
• 用户友好界面：采用直观的现代设计，便于用户输入数据、调整参数并查看结果。
• 导出与分享：生成详细的报告和视觉指南，可轻松与团队成员共享。

安装与贡献

用户可通过下载发布页面（releases page）的压缩包，并运行其中的 setup.exe 文件来安装应用。 若希望参与项目开发，可以克隆（clone）或下载该项目的代码仓库。

文档

即将推出（Coming soon™）。

未来路线图

应用的发展规划包括：

• 卡车装载优化
• 支持同一托盘装载多种箱型 （此部分与上述的重大改写计划相关）

作者

由 @VladM7 开发。

致谢

该项目的开发离不开以下框架和库的支持：

• WPF UI

美国最高法院推翻了联邦反腐法中禁止州和地方官员收受价值超过5000美元礼物的部分。裁决以6比3的多数通过，涉及一名印第安纳州前市长的案件。该市长在协助一家当地卡车经销商获得价值110万美元的市政府垃圾车合同后，向其索要并收取了1.3万美元的款项。

**裁决核心要点：**
1.  **区分贿赂与酬金**：法院在裁决中区分了“贿赂”与“酬金”。贿赂要求证明存在非法交易协议，而酬金可被视为对过去帮助的礼物或奖励。法院认为，现行联邦法律是“贿赂法规”，而非“酬金法规”。
2.  **法律适用范围**：大法官卡瓦诺在多数意见中写道，该法律不适用于官员在事后接受的、作为感谢象征的礼物（如礼品卡、午餐、牌匾等）。该法律仅针对价值超过5000美元的付款。
3.  **监管责任转移**：法院裁定，规制州和地方官员收受酬金的事宜应交由州和地方政府处理。

**反对意见：**
三位自由派大法官（卡根、索托马约尔、杰克逊）提出异议。杰克逊大法官在异议意见中指出，官员利用公职谋取私利会威胁公共机构的诚信，并称多数意见对法律的解读是“荒谬且脱离文本的”。

**案件背景与潜在影响：**
*   **案件细节**：被告斯奈德在担任市长期间，通过操控招标过程帮助了特定经销商，之后以“未明确说明的咨询服务”为由收取了支票。他因此被定罪并判处21个月监禁，但上诉至最高法院。
*   **影响范围**：此裁决可能影响广泛，因为该联邦反腐法覆盖了约2000万名地方和州官员，包括获得联邦资金的医院和大学的官员。
*   **司法部观点**：司法部律师此前认为，近40年来，该反贿赂法一直被理解为禁止对官员为“回报”其过往行为而支付的款项，但此类仅依靠事后付款的起诉案件较少。

**近期趋势：**
最高法院近年来多次限制公共腐败法律的范围，并常以一致裁决推翻相关定罪，理由是起诉超出了法律规定的范畴。此裁决延续了这一趋势。

氙气（Xe）是一种稀有且独特的致幻剂，其体验被描述为吸入时瞬间进入无意识状态，感到纯粹的狂喜，呼出后则迅速回到现实。作为纯净元素，氙气在体内不发生任何变化，完全原样排出。

来源与成本
氙气在宇宙中产生于超新星爆炸或中子星碰撞，地球上现有的氙气源于数十亿年前的恒星合并。其在空气中的浓度极低（约0.00001%），提取一次60秒体验所需的5升氙气需处理约50亿升空气。这使得氙气价格昂贵，每升约10美元，远超氦气（0.1美元/升）或氩气、氖气（约2美元/升）。因此，它主要用于奢侈诊所，单次30秒体验费用在50至80美元之间。

效果与潜在应用
氙气作用迅速，能在几秒内引发强烈的欣快感、解离体验和视觉幻象，甚至产生“与宇宙融合”的感觉。它可清除愤怒、恐惧等情绪障碍，可能诱导类似开悟的状态。此外，氙气具有以下特性：

• 麻醉特性：起效快、代谢快、无药物相互作用、无持久副作用，被视为“完美麻醉剂”，但因成本过高未普及。
• 神经保护：研究表明氙气能减少缺血性脑损伤，并可能干扰长期恐惧记忆的再巩固，类似氯胺酮在创伤后应激障碍治疗中的应用。
• 运动增强：氙气能增加促红细胞生成素（EPO）的生成，提高红细胞数量，曾被运动员用于提升耐力，现已被世界反兴奋剂机构（WADA）禁止。

安全性
氙气化学性质稳定，不与体内其他物质反应，无毒且无代谢产物。主要风险是缺氧窒息：吸入过量氙气会取代氧气，可能导致意识丧失、脑损伤或死亡。因此，绝对不可单独使用，必须在专业监督下与氧气混合使用（通常含30-40%氧气），并配备呼气回收系统。

基本特性

• 符号Xe，原子序数54，为惰性气体，无色无味。
• 受电激发后发出明亮光线，用于摄影闪光灯和汽车前照灯。
• 可用于核医学成像（如氙-133）和航天器离子推进。

相关资源
文章推荐了Hamilton Morris吸入氙气的视频及Tripsitter网站的氙气科普页面。

本文探讨了如何构建用于评估LLM微调效果的数据集，以作者将新闻稿转换为结构化JSON数据的任务为例，详细说明了评估的重点维度和方法。

核心任务是评估微调后的LLM将特定格式的新闻稿文本准确转换为结构化数据（包含日期、事件类型、省份、目标群体、伤亡人数等字段）的能力。作者强调需用具体数据取代主观感受来评估模型表现。

评估设计涵盖多个关键维度：

1. 基础准确性：逐项比较模型预测值与人工标注真值（如日期、省份、目标群体），计算正确率，可生成整体或分字段的聚合指标。
2. 域外数据处理：测试模型对训练数据中未充分代表的群体、非标准格式新闻稿或无关内容（如生日派对）的处理能力，评估其是否会产生“幻觉”输出，或能否返回错误码/空白响应。
3. 模糊表述解读：新闻稿常使用“一些”、“几个”、“许多”等模糊数量词。评估需依据事先定义的规则（如“几个”≥3，“数十个”≥24），检验模型能否为这些表述赋予正确的最小数值。
4. 复杂情况处理：
   • 时间回溯：测试模型对“上周四”等时间表述的计算准确性。
   • 地理信息推理：评估模型从村庄名推断省份，或处理“X省省会”等间接描述的能力。
   • 纠错与不确定性：面对新闻稿中可能存在的地理错误或信息极度复杂的事件，检验模型是会盲目输出数据，还是能像人类注释员一样在不确定时将数值设为零。
5. 拼写变体：确保模型能正确识别并标准化处理同一地点或人名的不同拼写变体。

作者指出，该评估体系旨在系统性地检验模型在事实准确性、边缘案例处理和实际应用鲁棒性等方面的表现，这些对于保证依赖数据进行分析的项目的可靠性至关重要。下一步是将这些评估标准编码实现，并在微调模型及API驱动的模型上运行测试。

韩国电信巨头KT因对用户传播恶意软件遭调查

事件概述

韩国新闻机构JTBC通过深入调查发现，韩国最大的电信公司之一 KT Corporation（KT公司） 为了打击使用种子（Torrent）服务的用户，故意在其网络中植入恶意软件，影响了超过 60万用户。

事件经过

1. 问题起源：2020年5月，韩国云服务提供商 Webhard 收到大量用户投诉，其依赖于BitTorrent点对点（P2P）技术的 Grid Program 出现不明错误，如程序失效、创建异常文件夹、文件不可见，甚至导致用户电脑瘫痪。
2. 调查发现：Webhard调查后发现，所有受影响用户均使用KT作为其互联网服务提供商（ISP）。
3. 恶意软件来源：警方介入调查后，确认恶意软件源自KT位于首尔南部的自有数据中心。
4. 法律与责任：当局认为KT的行为可能违反了韩国《通信秘密保护法》和《信息通信网络法》。截至去年11月，已有13名相关人员（包括KT员工和分包商）被起诉，调查仍在进行中。

双方争议背景

• Webhard的立场：其Grid服务允许用户通过P2P网络存储和传输数据，为公司节省了数百亿韩元的服务器成本。
• KT的立场：大量Grid服务用户给其网络带来了沉重负担。双方曾诉诸法庭，法院裁定Webhard未支付网络使用费且未向用户详细说明服务原理，因此KT阻止其网络流量是合理的。

KT的行为与后果

• 采取非法手段：尽管拥有法院支持的合法拦截权利，KT并未采用正常的IP地址封锁等手段，而是选择了在其用户电脑中秘密植入恶意软件。
• 后果严重：受影响的主要是普通个人用户，他们毫不知情。恶意软件导致用户文件丢失、电脑系统受损，造成了远超过“不便”的实质性财产损失。

核心问题

KT公司声称Webhard的Grid程序是“恶意程序”，因此“不得不控制它”。但事件的核心争议在于，KT在未获得用户同意的情况下，擅自将恶意软件安装到用户计算机中，无论其初始动机是经济原因还是网络管理，此行为都直接侵犯了用户权益并造成了实际损害。

核心发布

Anthropic 宣布通过 Amazon Web Services (AWS) 扩大其 AI 模型在政府领域的访问权限。目前，Claude 3 Haiku 和 Claude 3 Sonnet 模型已在美国情报界 (IC) 的 AWS Marketplace 和 AWS GovCloud 中上线，旨在为政府用户提供灵活且安全的 AI 技术支持。

政府应用场景

Claude 为政府机构提供了广泛的当前与未来应用潜力：

• 当前应用：改善公民服务、简化文档审查与准备、利用数据驱动的洞察优化政策制定，以及创建逼真的培训场景。
• 未来展望：协助灾难响应协调、加强公共卫生倡议，以及优化能源电网以实现可持续发展，从而提升政府服务公众和促进和平安全的能力。

政策调整与安全合规

为满足政府用户的独特需求、任务和法律授权，Anthropic 进行了针对性的服务调整：

• 安全合规：在符合严格政府安全标准的 AWS 市场中提供模型。
• 使用政策例外：为精选的政府机构制定了通用《使用政策》的合同例外，允许其进行合法授权的外国情报分析（如打击人口贩卖、识别隐蔽影响或破坏活动、预警潜在军事活动以支持外交预防或威慑）。
• 保留核心限制：关于虚假信息活动、武器设计与使用、审查制度和恶意网络操作等通用限制依然严格有效。
• 安全级别限制：当前例外政策仅适用于其负责任扩展政策 (RSP) 下 AI 安全级别 2 (ASL-2) 的模型。Anthropic 承诺定期评估合作及其影响，确保 AI 服务于公共利益并缓解潜在风险。

负责任的 AI 部署承诺

Anthropic 致力于支持有效的政府 AI 政策，并强调与政府合作开发测试和评估机制的重要性：

• 公司已向英国人工智能安全研究所 (UK AISI) 提供了 Claude 3.5 Sonnet 的预发布访问权限以进行部署前测试，并与美国人工智能安全研究所 (US AISI) 共享了测试结果。
• Anthropic 坚信，与政府紧密合作是确保全球安全过渡到变革性 AI 的关键，并承诺持续推动这一目标的实现。

为每次访问的网页添加3至25秒延迟（2020年）

文章探讨了软件行业中一个反复被提及的事实：在消费级网页（无论是展示广告还是促成销售）中，收入与底层收入来源与低延迟密切相关。降低延迟能减少用户跳出率、提升转化率。多篇行业文章均强调了延迟对商业收益的影响，例如亚马逊发现每增加100毫秒延迟会导致销售额下降1%。

作者从中反向思考：既然降低延迟能增加收益，那么增加延迟是否会产生相反的效果？基于自身过度使用互联网的经历，作者认为网络成瘾与跳出网站的行为正好相反。通过人为注入延迟，可以在不完全拒绝互联网乐趣的前提下，可控地减少成瘾影响。

作者将不同延迟下的体验比喻为不同浓度的饮品：

• Hacker News：100毫秒延迟如烈酒，9000毫秒延迟如淡啤酒。
• Reddit：150毫秒延迟如可卡因，8000毫秒延迟如咖啡。

完全屏蔽网站容易引起心理抗拒，而这种延迟注入则被视为对互联网体验的有益稀释。

实现方法

根据不同设备类型，作者介绍了增加延迟的几种方式：

笔记本电脑/台式机

• 浏览器：推荐使用Crackbook Revolution（可配置网站列表并随浏览时间线性增加延迟）。Firefox用户可使用特定扩展。
• 其他应用：启用Charles Proxy，利用其节流功能（原为开发工具，但可永久开启以持续限制网速）。

iOS设备

• 开启开发者模式，永久启用网络链路调节器。

Android设备（较困难）

• 通过Wi-Fi代理使用Charles Proxy。
• 或将Android设备连接到已开启网络链路调节器的iPhone热点。

其他数字极简实践

作者还采取了其他措施来“稀释”互联网体验，减少干扰：

• 使用广告屏蔽工具删除YouTube的动态元素（如头像、缩略图、标识）。
• 始终使用广告屏蔽工具。
• 使用扩展程序移除YouTube评论。
• 在Reddit禁用无限滚动，使用旧式布局。
• 减少使用Reddit，转向需付费的早期2000年代风格论坛及Hacker News。
• 以复杂的方式删除了Facebook。

作者认为，当代互联网如同高度烈酒（151 proof），而他的做法是将其稀释至更健康的状态。

下一代3D金属打印：Fabric8Labs与ECAM技术进展

Fabric8Labs公司专注于下一代3D金属打印技术，其核心为ECAM（可能指一种先进制造工艺），致力于推动增材制造在热管理领域的应用。以下是基于提供的新闻和见解摘要总结的关键点：

公司动态与技术发展

• 资金筹集：Fabric8Labs成功获得5000万美元B轮融资，用于扩展美国先进制造能力，支持ECAM技术的规模化生产。
• 生产扩展：公司计划利用新资金提升产能，加速ECAM技术在工业中的应用。
• 合作伙伴关系：Fabric8Labs与Wiwynn等公司合作，在多个行业展会（如OCP Global Summit 2025和Computex 2025）展示基于ECAM的冷板解决方案，用于优化液冷AI数据中心的性能。
• 技术被采用：ECAM技术已被AEWIN等企业选中，用于开发先进的热管理解决方案，凸显其市场认可度。

技术应用与见解

• ECAM技术：这是一种3D金属打印技术，专注于制造高密度冷板，以提升冷却效率。它适用于需要高效热管理的场景，如AI加速器和数据中心。
• 冷却瓶颈：见解部分强调，冷却系统已成为AI加速器的主要性能瓶颈。ECAM技术通过 enabling 高密度冷却，旨在解决这一挑战，支持下一代数据中心的散热需求。
• 行业影响：Fabric8Labs的进展展示了3D金属打印在定制化热管理组件中的潜力，可能推动更高效、更紧凑的硬件设计。

总结

Fabric8Labs通过资金支持、合作伙伴展示和技术创新，正推动ECAM技术在3D金属打印领域的应用。重点在于解决AI和数据中心冷却问题，提升制造效率和热管理性能。未来，公司计划继续扩展生产并参与行业活动，以巩固其在先进制造中的地位。

核心事件

NASA宣布选择SpaceX公司开发和交付“美国脱轨飞行器”（U.S. Deorbit Vehicle），用于在国际空间站（ISS）于2030年结束运营后，安全、受控地将其脱轨，并确保避开人口密集区。

项目与合作细节

• 合同与采购：该单一授标合同的潜在总价值为8.43亿美元。脱轨飞行器的发射服务将在未来另行采购。
• 开发与运营：SpaceX负责开发脱轨航天器，开发完成后NASA将接管所有权并在整个任务期间负责运营。该飞行器预计将在再入大气层的过程中与空间站一同销毁。
• 国际合作：空间站由NASA、俄罗斯国家航天集团（Roscosmos）、欧洲航天局（ESA）、日本宇宙航空研究开发机构（JAXA）和加拿大航天局（CSA）五大机构共同运营。目前，美国、日本、加拿大和ESA承诺将空间站运营至2030年，俄罗斯承诺至少运营至2028年。空间站的安全脱轨是这五大航天机构的共同责任。

战略意义与空间站遗产

• 低地球轨道过渡：选择美国脱轨飞行器有助于NASA及其国际合作伙伴在空间站运营结束时实现低地球轨道的安全过渡，同时支持NASA未来向近地轨道商业目的地过渡的计划，确保近地空间的持续利用。
• 科学与商业贡献：空间站已连续载人运营24年，作为独特的科学平台，开展了超过3300项微重力实验，涵盖地球与空间科学、生物学、人体生理学等多个领域。作为太空商业的基石，空间站在商业乘员、货物合作及研究方面积累的经验，正为未来的商业空间站奠定重要基础。

行为科学并非万能钥匙：跨学科思维与创造力在问题解决中的关键作用

本文基于2021年Nudgestock演讲改编，探讨了行为科学（BS）在解决问题中的角色与局限。核心观点是：虽然许多问题都涉及行为科学，但它并非万能；过度依赖单一学科会限制创新，真正的解决方案往往需要融合行为科学、创造力及其他领域知识，并允许一定程度“良性无稽之谈”（benign bullshit）的存在。

1. 行为科学的必要性与局限性

• 大多数问题都涉及行为科学，加入心理维度能扩大解决方案空间。
• 但行为科学并非充分条件，不能认为所有问题都必须且只能用行为科学解决。许多问题需要多学科混合应对。
• 以医学为例，传统做法是剥离安慰剂效应以验证药物纯效，但作者认为最优方案可能是结合药物药理作用与安慰剂的心理效应。类似地，企业若只追求自身贡献的证明，可能错失协同优化的机会。

2. 创造力与“良性无稽之谈”的价值

• 创造力对行为科学至关重要，有时需要一点“无稽之谈”来突破思维定式。
• 我们能事后合理化的好主意，远多于能事先合理化的好主意。因此，不应只测试那些“看似合理”的想法，也要勇于测试“看似荒谬”的想法，后者可能带来意想不到的宝贵发现。
• 案例：一项慈善邮件测试中，所有“理性”调整都失败了，而“古怪”调整却提高了捐款。这证明突破常规变量（如改变“气压”而非纠缠于“烛火热量”）可能解决问题。

3. 突破传统框架：以销售、太阳能板与核电为例

• 销售：不仅是价格-需求曲线调整，还涉及稀缺性、社会证明、时间限制等多重心理因素。
• 太阳能板：工程学已解决效率与成本问题，但忽略了“如何让消费者做出不可逆的大额决策”这一行为障碍。同样，核电因命名与“核弹”关联而引发心理抵触，改变叙事框架可能改变公众接受度。
• 双洗碗机方案：看似荒谬，但实际解决了“无需卸载餐具”的痛点。这说明引入非常规变量能创造事后看来显而易见的解决方案。

4. 对过去数据的过度依赖限制创新

• 物理学规律恒定，过去数据可预测未来。
• 人类行为高度依赖情境，受时尚、叙事、情绪等影响，过去数据未必能预测未来。在复杂系统中，重复尝试相同做法未必是疯癫，可能是应对复杂性的策略。
• 因此，过度要求创新必须与过往数据吻合，会扼杀实验与创新。

5. 决策过程的改进建议

• 平衡不同学科的地位：不应仅重视经济分析等“高地位”变量（如降价），也要重视心理、情境等“低地位”变量（如改变咖啡馆桌椅摆放）。
• 并行而非串行探索：政府决策常从立法、经济激励到说服依次进行，但正确顺序应是同时从复杂性、心理学、行为经济学、经济学、立法等多角度重新定义问题。
• 改变讨论方式：如Daniel Kahneman所言，若能改变人们闲聊和讨论决策的方式，将心理学视角融入日常对话，便能取得巨大进步。例如，开会时营销人员可能只想到降价，但引入“把它做成粉色”这样的建议虽看似突兀，却可能开辟新思路。

结论

“一切皆行为科学，但行为科学非一切”。在面对不可预测的未来时，我们应：

1. 拥抱跨学科融合，结合行为科学与其他领域知识。
2. 鼓励创造力与实验，包括测试那些看似不合逻辑的想法。
3. 平衡决策过程中的学科话语权，允许心理学、叙事等视角与经济、工程分析并行。
4. 减少对过往数据的盲目依赖，认识到人类行为的情境依赖性。

最终目标是通过更开放、更多元的思维框架，更有效地解决复杂世界中的问题。

AI革新蛋白质科学，但并未终结它

核心概述

谷歌的AlphaFold在2020年取得了科学领域迄今最大的人工智能突破，解决了长期悬而未决的蛋白质结构预测难题。这一突破深刻改变了生物学研究，加速了药物开发等领域的进展，但并未取代实验科学，反而凸显了其必要性，并引发了关于科学本质与未来方向的思考。

蛋白质折叠问题：科学界长达数十年的挑战

• 问题本质：蛋白质由氨基酸序列折叠成特定三维结构，其形状决定其生物学功能（如携带氧气、催化反应）。从一维序列预测三维结构被称为“蛋白质折叠问题”，自20世纪50年代生物化学家克里斯蒂安·安芬森提出相关假设以来，一直是生物学的核心挑战。
• 重要性：错误折叠的蛋白质会导致多种疾病（如镰状细胞贫血、阿尔茨海默症）。理解蛋白质结构对药物设计、疾病机理研究至关重要。
• 传统方法的局限：实验方法（如X射线晶体学、冷冻电镜）解析单个蛋白质结构耗时数月至数年，且过程艰辛。计算方法虽然发展，但进展缓慢，预测精度长期停滞不前。

CASP竞赛：催化突破的竞技场

• 1994年，约翰·莫尔特等创立了“蛋白质结构预测关键评估”（CASP）竞赛，为全球计算生物学家提供公平的测试平台。每两年，参赛者根据已知序列预测未知结构，结果与实验结构比对。
• 早期竞赛中，预测精度提升缓慢，竞争激烈但进展有限。然而，它为整个领域奠定了方法论基础，并最终成为AlphaFold首次亮相并震撼科学界的舞台。

AlphaFold的崛起与突破

• 第一代AlphaFold：谷歌DeepMind团队于2018年首次参加CASP13，凭借深度学习和神经网络取得初步成功，展现了AI在此领域的潜力。
• AlphaFold2的革命性突破：团队彻底重构算法，引入创新的“Transformer”神经网络架构。在2020年CASP14竞赛中，AlphaFold2预测的蛋白质结构精度达到前所未有的90%以上（以GDT分数衡量），远超其他所有方法，被竞赛组织者宣布“在很大程度上解决了蛋白质结构预测问题”。
• 关键技术：算法利用进化信息（同源序列比较）和结构数据进行训练，能直接从序列输出三维坐标，而非模拟物理折叠过程。

变革性影响与当前应用

• 加速研究：研究人员现在能在几分钟内获得蛋白质结构的准确预测，极大地加速了假设生成和实验设计，例如在解析人类核孔复合体等大型结构时填补了冷冻电镜数据的空白。
• 工具化与普及：AlphaFold2的预测结构数据库（已包含超过2.18亿种蛋白质）全球公开，成为生命科学家的通用工具，赋能了从基础研究到药物开发的众多领域。
• 催生新范式：激发了蛋白质设计的新前沿。以大卫·贝克为代表的科学家利用AI设计自然界不存在的蛋白质，应用于药物、新材料等领域。RoseTTAFold等竞争算法也相继出现。

局限性与新问题

尽管成就巨大，但AlphaFold并非万能，蛋白质科学远未结束：

1. 并非“像科学家那样”解决问题：它提供结构预测的“黑箱”，但并未揭示蛋白质折叠的物理机制或动态过程。
2. 局限性：
   • 对动态、无固定结构（如内在无序蛋白）或构象切换蛋白的预测能力有限。
   • 难以捕捉点突变对结构和功能的细微影响。
   • 无法模拟蛋白质在细胞复杂环境（与其他分子相互作用、受离子浓度等影响）中的行为。
3. 实验验证不可替代：预测结果仍需实验验证。部分科学家出现对AI预测的过度依赖，导致发表明显错误的结构。
4. 数据依赖与扩展挑战：其成功依赖于高质量、标准化的实验数据（PDB）。在更复杂的生物分子复合物（如蛋白质-DNA/RNA相互作用）预测方面，可用训练数据较少，精度提升面临挑战。

未来展望

• 算法进化：AlphaFold3和RoseTTAFold All-Atom等新模型已开始尝试预测蛋白质与其他分子的相互作用，迈向更真实的生物系统模拟。
• 终极目标：科学家们期望最终能模拟整个细胞内的分子环境与动态过程，这需要计算与实验的共同飞跃。
• 科学范式的思考：AlphaFold的成功引发了关于科学本质的讨论：当AI能高效给出解决方案但无法解释“过程”时，科学的重心是否会从“理解自然”转向“应用结果”？

结论

谷歌DeepMind的AlphaFold无疑是人工智能在科学领域的一个里程碑式胜利，它革命性地解决了蛋白质结构预测这一长期难题，为生物学研究提供了强大工具，并催生了蛋白质设计等新领域。然而，它也清晰地划定了界限：它加速了科学，但并未使其终结。蛋白质折叠的动态机制、功能与环境的复杂性等深层问题依然存在，需要计算与实验科学继续携手探索。AlphaFold开启了蛋白质科学的新篇章，但最精彩的故事仍有待书写。