这篇文章介绍了如何将游戏开发中的高级毛玻璃UI效果移植到Web上，并提供了实现这种效果的逐步指南和代码示例。

核心内容包括：

• 灵感来源：作者基于为《极限竞速：地平线3》和《极限竞速7》开发UI的经验。
• 关键技术：主要使用CSS的 backdrop-filter: blur() 属性来创建毛玻璃的模糊效果。
• 增强深度与真实感：
  • 使用 box-shadow: inset 来模拟玻璃边缘，比 border 更利于子元素布局。
  • 添加传统的外部 box-shadow 以营造立体悬浮感。
  • 通过多层内部 box-shadow 近似模拟“次表面散射”效果。
• 高级光照效果：
  • 为了模拟光线反射，将一张预制的“光线”图片通过 ::before 伪元素混合到玻璃上。
  • 为实现光线在玻璃移动时动态变化的效果，提供了两种方案：
    1. 纯CSS方案：使用 background-attachment: fixed（移动端兼容性有限）。
    2. 跨平台JS方案：使用JavaScript动态调整背景位置，以模拟固定背景效果，确保所有平台兼容。
• 最终完善：通过 border-radius 添加圆角，并在玻璃上叠加一个带透明度的彩色层来完成最终效果。

文章在开头和结尾都提供了完整的最终代码（分为带JS和不带JS两个版本），方便读者直接复制使用。

文章标题：《The 'Return to Office' Lies》摘要

本文作者强烈批判了要求员工强制返回办公室工作的政策，并直指其背后的虚伪说辞。文章的核心论点是，许多公司以“促进协作”和“增进社交”为名，要求员工返回办公室，但这背后真实的原因是管理层的过度控制和为了证明昂贵的办公空间投资的合理性。

作者以自己的具体工作为例进行反驳：其工作内容（大量数据录入、电子邮件、在SharePoint或Word中撰写报告、处理Excel表格和数据库）完全数字化，所有沟通和协作都通过Teams、邮件或电话进行，在线办公与线下办公在协作效率上并无本质区别。即使身处办公室，与同事的工作交流依然是线上完成。

文章进而批评了借鉴FAANG（Facebook、亚马逊、苹果、奈飞、谷歌）等科技巨头要求返岗的做法是荒谬的，因为作者所在的机构并非创新或知识密集型行业，工作性质完全不同。

对于以“社交”和“减少孤独感”为由的倡导，作者认为这是将办公室包装成一个有水果碗的亲切场所，实则对许多人造成伤害。作者作为免疫受损的慢性病患者，返岗会严重消耗其体力，导致下班后毫无精力与亲友相处，反而加剧了社交隔离。返岗还增加了通勤的时间与经济成本，以及感染疾病（如新冠疫情）的风险。

作者强调，远程工作是许多人（尤其是残障和慢性病患者）保持工作产出和就业机会的关键。它有助于更好地平衡家庭、照顾责任、健康、教育和个人生活，减少压力和职业倦怠。作者现身说法，正是因为有远程工作的可能，才使其在患病期间仍能持续工作并为公司创造价值。

文章最后表达了对公司的失望：员工在缺乏增员和加薪的情况下超负荷工作，作者连续两年获得绩效奖金，但今年公司宣布取消所有人的奖金。作者警告，如果公司进一步收回或严格限制远程工作，将会导致年轻骨干员工流失，尤其是在未来几年约半数员工即将退休的背景下。作者已将对此政策的反对意见正式提交给了公司的员工委员会和残障代表，并获得了积极反馈。

科技乌托邦的幻想已经破灭

过去，人们对科技抱有积极乐观的看法。媒体和广告描绘了一个由科技带来的美好未来：舒适、省力、个性化协助、减少摩擦、创新设计。它承诺一个充满知识与连接、生产力与便捷的时代。人们当时并不需要考虑科技的制造过程、失业影响、盈利模式、能源消耗或资源需求——科技本身看起来很酷。

随后，社交媒体和智能手机兴起。这些设备集多种功能于一身，价格亲民，让即使是贫困地区的人们也能接触互联网和教育。人们普遍相信这将使社会变得更好，推动人类进步。互联互通被视为快速协作知识、进入新知识时代的工具。个人内容创作和分享打破了传统门槛，仿佛实现了“美国梦”的全球版本，人人都可能致富或获得教育。更多的自由时间、金钱和向上流动的机会被许诺。通信渠道的多样化被宣传为更真实、更少审查，有助于记录事件、减少种族主义等偏见。清洁能源、解决气候变化和贫困的方案似乎也指日可待。科技公司则被塑造为服务于共同利益的 facilitator。

然而，这些承诺大多未能实现。尽管互联网和科技确实带来了一些好处（如促进政治参与、绕过审查、帮助残障人士社交、提供知识访问等），但其负面影响日益凸显，掩盖了这些正面影响。

• 知识共享与教育：维基百科、教程等资源曾有帮助，但现在独立网站和博客因搜索引擎优先排名下降而难以访问，社交媒体信息被登录墙阻隔。同时，网络成为虚假信息的温床，AI 甚至会“幻觉”出虚假信息，我们进入了“后真相”时代。
• 努力致富的幻想：互联网确实让一些人致富，但这些人常与性骚扰、虐待员工、偷税等指控相关。注意力经济奖励的是越来越低俗、冲击性、反人性的内容（如极端消费、赌博直播等），诱使人们购买不需要的产品。
• 教育内容：依然存在，但越来越多地被置于付费墙后。科学研究数据仍难以获取，而煽情、愤怒的内容却免费。付费课程、平台等兴起，免费知识共享的理想正在消退。
• 减少偏见与歧视：网络并未如预期般消除偏见。人们更加两极化，存在回音室效应。评论区充满仇恨言论，弱势群体成员被霸凌出平台。在线广告被证实存在歧视性定向投放。
• 可持续性：现在我们不得不正视科技制造背后的失业、利润分配、维修回收困难、巨大的能源和水资源消耗，以及所需稀有金属等环境问题。

科技公司的矛盾与背离

科技公司仍在营销中利用乌托邦形象，但现实是：

• 营销与现实脱节：广告描绘温馨家庭、便捷生活，但许多场景细思恐有 dystopian 色彩（如让 AI 代写儿童信件）。公司高管似乎活在与大众现实脱节的气泡中。
• 政治与价值观问题：科技公司及其风险投资家的行为与其宣扬的“进步、创新、公平、生态”形象严重不符：
  • Meta：卷入选举虚假信息、Cambridge Analytica 丑闻、算法促进暴力。
  • ByteDance (TikTok)：因中国数据安全、内容审查（如香港抗议、新疆）、推送亲俄宣传等引发不信任。
  • Amazon：以反工会、恶劣工作条件（仓库恐怖故事、司机用瓶小便）闻名。创始人贝索斯的政治干预也引发争议。
  • Alphabet (Google)：被批评侵犯隐私、技术冒犯性、政治审查（尤其在敏感国家）、工作环境不佳、性骚扰处理不力、违反医疗数据法等，也曾开展反工会运动。
  • X (Twitter)：与马斯克的个人品牌和政治倾向紧密相连，他创立超级 PAC 支持特朗普，其公司以严苛、虐待性的工作文化著称，并加剧污染和水资源问题。
  • 风险投资公司：如 a16z、YCombinator、Sequoia Capital 等，投资于众多日常科技公司，但也投资自主武器制造商、加密货币（环境问题且欺诈频发）。其核心人物常捐款支持共和党、反对监管、反对环境可持续性和性别平等，甚至公开支持特朗普。
• 绿色清洗与伪善：公司打出多样、公平的广告，但内部仍存在针对女性、有色人种、残障人士的歧视。声称关心创新和人才，却支持反移民政策。将产品包装为系统性问题的解决方案，同时其政治捐款、游说和行为却在助长这些问题（如反工会、数据滥用、强制返回办公室、推动放松管制）。

结论

科技乌托邦的幻想已经破灭。硅谷自由、进步的形象是错误的。这些公司及其背后的风投所支持的价值观和政府，并不符合公众利益，也与其营销形象背道而驰。我们应该停止被误导，尽可能减少给予它们金钱、时间和数据。它们不会带领我们走向它们所承诺的理想。

本文探讨了一个普遍却常被忽视的职业“终结性错误”：未规划职业生涯的终点。作者指出，许多人并非有意犯错，而是在无目标的状态下“失控狂奔”，直到中期才意识到自己可能走错了路。文章强调，尽早思考并规划职业目标至关重要，即便起步较晚，也优于毫无计划。

作者将职业生涯的可能目标大致分为三类：

1. 高级个人贡献者（Seniority）：专注于技术深度与精通，担任如“首席工程师”等高级技术职位。此路径要求持续学习与技艺精进，优势在于能持续从事热爱的技术工作，但可能缺乏对公司决策的影响力。

2. 管理（Management）：从技术转向领导、团队发展与组织事务。优秀的管理者稀缺且影响力巨大，但此路径对人际、沟通与组织能力要求极高，并非人人适合。

3. 独立（Independence）：为自己工作，可能是创业、咨询或承包。这提供了自主性，但需要承担市场、财务等不确定性，并要求具备卓越的专业能力与自我管理能力。

文章建议：

• 尽早开始思考：不必立即制定详细计划，但需开始反思自身价值、兴趣与长期目标。
• 主动探索与对话：与所在领域的资深人士、你的管理者交流，了解不同路径的实际情况。
• 在工作中刻意成长：将当前工作视为提升技能、明确方向的机会，主动学习和承担，而非被动等待。
• 保持灵活：规划的过程重于僵化的计划，应准备应对变化，并允许在探索中调整方向。
• 从小处着手：可通过兼职或副业等方式试水独立工作，验证自身偏好。

最终，无论选择哪条路径，或结合多种可能性，核心是主动掌控职业生涯的航向，避免在无意识中驶向并非自己真正想要的目的地。规划职业终点不是限定未来，而是为了更好地识别和把握机会，活出“野性而珍贵”的一生。

Bocker 项目概述

Bocker 是一个使用约 100 行 Bash 脚本实现的 Docker 教学或概念验证项目。

核心依赖与系统配置要求

运行 Bocker 需要安装以下软件包：

• btrfs-progs
• curl
• iproute2
• iptables
• libcgroup-tools
• util-linux (≥ 2.25.2)
• coreutils (≥ 7.5)

系统还需要进行特定配置：

• 在 /var/bocker 下挂载 btrfs 文件系统。
• 创建一个名为 bridge0 的网络网桥，并分配 IP 10.0.0.1/24。
• 在 /proc/sys/net/ipv4/ip_forward 启用 IP 转发。
• 配置防火墙规则，将来自 bridge0 的流量路由到物理网络接口。

项目包含一个 Vagrantfile 用于快速构建所需环境。强烈建议在虚拟机中运行，因为它以 root 权限运行，并会对网络、路由和防火墙规则进行修改。

示例用法

通过命令行示例展示了基本操作：

1. 拉取镜像: bocker pull centos 7
2. 查看镜像: bocker images
3. 运行容器: bocker run img_42150 cat /etc/centos-release
4. 查看容器: bocker ps
5. 查看日志: bocker logs ps_42045
6. 删除容器: bocker rm ps_42045
7. 在容器内执行命令并提交更改（示例中安装了 wget 并提交为新镜像）。
8. 资源限制：通过环境变量 BOCKER_CPU_SHARE 和 BOCKER_MEM_LIMIT 设置 CPU 份额和内存限制。

已实现的功能

Bocker 实现了以下 Docker 核心功能的简化版：

• bocker build (通过 bocker init 实现，功能非常有限)
• bocker pull
• bocker images
• bocker ps
• bocker run
• bocker exec
• bocker logs
• bocker commit
• bocker rm / bocker rmi
• 网络功能（网桥）
• 配额支持（基于 CGroups）

未实现的功能

以下 Docker 功能尚未在 Bocker 中实现：

• 数据卷容器
• 数据卷
• 端口转发

许可证

该项目根据 GNU 通用公共许可证 v3 (GPLv3) 发布。

丹麦宣布历史性的国家绿化计划

丹麦立法者于周一达成一项历史性协议，计划在未来二十年内采取重大措施重塑国家景观，以应对气候变化和减少农业污染。

核心计划

• 大规模造林：计划种植10亿棵树，使丹麦森林面积增加25万公顷（约61.8万英亩）。目前，丹麦的森林覆盖率约为14.6%。
• 农田转化：将14万公顷（约34.6万英亩）目前用于耕作的、易导致气候变化的低洼土地，转化为森林和自然栖息地。此举旨在将全国10%的农田转变为自然区域。
• 主要目标：该协议的核心目标是显著减少农业化肥的使用量。

资金与执行

• 为实现该目标，政府已拨款430亿丹麦克朗（约合61亿美元），用于在未来二十年内从农民手中收购土地。
• 该协议被丹麦政府称为“一百多年来丹麦景观最大的变化”，并由新成立的“绿色三部”（Green Tripartite Ministry）负责实施。

政治共识与配套政策

• 该协议由丹麦三党联合政府（社会民主党、自由党和温和党）与社会主义人民党、保守党、自由联盟及社会自由党共同达成，在议会通过被认为仅是程序性步骤。
• 这是丹麦更广泛绿色议程的一部分。此前在六月，丹麦已宣布将从2030年起对牛、羊、猪等牲畜排放的温室气体征税，成为全球首个实施此类税收的国家，以应对强效温室气体甲烷的排放。

Smol Models 概述

Hugging Face推出的Smol Models系列专注于高效轻量级AI模型，旨在创建适用于文本和视觉任务、可在设备端运行且性能强大的全开源模型。

SmolLM3 语言模型

• 核心性能：3B参数模型，在11T token上训练，性能优于Llama 3.2 3B和Qwen2.5 3B，并能与Qwen3、Gemma3等4B模型竞争。
• 开源细节：完全开放模型权重、训练数据配比及配置。
• 关键特性：
  • 支持双模式推理（思考/非思考模式）。
  • 支持英语、法语、西班牙语、德语、意大利语、葡萄牙语共6种语言。
  • 长上下文支持达128k，采用NoPE和YaRN技术。

SmolVLM 视觉语言模型

• 功能：紧凑的多模态模型，可处理图像和文本，执行视觉问答、图像描述、视觉故事生成等任务，支持单次对话处理多张图像。
• 应用：可在设备端高效运行。

项目结构

smollm/
├── text/           # SmolLM相关代码与资源
├── vision/         # SmolVLM相关代码与资源
└── tools/          # 共享工具与推理代码

快速上手示例

SmolLM3 加载与生成：

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "HuggingFaceTB/SmolLM3-3B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")
# 输入提示并生成文本

SmolVLM 加载：

from transformers import AutoProcessor, AutoModelForVision2Seq
processor = AutoProcessor.from_pretrained("HuggingFaceTB/SmolVLM-Instruct")
model = AutoModelForVision2Seq.from_pretrained("HuggingFaceTB/SmolVLM-Instruct")

资源列表

• 文档：SmolLM3文档、SmolLM2论文、SmolVLM文档、本地推理指南。
• 预训练模型：SmolLM3、SmolLM2、SmolVLM模型集合。
• 数据集：SmolLM3预训练数据集、SmolTalk指令微调数据集、FineMath数学预训练数据集、FineWeb-Edu教育内容数据集。

这篇文章以讽刺和警示的口吻，讲述了一个开发者试图避免使用Kubernetes，却在不知不觉中自行构建了一个功能类似Kubernetes的复杂系统的故事。

核心内容总结如下：

1. 起始：对复杂性的回避 开发者最初认为Kubernetes“过度复杂”，只是想简单地运行一些容器，因此选择了“无聊的技术”——从简单的shell脚本和Docker Compose开始。

2. 逐步构建的过程 为了满足不断增长的需求，开发者被迫逐步添加组件，而这些组件恰恰对应了Kubernetes的核心功能：

   • 部署与配置管理：从混乱的shell脚本演进到使用Ansible进行基础设施即代码（IaC）管理，相当于Kubernetes的声明式配置和控制器。
   • 多服务器与网络：当需要扩展到多台服务器时，面临网络连接和防火墙配置的挑战，并引入了覆盖网络（如Tailscale），这对应了Kubernetes的网络模型和服务发现。
   • 安全与API：当需要安全地动态创建容器时，不得不构建一个封装了Docker API的专用服务，这本质上就是Kubernetes API服务器的雏形。

3. 最终讽刺的结论 经过这一系列“自力更生”的构建，开发者最终得到了一个包含标准配置格式、部署方法、覆盖网络、服务发现、不可变节点和API服务器的系统。文章尖锐地指出：“亲爱的，你已经构建了一个Kubernetes。”

4. 作者的劝诫（PS） 作者最后澄清，并非意在断言Kubernetes不可替代，而是强调：在轻易否定Kubernetes的复杂性之前，开发者必须首先深入理解它所解决的那些根本问题。否则，你很可能只是在重新发明一个更不稳定、更难维护的轮子。

文章主旨：通过一个逐步滑坡的叙事，揭示了现代分布式应用和部署内在的复杂性。它提醒开发者，Kubernetes的复杂性不是凭空而来，而是为了系统地解决容器编排、网络、存储、安全和自动化运维等核心难题。盲目地试图“简化”而绕过它，往往会导致自己构建出一个更脆弱、更不透明且维护成本更高的“隐形Kubernetes”。

比亚迪郑州工厂规模对比分析

主要内容

比亚迪郑州工厂已极其庞大，并且仍在持续扩建。该工厂通过与特斯拉最大工厂进行直观比较，突显其巨大规模。

关键细节

• 比亚迪工厂状态：郑州工厂当前规模已非常可观，且正在进一步扩展。
• 比较基准：使用特斯拉最大工厂作为参照物，以量化展示比亚迪工厂的大小。
• 视觉化指标：在比较图中，一条蓝线代表2英里（约3.2公里），作为距离标尺。

背景信息

• 此信息来源于社交平台X（原Twitter）的帖子，由用户Taylor Ogan发布。
• 帖子包含描述和图片链接，用于展示工厂规模的对比图。

本文介绍了一个信息设计机构尝试用单一数据集创作100种不同可视化的挑战。该机构希望通过此项目展示数据可视化的多样性与复杂性，证明即使数据有限，也能通过不同的视觉属性和设计方式讲述多种故事。他们的日常工作中涉及大量数据可视化，因此将此次挑战视为一次探索创意表达和视觉传达多样性的机会。

本文探讨了如何在避免职业风险的前提下，向上级领导者提供反馈。核心困境在于：不发声可能浪费有价值的见解，而发声可能危及自身。作者建议采取审慎、有策略的方法。

反馈前的自我评估 提供反馈不应是首选。首先应自问：

1. 能否通过自身可控的行动改善现状？
2. 能否接受现状？此事是否值得冒险反馈？成功概率如何？ 在考虑提反馈前，务必先检视自己是否已尽己所能，例如主动向上管理、澄清疑问、以负责人姿态行动。假设他人应改变是低能动性的表现。

四大核心反馈策略 若决定提供反馈，可采用以下框架：

1. 运用“甚至更多”技巧：将建议包装为对领导者现有良好行为的深化或延伸，而非对其缺失的指责。例如，不说“我们需要给新员工指导”，而说“我们可能需要给新员工甚至更多的指导”。后者假设对方已付出努力，只是建议进一步加强，更易被接受。

2. 以自身经历为例：在权力不对等或内容敏感时，用分享个人经历的方式传递建议，避免直接指责。例如，不说“你应该试试X”，而说“我以前在这个问题上也很困扰，当我尝试X时，真的帮了大忙”。这降低了对方的防御心理。

3. 采用外交式、好奇心驱动的语言：避免两种极端——完全顺从或生硬直言。使用非威胁性的短语切入，如：“我们或许可以试试……”、“我在想是否……”、“也许我们能……”、“你对……有什么看法？”。姿态上应是团队中乐于助人、以组织利益为先的成员，并聚焦于未来解决方案，而非追究过往错误。

4. 用数据和具体事例支撑观点：不要泛泛而谈。提供过去成功的具体案例，使反馈更客观、有说服力。例如，建议增加项目中反馈时，可具体指出：“当我们每周与客户评审设计模型时，他们对最终结果很满意。在这个项目中，早期对齐可以避免后期返工。” 建议应简洁、可操作，并可以开放式问题（如“你觉得呢？”）结尾，以协作姿态呈现。

总结 向上级提反馈需平衡勇气与策略。在尝试沟通前，务必先管理好自身行为。若决定提出，请运用“甚至更多”技巧、分享个人经历、使用外交语言并辅以具体例证，以尊重、建设性的方式增加对方采纳建议的可能，同时降低自身风险。

2001年5000美元压缩挑战记录

挑战规则

Mike Goldman提出了一项数据压缩挑战：参与者支付100美元处理费，指定一个文件大小；Mike生成随机数据文件发送给参与者；参与者需返回一个解压器和一个压缩文件，两者总大小必须小于原文件，并能还原原文件。若成功，参与者获得5000美元奖金及100美元退款。

挑战过程

• Patrick Craig 参与挑战，事先与Mike澄清规则，特别确认了可以使用多个压缩文件。
• Patrick指定生成3MB（3,145,728字节） 的文件。
• Mike生成文件并提供给Patrick。
• Patrick提交了解压器脚本dfi和218个压缩文件（comp, comp.0 ~ comp.217），总大小比原文件小44字节。

争议焦点

• Patrick的方法：将原文件拆分为218个部分，每部分以字符'5'结尾，并移除该字符。解压器通过读取文件头信息（原文件名和文件数量），拼接各部分并重新插入'5'来还原原文件。
• Mike的质疑：
  1. 仅下载了dfi和comp，认为未压缩数据，只是文件拆分。
  2. 多个文件在文件系统中的目录条目占用空间，实际磁盘占用大于原文件。
  3. 挑战本质是数据压缩，而Patrick的方法是“信息隐藏”或利用文件系统特性。
• Patrick的反驳：
  1. 挑战仅要求文件大小比较，未要求磁盘占用优化。
  2. 在规则范围内完成了挑战：解压器+压缩文件总字节数小于原文件。

结果与讨论

• Patrick放弃奖金，但坚持自己完成了挑战的字面要求。
• 社区观点：
  • 有人认为Patrick“智胜挑战发起者”，揭露了规则漏洞。
  • 有人认为Patrick未真正压缩数据，违反了信息论原则。
  • 讨论涉及“压缩”的定义、文件系统开销、挑战规则的严谨性。

关键文件

• 解压器dfi：156字节的shell脚本。
• 压缩文件：218个文件，总大小3,145,528字节。
• 原文件original.dat：3,145,728字节。

技术启示

1. 规则严谨性：挑战未明确定义“压缩”的技术标准，导致争议。
2. 文件系统开销：多个文件的实际磁盘占用可能大于总字节数。
3. 数据压缩极限：对随机数据的无损压缩在理论上存在信息论限制。

总结：这场挑战引发了关于数据压缩本质、挑战规则设计与解释的广泛讨论，成为信息论和编程社区的一个经典案例。

叙利亚古城出土最早已知字母文字证据

考古发现表明，字母文字的起源可能比此前认知早约500年。约翰霍普金斯大学研究团队在叙利亚一处古墓中发掘出刻有疑似字母文字的粘土圆筒，其年代可追溯至约公元前2400年，颠覆了学界对字母文字起源、传播及其对早期城市文明意义的既有认知。

核心发现

• 出土物品：研究人员在叙利亚Umm-el Marra遗址一座保存完好的早期青铜时代墓葬中，发现了四枚手指长度的轻烧粘土圆筒，上面刻有疑似字母文字。
• 年代测定：通过碳14测年技术，确认这些圆筒及墓葬的年代约为公元前2400年。
• 年代意义：这一年代比此前已知的其他字母文字早约500年。

研究背景与意义

• 遗址信息：Umm-el Marra是叙利亚西部最早出现的中型城市中心之一。此次发现的墓葬属于一个持续16年的考古挖掘项目，墓中还出土了六具骨架、金银首饰、厨具、矛头和完整的陶器。
• 用途推测：研究负责人Glenn Schwartz教授推测，这些穿孔的圆筒可能曾用绳子系在其他物品上作为标签，用于说明容器内容、来源或所有者。
• 挑战旧认知：传统观点认为字母文字于公元前1900年左右在埃及或其周边地区发明。新发现表明，字母文字的起源可能更早、地理位置也不同，或有全新的起源故事。
• 历史影响：Schwartz教授指出，字母文字使书写不再是王室和社会精英的专利，从而彻底改变了人类的生活、思维与交流方式。这一发现显示，人类对新传播技术的探索比想象中更早、地域更广。

研究人员将在美国海外研究学会的年会上公布更多细节。由于目前尚无法破译该文字，对其确切内容的解读仍有待进一步研究。

联邦法院驳回家长诉讼，裁定学校因学生使用AI完成作业施以处罚并无过错。

事件核心 马萨诸塞州辛厄姆高中一名高中生在完成AP美国史纪录片脚本作业时，使用了AI写作工具Grammarly。他并未将AI作为辅助工具，而是直接复制粘贴了AI生成的内容，包括大量虚构的参考文献（即“AI幻觉”），且未注明任何来源。学校查重工具Turnitin及后续人工审核均确认内容为AI生成。

学校处罚与政策依据 学校认定该行为构成学术欺诈。尽管学生手册未明确提及AI，但其禁止“未经授权使用技术”及“剽窃他人成果”。学校还强调，2023年秋季已向学生分发过明确禁止在作业中使用AI的补充政策。因此，学校对该生涉事部分作业判予不及格，处以周六留堂，并暂取消其国家荣誉学会候选资格（后经诉讼撤销）。

家长诉讼与法院裁决 家长起诉校方，声称不存在针对AI的明文规则，处罚不公，并寻求初步禁令要求更改成绩、清除纪律记录。联邦治安法官保罗·莱文森在裁决中支持校方：

1. 事实层面：证据表明学生行为是直接抄袭AI内容，而非合理利用新技术，校方认定作弊合理。
2. 法律层面：学校拥有对学术诚信的广泛裁量权，且处罚未超出合理范围。
3. 教育自主权：法官引用最高法院判例，强调教育责任主要在家长、教师和学校官员，而非联邦法官。

裁决结论 法院认为，本案并非涉及AI技术使用的灰色地带，而是一起明显的学术不端行为。校方在作出处罚前已进行多项核实，程序并无不当，且未剥夺学生受教育权利。法院最终驳回家长的全部动议，认为校方胜诉可能性更大。

奔腾处理器中的天线二极管

本文解释了在英特尔奔腾处理器硅片中观察到的一种特殊结构——“天线二极管”的作用与原理。这些二极管旨在保护芯片在制造过程中免受损伤。

奔腾处理器基本结构

• 1993年发布的初代奔腾处理器包含310万个晶体管。
• 采用CMOS电路，由NMOS和PMOS晶体管构成。晶体管栅极下方有一层极薄的氧化层，易受电压损坏。
• 芯片具有三维结构：底层是硅晶体管，其上有多层多晶硅和金属互连层，通过钨栓塞（通孔）连接。

制造工艺与天线效应问题

• 金属互连层通过光刻和等离子体干法刻蚀工艺成型。
• 干法刻蚀虽精度高，但会产生等离子体诱导氧化层损伤（俗称“天线效应”）。
• 问题本质：正在刻蚀的较长金属线会从等离子体中积累电荷，产生高电压。如果该金属线一端仅连接晶体管栅极（尚未完成全电路连接），高压可能击穿栅极下方的超薄氧化层，导致器件损坏。
• 影响因素：仅与栅极相连的金属线有风险；已连接至源极或漏极的线路因电荷可泄放至基板而安全；最高金属层已实现全部连接，故无风险；线路越长，风险越高。

天线二极管的工作原理

• 功能：作为保护器件，在制造期间为可能积累电荷的金属线提供一个通向硅基板的泄放路径。
• 结构：在硅片中制造P-N结二极管。在奔腾处理器中，表现为嵌入P型硅中的N+掺杂方块区域。
• 状态：在芯片正常工作时，这些二极管处于反向偏置状态，不影响电路功能。仅在制造过程中起到保护作用。

其他防天线效应措施

• 分割长线：将长线分段，并通过更高金属层的“跳线”连接。
• 使用顶层金属布线：将长线安排在最后形成的顶层金属上。
• 设计规则检查：现代集成电路设计中，制造商会规定最大允许的“天线线长”。设计软件会检查并自动插入二极管或调整布线以符合规则。

小结

奔腾处理器中的天线二极管是应对等离子刻蚀工艺所引发“天线效应”的一种防护设计。它占用额外芯片面积，因此仅在必要时使用。该现象及相关防护措施在当今集成电路制造中依然重要，是确保芯片良率的关键环节之一。

Firefox 开发者工具网络标签页：如何按属性过滤请求

网络请求列表

网络监控器默认显示页面加载过程中发生的所有网络请求列表。每次导航到新页面或刷新当前页面时，列表通常会清除，但可通过勾选设置中的“启用持久日志”来覆盖此行为。

网络请求列

• 自定义显示：右键单击表头可从上下文菜单中选择显示或隐藏特定列，也可使用“重置列”恢复默认配置。
• 调整列宽：鼠标悬停列边框时变为调整大小图标，可拖动调整；双击列分隔符可自动适应内容宽度。
• 排序：单击列标签可按该列排序请求，通过上下文菜单的“重置排序”可恢复默认排序。
• 可用列：包括状态（HTTP状态码，带颜色背景）、方法（HTTP请求方法）、域名（可能显示安全图标，如HTTPS强弱、HTTP等）、文件（如服务器等待时间过长会显示乌龟图标）、URL、协议、方案、远程IP、类型、Cookies、Set-Cookies、已传输字节数（可能显示“service worker”或阻止原因如CSP、恶意软件等）、大小等。

图像缩略图

对于图像请求，悬停文件名可在工具提示中预览图像。

安全图标

域名列显示的图标表示请求的安全状态：

• HTTPS：安全连接。
• 弱HTTPS：例如使用了弱密码套件。
• 失败的HTTPS：例如证书无效。
• HTTP：非加密连接。
• 本地主机。
• 跟踪器：已知跟踪器（在启用内容屏蔽时会被阻止）。

时间线

请求列表显示每个请求不同部分的时间线，水平位置相对于其他请求，便于查看页面加载总时间。包含两条垂直线：

• 蓝线：标记DOMContentLoaded事件触发点。
• 红线：标记load事件触发点。

阻止特定URL

可通过以下方式模拟资源被阻止时的页面表现：

1. 使用请求阻止侧边栏：
   • 单击工具栏中的“请求阻止”图标打开侧边栏。
   • 在字段中输入URL匹配模式，重新加载页面以测试。
   • 可全局启用/禁用阻止、管理单个阻止项或删除所有项。
2. 从请求列表阻止：
   • 悬停请求项，从上下文菜单选择“阻止URL”。
   • 刷新页面后，该URL将被阻止，列表中会显示阻止提示。
3. 取消阻止：悬停被阻止项，选择“取消阻止URL”。
4. 命令行方式：在Web控制台中可使用:block和:unblock辅助命令。

过滤请求

可通过多种方式过滤请求：

按内容类型过滤

• 使用工具栏中的按钮（如HTML、CSS、JS）。
• 按XHR请求：使用XHR按钮。
• 按WebSocket连接：使用WS按钮，支持纯文本或正则表达式过滤。

按URL过滤

• 使用工具栏中的“过滤URL”框（可通过Ctrl+F聚焦），输入字符串将匹配域名或文件部分。
• 使用“-”前缀可排除匹配项（如“-google.com”显示所有不包含该字符串的请求）。

按属性过滤

使用工具栏搜索框，输入特定关键字后跟冒号和过滤值（不区分大小写）。用“-”前缀可否定过滤。多个过滤器可空格组合。主要关键字包括：

• status-code：按HTTP状态码（如status-code:304）。
• method：按HTTP方法（如method:post）。
• domain：按域名（如domain:mozilla.org）。
• remote-ip：按服务器IP（如remote-ip:63.245.215.53）。
• cause：按请求原因类型（如cause:js、cause:img）。
• transferred：按传输大小（支持k/m后缀，如transferred:1k）。
• size：按资源大小（解压缩后，支持k/m后缀）。
• larger-than：大于指定大小（如larger-than:2000）。
• mime-type：按MIME类型（如mime-type:text/html）。
• is：按缓存或运行状态（如is:cached、is:running）。
• scheme：按协议方案（如scheme:http）。
• has-response-header：包含指定响应头（如has-response-header:cache-control）。
• set-cookie-domain：按Set-Cookie的Domain属性。
• set-cookie-name：按Set-Cookie的名称。
• set-cookie-value：按Set-Cookie的值。
• regexp：按URL正则表达式匹配。

在请求中搜索

• 使用工具栏中的“搜索”图标打开搜索面板。
• 输入字符串并按Enter，搜索结果将显示匹配的请求头、响应头或响应内容。
• 可展开结果项查看具体匹配项，点击结果会在监控列表中高亮对应请求。
• 支持清除搜索、区分大小写等操作。

美国最高法院允许对Meta提起数十亿美元集体诉讼

• 案件背景：投资者起诉Facebook母公司Meta，指控其未充分披露剑桥分析公司滥用用户个人数据的风险。该数据丑闻与2016年美国总统大选政治咨询公司有关，导致Meta股价在2018年两次大幅下跌。
• 最高法院裁决：法院驳回Meta的上诉，维持下级法院允许诉讼推进的裁定。此前Meta曾试图终止该诉讼，但最高法院认为受理此案本身存在错误。
• Meta回应：公司表示失望，认为原告指控无根据，并将在地区法院继续抗辩。
• 关联事件：Meta已因此事支付51亿美元罚款及7.25亿美元用户隐私和解金。
• 其他同类案件：最高法院同时审理另一起针对英伟达的集体诉讼，该公司被指误导投资者关于加密货币挖矿芯片销售的依赖程度。

美国疾病控制与预防中心确认加州儿童感染H5N1禽流感：系美国首例儿童病例

病例基本情况

美国疾病控制与预防中心已确认加利福尼亚州一名儿童感染了甲型H5N1禽流感病毒。这是美国报告的首例儿童感染H5N1禽流感病例。该儿童症状轻微，已接受流感抗病毒药物治疗。最初采集的样本中病毒载量较低，几天后的复检结果显示H5禽流感呈阴性，但检测出其他常见呼吸道病毒阳性。该儿童目前正在康复中。

调查进展与接触追踪

加利福尼亚州公共卫生部正在调查该儿童可能的H5N1暴露来源。调查期间，所有家庭成员均报告出现症状并采集了样本，但所有家庭成员的H5禽流感检测结果均为阴性，部分家庭成员检测出与该儿童相同的常见呼吸道病毒阳性。接触者追踪工作仍在继续，目前尚无证据表明该儿童将H5N1禽流感传播给他人。截至目前，美国报告的所有H5N1禽流感病例均未发现人际传播。

监测与数据统计

该病例通过流感监测系统发现，并通过流感监测报告给加利福尼亚州公共卫生部。这是通过国家监测系统发现的第二例美国病例。CDC持续密切监控流感监测系统的数据，特别是在动物疫情受影响的州，例如加利福尼亚州——该州自2022年起在野生鸟类和家禽中检测到广泛的H5N1禽流感疫情，并自2024年8月起在奶牛群中暴发疫情。

截至2024年，美国已累计报告55例H5禽流感人类感染病例，其中29例发生在加利福尼亚州。

风险评估与防护建议

CDC对普通公众的风险评估为低风险。然而，接触过受感染或可能受感染的动物（如鸟类、奶牛或其他牲畜），或接触过被受感染鸟类或其他动物污染的环境的人群，感染风险较高。CDC建议避免在无防护情况下接触生病或死亡的动物，包括野生鸟类、家禽、其他驯养禽类以及其他野生或家养动物（包括奶牛）。

后续措施

CDC将在获得更多信息后继续提供更新。

文章摘要：南极冰架底部融化的新发现

本文通过高分辨率观测，揭示了南极冰架底部地形与海洋融化机制之间的复杂关系，对未来海平面预测具有重要意义。

研究背景与目的

海洋融化南极冰架是导致冰盖质量损失和海平面上升的关键因素，但由于缺乏对冰架底部的直接观测，相关过程存在巨大不确定性。本研究旨在利用自主水下航行器（AUV）搭载的多波束声呐，对西南极阿蒙森海的多特森冰架底部进行高分辨率测绘，以揭示冰架底部地形特征及其与底部融化过程的直接联系。

研究方法

研究团队使用Hugin AUV，搭载向上探测的EM2040多波束声呐，在2022年1月至3月期间对多特森冰架的西部、中部和东部空腔进行了六次详细测绘，覆盖面积约140平方公里。同时，AUV还测量了冰架底部下方的洋流速度、温度和盐度。

主要发现

1. 多样化的冰底地形：

   • 东部和中部区域：冰底主要呈现阶梯状（terraces）特征，由较平缓的冰面（宽200-2000米）和较陡的“墙壁”（高0.5-5米）交替组成。这些阶梯与缓慢的海洋对流和间歇性暖水侵入有关。
   • 西部出流区域：冰底相对光滑，存在强烈的侵蚀特征。同时发现了一种此前未知的、长约20至300米的泪滴形凹痕，其形状可能由冰-洋边界层的埃克曼螺旋流旋转作用形成。
   • 贯穿全区的裂缝：观察到了许多贯穿冰架全厚的裂缝，其底部受融化过程改造。年长的裂缝显示出更显著的底部侵蚀和加宽。

2. 冰底特征与海洋过程的对应关系：

   • 冰底地形的显著空间差异与观测到的海洋环流和温盐结构直接相关。
   • 西部出流区：存在高速、高温、高盐的出流水（速度达0.25米/秒），驱动强烈的剪切湍流融化，形成了光滑、侵蚀的地形和高融化速率（约15米/年）。
   • 中部和东部区域：洋流较慢，但存在温盐阶梯结构和利于对流的水体条件（特纳角Tu介于-90°至-45°）。暖、咸的环极深层水混合物通过垂直对流或间歇性侵入作用将热量输送至冰底，导致缓慢融化并形成阶梯状结构。泪滴形凹痕仅出现在西部高速流区域，其形成机制可用埃克曼层动力学解释。

结论与意义

本研究首次在单一冰架下方同时观测到由剪切湍流、对流、双扩散对流以及地形引导侵入等多种机制主导的冰底特征。这些复杂过程共同控制着冰架底部的融化速率和形态。当前冰架融化模型通常只包含其中一两种机制，忽略了其他重要过程（如裂缝周围的改造、泪滴形特征指示的边界层动力学等）。这项研究揭示的丰富过程表明，为了更准确地预测未来南极冰架的融化速率和海平面上升，必须将这些多样化的物理机制纳入考量。未来需要对冰-洋界面进行更多原位观测和更广泛的冰底测绘，以量化和验证这些过程。

反向工程技术人员揭露不道德零工经济平台

核心观点

算法管理（即“老板软件”）的兴起，使得应用程序成为工人的“老板”，导致责任归属模糊化，雇主难以被追责。然而，数字技术的灵活性也意味着，用于监控工人的程序可以被其他程序破解。技术人员与劳工组织的合作，能够揭示并对抗算法管理中的滥用行为。

主要事件：Reversing Works 对 Glovo/Foodinho 的调查

• 调查主体：欧盟黑客/学术团体“Algorithms Exposed”旗下的“Reversing Works”团队，专注于逆向工程零工经济应用程序。
• 调查对象：意大利食品配送平台Foodinho（西班牙公司Glovo的子公司）。
• 方法：通过模拟安卓设备运行App，深入分析其数据收集与处理机制。
• 关键发现：
  1. 非法监控：App对骑手进行大规模、细粒度的监控，包括下班后仍持续收集数据。
  2. 数据保护违规：数据跨境流动，导致意大利以外的管理人员可访问敏感个人信息；App内嵌入多个第三方追踪器，导致公司无法完全说明数据收集方式，违反欧盟及意大利数据保护法。
  3. 秘密评分系统：基于未公开的标准对骑手评分，并将最好的工作分配给高分骑手，涉嫌不公平待遇。
  4. 数据保留问题：骑手离职后，其数据仍被保留长达四年，存在数据泄露风险。
• 报告影响：该报告于2023年11月发布后，引起广泛关注。一年后，意大利数据保护机构对Glovo处以500万欧元罚款，并要求其停止违规行为。

法律与背景

• 意大利的优势：意大利拥有欧盟《通用数据保护条例》（GDPR）的隐私工具，以及1970年《工人章程》等保护工人免受自动化管理侵害的法律，使监管机构具备广泛权力。
• 零工工人身份认定：意大利在认定零工工人为事实雇员方面处于领先地位，本案中细粒度的监控和评分系统被视为Glovo作为雇主的证据。

技术对抗与工人赋权

• 自下而上的方法：通过技术分析揭露雇主滥用行为，为工会追究雇主责任提供了依据。
• 直接行动潜力：工人可通过修改应用程序或协调行动，向雇主施加压力，争取权益。零工经济依赖算法替代管理中层，使公司在工人集体行动时较为脆弱。
• 核心观点：工人和劳工组织需要“夺取计算手段”，通过技术直接改变工作条件，并为监管机构提供证据，迫使雇主做出永久性改变。

其他内容

文章还包含历史回顾、作者近期活动、著作介绍等信息，但核心聚焦于上述反向工程揭露零工平台滥用行为的案例。

Deegen：用于动态语言的JIT虚拟机生成器

核心思想

Deegen 是一个元编译器，旨在大幅降低为动态语言构建高性能 JIT（即时编译）虚拟机（VM）的传统高成本。用户只需实现类似简单解释器的字节码执行语义（用 C++ 函数编写），Deegen 便能自动生成一个包含先进解释器、基准 JIT 和自适应层切换逻辑的两层 VM 执行引擎。

关键创新与贡献

• 自动化生成：首次实现了 JIT 编译器和超越现有技术水平的解释器的自动生成。
• 广泛的优化技术：Deegen 内置并自动应用一系列先进优化，包括：
  • 字节码特化与快速化
  • 寄存器固定与标签寄存器优化
  • 调用内联缓存与通用内联缓存
  • JIT 多态内联缓存与内联缓存片
  • 类型检查消除与强度削减
  • 基于类型的慢路径提取与外提
  • JIT 热-冷代码分割与 OSR（栈上替换）入口
• 易于使用：优化部分自动执行，部分通过直观的 API 引导语言实现者完成。
• 代码质量：生成的解释器、基准 JIT 及 JIT 代码的反汇编质量可与专家手写的主流 VM 组件相媲美。

实现与性能验证

研究团队使用 Deegen 实现了 LuaJIT Remake (LJR)，一个符合标准的 Lua 5.1 VM。在 44 个基准测试中：

• 解释器性能：
  • LJR 解释器平均比官方 PUC Lua 解释器 快 179%。
  • LJR 解释器平均比 LuaJIT 的解释器 快 31%。
• 基准 JIT 性能：
  • LJR 基准 JIT 启动延迟可忽略。
  • 其执行性能平均比 PUC Lua 快 360%。
  • 与 LuaJIT 的优化 JIT 相比，平均仅慢 33%，但在 44 个基准测试中有 13 个更快。

总结

Deegen 通过高度自动化的代码生成和全面的优化技术栈，使开发者能够以低成本构建出性能媲美甚至超越专家手动优化的主流虚拟机的动态语言 JIT 虚拟机，显著降低了高性能语言实现的技术门槛。

总结：浏览器中的Ski Free继承者项目

项目正在开发一个运行在浏览器中的Ski Free精神继承者游戏。核心使用HTML5 canvas技术进行渲染，以实现在浏览器内直接运行游戏。当前内容显示一个技术问题：HTML5 canvas在用户的浏览器中可能不受支持，导致游戏无法正常加载。为了解决此问题，系统提示用户尝试直接下载游戏文件，或切换到支持HTML5 canvas的其他浏览器。该项目的关键功能包括浏览器兼容性和依赖canvas的图形渲染，但需要确保浏览器环境满足技术要求。

Voyage AI 发布了新一代嵌入模型 voyage-3 和 voyage-3-lite，在检索质量、延迟和成本方面取得了显著进展。两款模型均支持高达 32K token 的上下文长度。

核心优势与对比：

• voyage-3：
  • 性能：在评估的八个领域（技术、代码、网络、法律、金融、多语言、保护、长上下文）中，平均检索质量比 OpenAI v3 large 高出 7.55%。
  • 成本：价格为每百万 token 0.06 美元，比 OpenAI v3 large 便宜 2.2 倍。
  • 效率：嵌入维度为 1024，比 OpenAI（3072）小 3 倍，从而将向量数据库成本降低 3 倍。
• voyage-3-lite：
  • 性能：平均检索质量比 OpenAI v3 large 高出 3.82%。
  • 成本：价格为每百万 token 0.02 美元，比 OpenAI v3 large 便宜 6.5 倍。
  • 效率：嵌入维度仅为 512，向量数据库成本比 OpenAI 低 6-8 倍。

与竞争对手（如 OpenAI、Cohere、E5 Mistral）相比，这两个模型在保持更长上下文窗口（32K vs. 8K 或更少）的同时，实现了更优的性能成本比。

技术与评估： 这些模型的卓越性能源于架构改进、从更大模型中蒸馏、超过 2 万亿高质量 token 的预训练，以及基于人类反馈的检索结果对齐。 评估涵盖了 40 个跨领域数据集（技术文档、代码、法律、金融、网页评论、多语言、长文档和对话），并使用 NDCG@10 作为主要指标。结果表明：

• voyage-3 的总体性能接近 Voyage 2 系列的领域专用模型（如 voyage-code-2, voyage-law-2）。
• 在多语言任务中，voyage-3 的性能略低于 voyage-multilingual-2，但优于其他非 Voyage 模型（如 OpenAI v3 large, Cohere multilingual v3）。

使用建议：

• 对于通用嵌入需求，推荐升级到 voyage-3 以获得更高质量且低成本的检索，或选择 voyage-3-lite 以进一步节省成本。
• 对于代码、法律、金融和多语言等特定领域的检索，Voyage 2 系列的领域专用模型仍是最佳选择。
• 用户可在 API 调用中通过指定 "voyage-3" 或 "voyage-3-lite" 作为模型参数来使用新模型。

韩文（Hangul）历史概述

韩文的基本概况

韩文是韩国特有的文字系统，被公认为世界上最高效的字母之一。因其科学的设计和卓越性，它获得了语言学家的普遍赞誉。

韩文的创造与颁布

韩文由朝鲜王朝（1393-1897）的世宗大王（King Sejong）创制。1446年，第一套韩国字母系统以最初的名称“训民正音”（Hunmin chong-um）颁布，该名称的字面意思是“教给人民正确的发音”。

世宗大王与创制动机

世宗大王是韩国历史上最伟大的统治者之一。他以仁德和勤勉著称，同时也是一位热忱的学者，其渊博的知识和天赋令当时最有学问的专家也感到惊讶。

在其统治期间，世宗大王一直痛心于普通民众因不识当时知识阶层所使用的复杂汉字而无法读写。他理解民众无法阅读或无法用文字表达思想感受的挫折感。