Genie 2：大规模基础世界模型

核心概念 Genie 2 是一个由谷歌 DeepMind 开发的基础世界模型。它能够基于单张提示图片，生成无限多样、可由人类或 AI 代理通过键盘和鼠标操控的交互式 3D 环境，用于训练和评估具身智能体。

关键突破 相较于主要生成 2D 世界的前代模型 Genie 1，Genie 2 实现了从 2D 到 3D 世界的重大飞跃，在生成内容的丰富性、多样性和通用性上取得了显著进步。

主要能力

1. 动作控制：能智能响应键盘输入，正确操控场景中的特定角色或物体。
2. 反事实生成：可从同一初始画面生成不同的交互轨迹，用于模拟不同选择下的经历。
3. 长期记忆：能记住并正确渲染离开视野的物体，保证世界一致性。
4. 长视频与内容生成：能持续生成长达一分钟、逻辑一致的新内容。
5. 多样化环境：可生成第一人称、等距、第三人称等多种视角的环境。
6. 丰富的世界模拟：
   • 3D 结构：创建复杂的 3D 场景。
   • 物体交互：模拟爆破气球、开门等互动。
   • 角色动画：为不同角色生成多样化的动作。
   • 物理效果：模拟水、烟、重力、光照、反射等物理现象。
   • NPC 行为：模拟其他智能体及其复杂交互。

应用场景

1. 快速原型设计：研究者能快速利用文本生成图像（如 Imagen 3）创建并试验全新的交互式环境，加速具身 AI 代理的开发流程，甚至能将概念艺术图转化为可玩环境。
2. 部署与评估 AI 代理：可为 AI 代理（如合作开发的 SIMA 代理）生成训练中未见过的评估任务。SIMA 代理通过自然语言指令在 Genie 2 生成的环境中执行任务（如开门），展示了其作为训练和测试平台的价值。

技术架构 Genie 2 是一个自回归潜在扩散模型。它在大规模视频数据集上进行训练，使用类似大语言模型的因果掩码。推理时，模型基于动作输入和过去的潜在帧自回归地逐帧生成。采用无分类器引导来提升动作的可控性。当前展示的样本来自未蒸馏的基座模型，而蒸馏版本可实时运行。

研究状态与展望 该研究仍处于早期阶段，在环境生成和代理能力方面均有提升空间。团队认为，Genie 2 为解决训练通用具身智能体所需的安全、广泛且多样化的训练环境这一结构性难题提供了路径，有助于推动通用人工智能（AGI）的发展。研发过程秉持负责任的态度，旨在构建能安全、有益地帮助人类的通用 AI 系统。

在2009年至2012年间，iPhone的Photos应用内置了一个“发送到YouTube”按钮，用户可以直接将视频上传到YouTube。许多这类上传的视频保留了默认的IMG_XXXX文件名，形成了一个时间胶囊，记录了来自随机生活的原始、未编辑瞬间。受Ben Wallace的启发，作者创建了一个机器人，爬取YouTube并发现了500万个此类视频。这些视频可以随机观看，展示了那个时代的数字记忆。

# 英特尔发布 Arc B 系列“Battlemage”独立显卡并支持 Linux

**核心概述：** 英特尔宣布推出其新一代独立显卡产品线——**Arc B 系列**，内部代号为 **“Battlemage”**。该系列显卡的一个关键特性是提供对 **Linux 操作系统** 的支持。

**主要信息点：**

1.  **新产品线：** 这是英特尔继 Arc A 系列（Alchemist）之后，推出的第二代独立显卡架构产品。
2.  **代号：** “Battlemage” 是该系列 GPU 的研发代号。
3.  **关键特性：** 明确提及了 **Linux 支持**。这意味着英特尔致力于为其新显卡提供开源或兼容的驱动程序，以确保在 Linux 系统上的可用性和性能。这对于 Linux 用户、开发者以及数据中心/云计算环境而言是一个重要进展。
4.  **产品定位：** 作为独立显卡，Arc B 系列旨在面向游戏、内容创作和日常计算等消费级及专业市场。

**意义与展望：**
此次发布标志着英特尔在独立显卡市场持续投入。提供 Linux 支持有助于拓宽其产品的用户基础，特别是在开源社区和需要 Linux 兼容性的工作站或服务器应用场景中，增强了与竞争对手（如 NVIDIA 和 AMD）的竞争力。

文章总结：

1. 开源软件的重要性与现状

   • 开源软件是现代社会的基础设施，估值约9万亿美元，但主要由无偿志愿者维护，面临维护不足的风险。

2. 现有资助方式的局限性

   • 大型基金会倾向于赞助大项目（如Kubernetes、Linux），忽视长尾中小项目（如Log4J）。
   • 个人捐赠平台（如GitHub Sponsors）可能导致资金流向热门项目，而非关键但缺乏关注的项目。
   • 缺乏系统性的全球开源资助机制。

3. 作者的算法捐赠实践

   • 目标：建立类似股票指数的开源项目评估系统，资助关键但资金不足的项目。
   • 数据来源：PyPI下载量（过去12个月超10万次）、GitHub赞助数据、OpenSSF安全评分。
   • 关键发现：项目重要性（下载量）与受欢迎度（赞助数）几乎无关联（相关系数仅10%）。
   • 算法分配：基于“价值×风险”评分，价值由下载量决定，风险由项目规模和安全评分反向调整，最终将5037美元捐赠给866个GitHub用户。

4. 技术实现细节

   • 利用GitHub的CSV批量赞助功能（每次最多100人）。
   • 数据标准化处理：对幂律分布数据进行对数标准化。
   • 微捐赠范围：1-200美元，低于1美元的捐赠被过滤，并调整不符合用户最低门槛的捐赠。

5. 未来改进建议

   • 建立跨生态系统的开源指数算法，识别全球软件供应链中关键且资金不足的项目。
   • 标准化开源项目的资金信息（如GitHub的funding.yml）。
   • 在包管理器中集成结构化资助链接。
   • 支持Open Source Pledge等倡议，推动企业按开发者数量捐赠。

Egoless Engineering 核心摘要

核心问题：角色细分与协作壁垒

作者指出，许多工程团队效率低下的根本原因在于过度的角色细分和随之而来的协作壁垒。当公司规模扩大时，倾向于为每项新任务设立专门角色（如AI工程师、发布经理），导致职责被切割成“装配线”模式。这种分工看似清晰，实则创造了大量间接成本：

• 沟通队列化：跨团队协作需通过票据系统，反而比直接沟通产生更多工作量。
• 责任孤立化：例如将安全工作完全交给安全团队，会导致开发人员忽视安全，长期积累更多风险。
• 能力窄化：前端/后端、开发/运维等严格分工限制工程师的全局视野，阻碍系统优化。

数学视角：非线性的等待延迟

作者用简单模型说明分工的潜在危害：若数据分析能力固定，当工程师数量增加时，功能交付的等待时间会呈非线性增长，最终导致系统堵塞。这种物理层面的约束常被组织内部的“互相指责”所掩盖。

根源：地方主义与自我中心

团队协作失败的心理根源在于两种倾向：

• 地方主义：表现为不愿越界或缺乏好奇心，固守自身领域。
• 自我中心：表现为对他人工作的轻视（如认为运维“技术含量低”），或过度保护地盘。 这些倾向削弱了共情，导致所谓的“天才混蛋”现象——个体看似能力突出，但从系统视角看实则降低了整体效率。

解决方案：领域专家而非领域拥有者

作者通过一个成功团队的案例展示了另一种模式：

• 打破角色壁垒：在拥有组织权限和空闲时间时，该团队选择赋能其他团队（如为设计师部署权限），而非重写代码或享受成果。
• 共享责任：安全应由全员负责，安全团队作为“领域专家”负责培训与提升整体水平，而非垄断安全任务。
• 维持系统松驰：刻意投入时间扩大成员的“心理内群”，通过轮岗、黑客周等活动培养跨界协作能力。
• 领导层的责任：领导者需要明确奖励合作与好奇，给予团队探索的“许可”和必要的时间余量。作者批评业界一种扭曲认知：将“痛苦”（如强制代码审查）视为成效指标，而忽视愉悦协作的价值。

核心主张

有效的工程团队需要摒弃精英主义与地盘思维，建立以合作和学习为导向的文化。关键在于领导层是否愿意支持这种价值观，并通过制度（如轮岗、共享责任）持续维护协作环境。最终目标是让团队专注于领域专家能力的提升，而非领域的孤立拥有，从而实现更高的系统效能与成员满足感。

游戏开发摘要

本文描述了一个由9岁儿童使用纯JavaScript开发的游戏，旨在寻求反馈。游戏界面通过HTML代码构建，核心元素包括文本提示和交互结构。

主要内容

• 开发者信息：游戏由一名9岁孩子独立使用纯JavaScript编写，体现了编程学习的早期实践。
• 游戏界面：HTML代码显示了一个简单界面，包含“chose your move”（选择你的移动）文本提示，表明游戏涉及玩家选择操作。
• 结构特征：代码中包含两个表格或网格状结构（如<table>元素），可能用于显示游戏选项、棋盘或结果区域，但具体功能未在提供的内容中详细说明。
• 技术实现：基于纯JavaScript，无外部框架，突出了基础前端开发技能；代码片段不完整，但暗示了交互逻辑，例如玩家通过选择移动参与游戏。
• 目的与反馈：标题明确指出游戏已制作完成，并寻求外部反馈，可能用于改进游戏玩法、界面设计或代码优化。

关键功能推测

从可见代码推断，游戏可能是一个基于选择的互动程序，例如猜拳、棋类决策或简单策略游戏。界面设计侧重于用户输入和视觉反馈，通过JavaScript实现动态交互。整体结构简洁，适合初学者水平，反映了编程教育的初步成果。

摘要聚焦于内容本身，未添加额外解释，仅基于标题和代码片段总结其核心方面。

OpenTTD 是一款基于《Transport Tycoon Deluxe》的开源模拟游戏。以下为近期关键动态：

版本发布与修复

• OpenTTD 15.3 (2026-04-04)

  • 修复了火车事故引发的多人游戏不同步问题。
  • 修复了直升机燃料耗尽时，若靠近地图边缘可能**崩溃到虚空（导致游戏整体崩溃）**的问题。
  • 改进了在非默认基础集（如 aBase、biggui）下，工具栏、主菜单图像和文本的显示效果。

• OpenTTD 15.2 (2026-02-18)

  • 旨在成为该系列的最终错误修复版本。
  • 修复了之前版本（15.1）中FluidSynth 和徽章过滤器的问题。
  • 修复了在 macOS 上，当界面缩放比例达到 2x 或更高时启动崩溃的问题。
  • 包含了针对 15.1 中报告的多种崩溃问题的修复。

• OpenTTD 15.1 (2026-01-24)

  • 包含了一项关键安全修复及其他多项错误修复。
  • 具体修复包括：树木能在部分积雪地块上生长、城镇货物图表显示正确日期、在线内容列表在特定字号下不再丢失名称和版本信息。

分发渠道变化 (Steam / GOG)

• Steam 平台调整 (2026-03-14 生效)

  • OpenTTD 不再作为独立游戏在 Steam 上直接提供。
  • 改为与由雅达利重新发行的原版《Transport Tycoon Deluxe》捆绑销售，售价 9.99 美元。
  • 此举旨在为 Steam 平台带来大量新玩家。

• 官方澄清 (2026-03-19)

  • 开发团队澄清，此次分发渠道的调整并非受到雅达利的“施压”。
  • 此举旨在消除此前围绕此事件产生的一些猜测和不实信息。

开发者动态

• 团队正专注于开发 OpenTTD 16 的新功能，同时持续维护当前版本。

Phoenix LiveView 1.0 发布总结

核心理念与目标

Phoenix LiveView 致力于在不编写 JavaScript 的情况下构建动态的、服务器渲染的应用程序。其目标是解决传统全栈开发中的复杂性问题，如实时表单验证、购物车更新、实时数据流等，消除对 HTTP 请求、数据序列化、客户端打包工具等的依赖。

核心优势

• 开发简化：开发者只需关注功能实现，无需处理客户端-服务器通信的复杂细节。
• 性能卓越：提供极小的网络负载、最佳延迟和极快的渲染速度。
• 实时能力：基于有状态的双向 WebSocket 连接，天然支持实时交互，并能实现如热代码升级、全球分布式实时聚合等高级功能。

技术优化历程

1. 差异比较引擎：
   • 问题解决：早期版本需在每次状态变更时重新渲染并传输整个模板，效率低下。
   • 解决方案：将模板在编译时拆分为静态部分（固定HTML）和动态部分（可变数据表达式）。通过变更追踪，仅重新执行发生变化的表达式。
   • 客户端缓存：客户端首次加载后缓存静态部分及初始动态值。后续服务器仅需发送部分差异（如 {1: "70℉"}）更新特定动态值，客户端将其与缓存合并即可高效更新DOM。
2. 渲染性能：通过计算最小化的DOM差异进行更新，避免使用 innerHTML 导致状态丢失，客户端渲染性能可媲美甚至超越某些React应用。
3. 连接与延迟：有状态连接使得页面导航通过WebSocket帧完成，减少了TLS握手、认证等开销，从而降低了延迟。内存消耗约为每个连接40KB，支持大规模并发。

主要特性与演进

1. 可复用组件与HEEx语法：
   • 引入了基于函数的组件系统，支持声明式属性、插槽（slots）和编译时校验。
   • 提供HTML感知的 HEEx 模板语法，简化了标签属性和内容的插值。
   • 调试注解：可配置在开发环境中为生成的HTML添加源码位置注解，并支持编辑器快速跳转到组件定义或调用处。
2. 文件上传：
   • 提供统一的抽象，支持拖拽、进度显示、文件预览、选择裁剪等功能。
   • 支持直接上传至云存储或服务器，并可通过 UploadWriter 行为处理上传流，实现如边上传边转码等高级操作。
3. 流（Streams）与异步处理：
   • 流：高效处理大型集合数据，无需在服务器内存中保存完整集合。
   • 异步操作：assign_async 和 start_async 原语简化了异步任务的管理和结果渲染，并通过组件插槽处理加载、成功、失败等状态，资源自动清理。

生态与现状

• LiveView 的编程模型已被其他多种语言和框架（如 .NET Blazor、Go、Rust 等）借鉴。
• 与 React Server Components 等方案相比，LiveView 依托于 Erlang VM（Elixir）在构建有状态、高并发分布式系统方面的天然优势，提供了更完整的实时交互解决方案。

入门与未来

• 用户可通过提供的安装命令快速创建新的Phoenix项目。
• 后续开发将聚焦于增强 JavaScript Hooks 集成、Web Components 支持、导航守卫等特性。

通过用Ruby重写C代码来加速Ruby

问题背景

一个广泛传播的语言比较仓库显示，CRuby在基准测试中表现不佳，排名倒数第三。在M3 MacBook Pro上，Ruby 3.3.6运行循环基准测试需28秒，斐波那契基准测试需12秒；而Node.js仅需1秒左右。作者在自己的M2 MacBook Air上测试结果更差（33.43秒和16.33秒）。

启用YJIT的显著提升

启用YJIT后，性能得到大幅改善：

• 斐波那契测试从16.88秒降至2.06秒，接近Node.js速度
• 循环测试从33.43秒降至25.57秒

性能提升的关键在于将核心方法从C重写为Ruby，使YJIT能够进行优化。

三种关键重写及其影响

1. Range#each仍用C编写（Ruby 3.4）

• 作为C函数，YJIT无法深入优化
• 这是循环基准测试慢的主要原因

2. Integer#times已从C重写为Ruby（Ruby 3.3）

• 重写后为简单while循环，使用i.succ而非i += 1
• 技术细节：Integer#succ在虚拟机字节码层面比i += 1更高效（单条指令vs两条指令）
• 启用YJIT后，循环测试时间从25.57秒降至13.66秒

3. Array#each已从C重写为Ruby（Ruby 3.4）

• 为避免竞态条件，最终实现包含部分C代码（通过Primitive模块）
• 启用YJIT后性能与Integer#times相当（约13.96秒）

基准测试扩展与比较

作者创建了"Ruby Microbench"仓库，测试了多种迭代方式：

其他Ruby实现比较：

• TruffleRuby在多数测试中最快（<1秒）
• MRuby和Artichoke最慢

自定义Range#each优化

作者用纯Ruby重写Range#each，使其可被YJIT优化：

class Range
  def each
    beginning = self.begin
    ending = self.end
    i = beginning
    loop do
      break if i == ending
      yield i
      i = i.succ
    end
  end
end

结果：从25.57秒降至16.64秒。

YJIT标准库概念

核心团队已采用with_yjit块，当YJIT启用时使用Ruby实现，否则使用C实现：

with_yjit do
  if Primitive.rb_builtin_basic_definition_p(:each)
    undef :each
    def each
      # Ruby实现，可YJIT优化
    end
  end
end

YJIT机器码分析

通过--yjit-dump-disasm标志，可以看到YJIT生成的机器码。以Integer#succ为例：

• 检查是否为Fixnum（通过测试最低位标志）
• 添加2（内部表示为未标记Fixnum 1）
• 处理溢出情况

未来展望

CRuby优化趋势是将更多C代码重写为Ruby，使：

1. YJIT能进行更深入优化
2. Ruby开发者更容易贡献代码
3. 可能实现"自举"（更多核心用Ruby自身编写）

重要启示：

• 微基准测试在实际应用中意义有限，但能推动语言优化
• YJIT使Ruby在某些场景下性能接近甚至超过C
• VM和JIT层面的优化（如指令数量）在大规模操作中影响显著

雅马哈DX7合成器：定义80年代的声音传奇

雅马哈DX7合成器以其独特的音色定义了1980年代的流行音乐。尽管它理论上能产生无限丰富的音色，但绝大多数音乐人仅使用其内置的32种预设音色，使得其声音极具辨识度。据称，仅“Electric Piano 1”这一预设就出现在了1986年超过60%的专辑中。

技术革新与声音特性 与此前普遍使用的模拟合成器不同，DX7于1983年发布时采用全数字化的声音生成方式，基于频率调制合成技术。其核心是6个被称为“算子”的调频组件，通过不同的算法组合相互作用，能产生从平滑的风琴音色到前所未有的尖锐电子音色等各种声音。这种数字方式的高采样率和高频分量造就了其标志性的“明亮”音色。然而，其12位DAC设计可能导致高音区音色略显暗淡。

设计与操控 DX7的初代机型体积庞大、坚固耐用，但操控界面十分糟糕：仅有两行显示屏，薄膜按键功能复杂，编程极为困难。由于参数微小调整都会对音色产生剧烈影响，大多数用户只能随机调整并保存听起来不错的配置。乐器之间可以通过存储卡交换音色设置。

商业成功与局限 尽管价格昂贵（1983年英国售价约相当于2024年的5000英镑），DX7凭借其数字多音色能力和相对较低的成本（远低于当时多音色模拟合成器）取得了巨大成功，销量达到15万台，是先前流行的Minimoog的十倍。后续型号（如Mark IID）改用了16位DAC、增加了分割键盘和机械控制，但均未能复制初代的辉煌。

衰落与遗产 DX7的迅速衰落源于技术进步。随着微处理器成本下降和采样技术的成熟，通过数学建模生成乐器声音的方式被直接录制真实乐器的采样所取代。如今，想要获得DX7的声音，采样真实硬件或使用软件模拟器是更简便的方式，后者还能创造出全新的DX7风格音色。

尽管从长远看，DX7及其频率调制合成技术在音乐技术发展史中被视为一个“奇特的弯路”——其声音生成逻辑并不直观，且很快被更系统的方法取代——但它无疑在其时代留下了不可磨灭的印记，其鲜明的电子音色依然是80年代声音的象征。

30cc（发音为CCC，因波斯语中30的发音为C）是一个用C语言编写的玩具级C编译器，具备足够的能力来编译自身。这是作者首次尝试编写自托管软件。

自托管软件的概念：当30cc足够强大以编译自身时，可先用GCC编译30cc得到二进制文件，再用这个GCC编译出的30cc二进制文件来编译30cc本身，从而获得一个由30cc编译的30cc版本。此后可完全脱离GCC，使30cc能独立开发和运行。

30cc输出x86-64汇编代码，虽未优化，但以教育性为主要目标。

使用方法 通过运行make引导编译器，会生成三个版本的30cc：

• 30cc_gcc：引导阶段用GCC编译的30cc。
• 30cc_30cc：由GCC编译的30cc编译出的版本。
• 30cc：由30cc编译的30cc编译出的最终版本。

运行示例文件 通过make独立编译源文件：

make run program=./examples/inp.c arguments=something

贡献与测试 运行测试：

python scripts/test.py update

Mac用户可通过Docker运行测试：

./scripts/test_mac.sh

Skia Canvas 是一个基于 Node.js 的 HTML Canvas 绘图 API 实现，适用于屏幕和离屏渲染。它使用 Google 的 Skia 图形引擎，输出效果与 Chrome 的 <canvas> 元素非常相似，并支持浏览器 Canvas 尚未具备的功能。

核心功能：

• 输出格式多样：可生成矢量格式（PDF、SVG）和位图格式（JPEG、PNG、WEBP）的图像。
• 支持交互式窗口：能够绘制到 GUI 窗口并提供类似浏览器的事件框架。
• 灵活的图像输出：可将图像保存为文件、编码为 dataURL 字符串，或返回 Buffer、Sharp 对象。
• 高性能多线程：使用用户可配置的工作线程池进行异步渲染和文件 I/O。
• 多页面支持：可在单个画布上创建多个“页面”，并输出为单一的多页 PDF 或多个图像文件序列。
• 高级路径操作：支持对贝塞尔曲线进行简化、钝化、组合、摘录和原子化等布尔运算或逐点插值。
• 丰富的变换与填充：除缩放、旋转和平移外，还支持 3D 透视变换；可使用基于矢量的纹理和位图图案填充形状，并支持自定义标记的线条绘制。
• 完整的 CSS 滤镜：支持全套 CSS 滤镜图像处理操作符。
• 强大的排版控制：支持多行自动换行文本、逐行文本度量、小型大写字母、连字等 OpenType 特性、字间距、行高、可变字体及透明权重映射，并能加载本地字体文件。
• 服务器端渲染兼容：可用于标准 Linux 主机及 Vercel、AWS Lambda 等无服务器平台进行服务端图像渲染。

示例用法：

• 生成图像文件：演示了创建渐变笔触矩形，并异步保存为高分辨率 PNG 文件、获取 Buffer 数据或嵌入 dataURL。
• 多页面序列：展示了创建多个彩色页面，并分别保存为多页 PDF 文件和一系列单独的 PNG 图像文件。
• 渲染到窗口：使用 Window 类创建一个带有动态绘制动画的交互式 GUI 窗口。
• 与 Sharp.js 集成：展示了将 Canvas 渲染为 Sharp 对象后进行进一步图像处理（如去饱和度），以及将 ImageData 转换为 Sharp 对象进行处理，或从 Sharp 创建图像后在 Canvas 上绘制。

性能基准： 在多项基准测试中，Skia Canvas（尤其是在异步并行模式下）表现出色：

• 启动延迟：其单次运行时间和总时间远低于 canvaskit-wasm、canvas 和 @napi-rs/canvas。
• 贝塞尔曲线渲染：异步模式总耗时仅 558ms，远低于其他库的数秒至十几秒。
• SVG 转 PNG：异步模式总耗时 1.08s，显著优于其他库。
• 图像缩放/旋转：异步模式总耗时 935ms，性能领先。
• 基本文本渲染：异步模式总耗时 819ms，同样具有优势。

事件概述

• 受害者：联合健康保险（UnitedHealthcare）首席执行官布莱恩·汤普森（Brian Thompson）。
• 时间与地点：2023年12月某个周三早晨约7点，于纽约曼哈顿中城希尔顿酒店外，该公司年度投资者会议举办地附近。
• 事件性质：纽约警方认定为“蓄意、有针对性的袭击”。枪手使用疑似装有消音器的武器，从后方开枪，汤普森背部及右小腿中弹，送医后于7:12宣告不治。

袭击细节

• 作案手法：枪手提前埋伏，无视路人，专门等待目标出现。开枪后武器多次卡壳，但嫌疑人迅速排除故障并继续射击，显示其可能接受过枪械训练。
• 逃离路径：嫌疑人先步行逃离，后换乘电动自行车，最后进入中央公园。警方在附近发现其可能丢弃的手机和水瓶，或可提取DNA及指纹证据。
• 监控线索：案发前数分钟，嫌疑人在附近星巴克购买瓶装水和能量棒，相关视频已被警方获取。

调查进展

• 关键物证：在已发射弹壳和未击发子弹上发现刻有“延迟”（Delay）和“驱逐”（Depose）字样。警方正调查这是否与保险业短语“延迟、否认、辩护”（delay, deny, defend）有关，以探索作案动机。
• 威胁背景：汤普森遗孀透露其生前曾收到威胁，但未说明具体内容。联合健康集团母公司此前也知悉针对高管的威胁，但未点名汤普森。
• 安全措施：汤普森事发时未携带安保人员，尽管公司内部设有安保团队且会议期间有部署。

各方反应

• 公司层面：联合健康集团立即终止投资者会议，CEO安德鲁·威蒂（Andrew Witty）发表视频哀悼，称汤普森为“非凡人物”。公司总部降半旗致哀。
• 政府与政治人物：纽约州长指示州警协助调查；明尼苏达州州长及联邦参议员、众议员等纷纷谴责暴力行为，对家属表示慰问。
• 调查协助：纽约警局犯罪举报中心悬赏1万美元征集线索，并公布嫌疑人监控影像。

背景信息

• 受害者身份：汤普森自2021年4月起担任联合健康保险CEO，该公司隶属美国最大健康保险集团联合健康集团（Fortune 500排名第四）。
• 社会影响：事件引发对企业高管安全及保险行业争议的关注，突显公共场所针对特定个体的暴力风险。

基于鱼眼镜头灵感的LLM抽象层次

核心概念

文章以鱼眼镜头为隐喻，探讨如何在与大语言模型（LLM）交互时，同时呈现信息的不同抽象层次——既聚焦细节，又展现上下文关系。

信息呈现的抽象层次

• 视觉类比：通过鱼类特写、动物园地图等例子，展示同一信息可在不同缩放层级下呈现不同细节与上下文。
• 文本类比：以《变形记》段落为例，说明文本可从完整描述逐步抽象为概要，每个层次提供不同深度的信息。

鱼眼镜头的启示

• 鱼眼镜头能同时呈现中心细节与边缘环境，无需在焦点与全景间切换。
• 这一特性被引入信息设计：应允许用户同时看到具体答案和相关背景。

当前LLM的局限性

• 当前聊天机器人通常只提供“高度缩放”的答案，缺乏上下文（例如只识别金鱼品种，不提及其生态或文化意义）。
• 用户需主动追问才能获得更多信息，学习过程不连贯。

设想的解决方案

• 分层视图：例如阅读一段故事时，悬停即可显示事件摘要、故事主线、乃至结局预览等多层次背景。
• 动态关联界面：类似维基百科，但围绕当前焦点信息，动态展示相关概念（如金鱼页面周围环绕观赏鱼、锦鲤、设计师等关联主题）。
• 上下文注入：即使是“引用一句台词”，也应自动补充作品背景，避免信息孤岛。

更广泛的意义

• 该方法符合人类自然的认知方式：我们同时处理细节与环境（如注意单朵花的同时感知整个花甸）。
• 它将数据可视化中“上下文赋予数据意义”的原则应用于知识探索，促进更连贯、主动的学习。

总结

鱼眼镜头隐喻倡导一种平衡细节与上下文的信息呈现模式，旨在弥补当前LLM交互中背景缺失的问题，使探索知识更人性化、更完整。

Amazon Aurora DSQL 适用于构建具有特定需求与挑战的云原生应用和解决方案，其核心场景与优势概括如下：

• 构建可扩展的云原生应用：支持从初创到企业规模的平滑扩展，无需后续升级或重构。易于与微服务及事件驱动架构集成。
• 支持高要求行业应用：适用于银行、电商、旅游、零售等行业，能够设计出具备高可用性和高性能的高度可扩展应用与解决方案。
• 服务于多区域数据驱动型应用：适合开发支付服务、移动游戏、社交媒体等应用，这些应用需要多区域扩展能力和弹性（韧性）。
• 赋能企业级SaaS服务：能够支持可靠、高性能的多租户SaaS（软件即服务） 应用，并提供灵活的实例与存储扩展能力。

课程概览

该课程是由欧洲核子研究中心（CERN）物理教育研究团队开发的、面向高中生的粒子物理入门课程。课程为研究型产品，旨在通过16个章节，介绍粒子物理的核心知识与应用。

课程内容与结构

• 核心问题：课程从基础概念出发，例如“什么是粒子？”、“什么是电荷和相互作用？”，逐步延伸到应用性问题，如“什么是粒子加速器？”和“什么是粒子探测器？”。
• 学习材料：包含近4小时的视频讲解和章节测验。
• 实验指导：提供可在家中尝试的DIY实验操作指南。
• 灵活性：学习者可以按任意顺序完成各章节，自由探索课程全部内容。
• 认证：通过所有章节对应的测验问题后，可获得数字证书。

访问方式

学习者需年满16岁或以上，并创建CERN访客账户后登录即可开始课程。未满16岁的学习者也有相应的账户创建通道。

《Rogue》是1980年诞生于UNIX系统的一款游戏，由Glenn Wichman、Michael Toy和Ken Arnold共同创造，被认为是整个“类Rogue”游戏类型的鼻祖，对后世游戏发展产生了深远影响。

起源与创作背景 游戏诞生于1978年，当时Wichman和Toy是加州大学圣克鲁兹分校的新生。他们受《龙与地下城》和早期文字冒险游戏《巨洞冒险》的启发，希望创造一款能让计算机自动生成环境的游戏。关键技术突破来自肯·阿诺德开发的“curses”库，它解决了不同终端兼容性问题，使得程序能将文本终端视为可寻址的图形空间，从而实现了实时更新的游戏画面。

游戏核心机制 《Rogue》是一款简化版的角色扮演游戏。玩家扮演冒险者，目标是深入复杂的洞穴系统寻找魔法护符并安全返回。游戏具有几个关键特征：

• 回合制与ASCII字符图形：游戏早期使用字符表示环境和怪物。
• 程序化生成：关卡和挑战由程序随机生成，每次游戏体验都不同。
• 永久死亡与有限存档：玩家的选择具有永久后果，死亡后无法读档重来，必须“与自己的选择共存亡”。这一机制后来成为该类型游戏最具争议也最核心的特点。

影响与传播 《Rogue》因被纳入Berkeley UNIX标准发行版而迅速传播至全球各大学，成为最早的图形化文本游戏之一。它平衡性极佳、易于上手但极难精通。尽管直接商业上并不算成功（1984年由Epyx等公司发行的家用电脑版本反响平平），但它奠定了“类Rogue”游戏类型的基础，直接影响了后来的《Hack》、《Moria》等游戏。如今，大量现代游戏如《黑帝斯》、《杀戮尖塔》、《吸血鬼幸存者》乃至《我的世界》和《暗黑破坏神》都被认为汲取了《Rogue》的设计精髓。

开发者现状与遗产 Wichman指出，游戏的原始开发者从未从后续各种再发行版本中获得收益。但他对游戏经久不衰的影响力和活跃的类Rogue游戏社区感到欣慰。他认为，尽管自己从未通关，但成功玩家往往将游戏视为回合制解谜，每一步都深思熟虑。他也相信，保持《Rogue》原始简洁度（26层、26种怪物）的复刻版在今天依然会有市场。

“类Rogue”这一术语于1993年左右通过Usenet新闻组普及，Wichman为此感到幸运，认为这极大地帮助《Rogue》被长久铭记。

该HTML文档的标题为“Broadcom loses another big VMware customer”，但其实际内容并非一篇普通文章，而是一个用于反自动化验证（Proof-of-Work）的页面。主要功能与结构如下：

• 目的：通过技术手段验证访问者是否为人类，以防止自动化程序（如爬虫）的访问。
• 核心机制：
  1. 加载验证脚本：页面加载时会引入 slow.js 脚本，该脚本负责生成一个需要计算的验证挑战。
  2. 验证回调：当验证挑战被解决后，会触发 solved 函数。该函数将验证结果（包括nonce、token和response）发送至服务器端的验证端点 (/_labrador/pow/v0/verify)。
  3. 成功处理：如果服务器返回状态码 200，表示验证通过，页面将在500毫秒后自动刷新。
• 前端样式：页面包含响应式CSS，用于根据屏幕宽度调整验证组件（.wicketkeeper）的显示尺寸和样式。

总之，该文档并非新闻内容本身，而是访问新闻内容前所需通过的一个技术验证层。真正的文章内容在通过验证后才会被加载。

文章摘要：AI幻觉：LLM为何会产生错误信息（及应对方法）

AI幻觉的定义与实例 AI幻觉指大语言模型（LLM）生成看似合理但完全虚构的内容。典型案例如Air Canada聊天机器人虚构退款政策，导致公司承担不存在的承诺。谷歌Bard错误声称詹姆斯·韦伯望远镜首次拍摄系外行星图像，微软聊天机器人产生不当情感表达，以及律师引用ChatGPT捏造的法律案例被罚款，均体现了幻觉对组织声誉、伦理和法律层面的负面影响。

LLM幻觉的产生原因

1. 模型架构限制：Transformer的注意力窗口长度固定，长文本中早期内容易丢失，导致输出不连贯；LLM采用顺序生成词元（token）的方式，无法实时修正错误。
2. 概率生成约束：模型基于训练数据的模式预测下一词元，缺乏真正理解。面对模糊输入时，模型倾向于“填补空白”，产生猜测性回答。
3. 训练数据问题：训练依赖人工标注的“真实数据”，推理阶段则使用自身生成数据，错误会累积放大；数据覆盖范围有限，对小众或罕见信息易产生幻觉。

缓解幻觉的三层防御策略

• 输入层优化：通过查询处理、上下文大小优化和上下文注入技术，改进输入查询的质量和相关性，例如结构化提示或自我信息过滤。
• 设计层改进：
  • 链式思维提示：引导模型分步推理，提升输出逻辑性（需大参数模型支持）。
  • 检索增强生成（RAG）：结合外部数据库检索事实信息，分为朴素RAG、高级RAG（含查询扩展、重排序等）和模块化RAG（支持动态检索和记忆库）。
  • 微调：针对特定任务数据调整模型，增强领域准确性，同时保留基础能力。
• 输出层验证：采用规则过滤、输出重排序、事实核查（如SAFE框架）及鼓励模型在不确定时拒绝回答，确保输出可靠性。

未来研究方向

• 编码真相：研究发现LLM内部可能编码了正确信息，可针对性改进错误检测。
• 检测方法：基于熵的不确定性评估能在语义层面识别幻觉，通用性较强。
• 自我改进：通过自评和自更新模块提升响应一致性，减少内部矛盾。

结论 幻觉源于神经网络架构和概率模型的固有局限，无法完全消除，但可通过多层次技术显著降低风险。持续优化输入处理、模型设计和输出验证是提升LLM可靠性的关键。无论是开源方案还是托管工具（如kapa.ai），这些原则均适用。

Intel Arc B系列显卡发布总结

Intel推出了Arc B系列显卡，专注于提升游戏、AI和内容创作体验。主要特性和优势如下：

游戏性能

• 1440p游戏优化：在1440p分辨率下，可运行许多最新游戏，帧率超过60 FPS。
• 更流畅体验：结合Intel® XeSS 2升频技术和帧生成技术，提供更快、更流畅的游戏体验。
• 更快响应：通过Intel® Xe低延迟（XeLL）技术，减少游戏延迟和输入延迟，实现超连接游戏体验。

AI能力

• 强大AI引擎：AI引擎性能高达233 TOPS，支持内容创作、实时AI聊天、编辑和升频游戏等新AI体验。
• 生成式AI就绪：支持AI创作实验，如编辑效果和文本到图像应用，可通过Intel® AI Playground轻松访问（需符合最低显存要求）。

内容创作

• 视频编辑加速：双媒体转码器使视频导出速度提升高达81%。
• 高带宽创建支持：先进的Xe媒体引擎利用并行核心，显著加速编辑和内容创作过程。
• 跨编解码器支持：支持最流行的媒体编解码器，包括AV1编码和解码能力，确保图像和视频导出无忧。

附加信息

• AI功能可能需要额外购买或特定兼容性要求，详见intel.com/performanceindex。
• TOPS（每秒万亿次操作）数据为近似值，最终性能因SKU而异。
• AI Playground仅兼容符合最低显存要求的特定Intel Arc GPU，详情参见intel.com/ai-playground。

该系列显卡旨在为桌面用户提供全面升级，涵盖游戏、AI和创作需求。

这篇文章探讨了在不连续点处定义导数的矛盾性，并提出了基于非标准分析（使用超实数）的解决方案。核心观点如下：

问题的提出：
根据标准定义，函数在某点可导必须连续，因此在不连续点（如赫维赛德阶跃函数 (H(x)) 在 (x=0) 处）无法定义传统导数。直观上，该点变化率为无穷大，但无穷大不是实数，导致矛盾。

传统处理方法：
数学中通常引入广义函数（或分布）来处理此类问题，但其定义抽象（基于光滑函数空间的对偶），且计算复杂，不利于初学者理解。

非标准分析的解决途径：

1. 超实数系统：使用包含无穷大数（(N)）和无穷小数（(\varepsilon)）的超实数扩展实数域。无穷大数大于所有标准实数，无穷小数可表示为无穷大数的倒数（或零）。
2. 导数的重新定义：在超实数框架下，导数定义为：
   [ f'(a) := \frac{f(a + \varepsilon) - f(a)}{\varepsilon} ] 其中 (\varepsilon) 为固定非零无穷小。此定义无需极限，更直观。
3. 非标准函数：通过扩大数域，可将传统广义函数扩展为更广泛的“非标准函数”，使其在超实数上直接可操作。

具体应用：赫维赛德阶跃函数的导数

• 近似构造：使用非标准逻辑函数 (L(x) = \frac{1}{1 + e^{-Nx}})（(N) 为无穷大数）近似阶跃函数 (H(x))。
• 直接求导：对 (L(x)) 求导得： [ L'(x) = \frac{N e^{-Nx}}{(e^{-Nx} + 1)^2} ]
• 行为分析：
  • 在可感知的正点或负点（(x) 非无穷小），导数近似为零。
  • 在无穷小非零点（如 (x = \frac{1}{N})），导数为无穷大。
  • 在 (x = 0) 处，导数为具体无穷大数 (\frac{N}{4})。
• 该导数对应狄拉克δ函数，即在原点外几乎为零，在原点处为无穷大，但此时无穷大具有明确的数值（如 (N/4)）。

优势与意义：

• 传统广义函数的导数需研究生阶段才涉及计算，而非标准方法允许初等数学爱好者直接操作。
• 此方法将无穷大与无穷小作为具体数值处理，使不连续函数的导数更具直观性，并可计算高阶导数（如二阶导数对应偶极矩）。
• 总体而言，通过重新审视数学假设（扩展数域），避免了引入抽象理论，以初等方式调和了严格性与直觉。

结论：
非标准分析提供了一种在不连续点定义导数的实用方案，将分布理论中的抽象概念转化为可计算的形式，凸显了无穷大与无穷小在连接离散与连续中的作用。

全球近半青少年无法进行理解性阅读

• 核心问题：全球约一半处于初中年龄段（12-15岁）的儿童，未能达到联合国教科文组织设定的阅读理解最低熟练标准（即能连接文本主旨、理解作者意图并得出合理结论）。
• 地区差异巨大：爱尔兰、韩国等国超80%的儿童达标；而在塞内加尔、赞比亚、柬埔寨等较贫困国家，达标率低于5%。
• 数据范围：统计涵盖该年龄段所有儿童，包括未在校儿童。

废物管理现状与挑战

• 中低收入国家：废物收集率低，且已收集废物中很大比例（有时超80%）被送往露天垃圾场或露天焚烧，造成严重污染。
• 机遇：投资有效的废物管理系统可以大幅减少环境污染，改善空气质量。

咖啡生产格局的演变（1961-2024）

• 趋势：全球咖啡生产重心从南美洲和非洲转向亚洲。亚洲的全球份额从1960年代初的不到5%增至如今的约32%。
• 关键推动者：越南是主要增长引擎，产量从1980年代初的约5000吨激增至如今的约200万吨，超过所有非洲国家产量之和。
• 品种因素：亚洲增长主要依赖更耐寒、高产的罗布斯塔咖啡豆，而拉丁美洲以阿拉比卡为主。

电动汽车销售与市场转型

• 2025年销售份额：全球售出的新车中，四分之一（25%）是电动汽车（含纯电动和插电混动），较四年前翻了一倍多。
• 地区差异：挪威几乎全部新车为电动车；中国超半数是电动车；美国仅为10%。
• 内燃机汽车达峰：全球内燃机汽车销量已在2017年达到峰值，随后开始下降；同期电动汽车销量快速上升。

塔吉克斯坦高度依赖侨汇

• 经济依赖度：2024年，塔吉克斯坦的侨汇收入高达其GDP的48%，远超尼加拉瓜（约25%）和洪都拉斯等国。
• 来源：大部分汇款来自在俄罗斯的劳工移民。2024年中期约有120万塔吉克斯坦人在俄，超过其总人口的十分之一。
• 经济影响：侨汇流入是该国近年来经济高速增长（2021年以来增速超8%）的重要支撑。

中国可再生能源驱动的电力增长

• 惊人规模：2025年，中国的发电量增长了近500太瓦时，相当于新增了一个德国规模的电网。
• 增长来源：几乎所有新增发电量都来自太阳能和风能。仅太阳能发电量就增加了340太瓦时，超过英国或西班牙全国的年总发电量。
• 结果：可再生能源的快速增长导致中国的煤炭发电量略有下降。

日本核电在福岛事故后的恢复

• 事故影响：2011年福岛核事故后，日本关闭了大部分核电站，核能发电量急剧下降，转而依赖化石燃料发电。
• 缓慢重启：核电站自2015年起在更严格的安全标准下逐步重启。截至2026年初，54座反应堆中有15座运行。
• 当前占比：核电在日本电力结构中的占比仍仅为事故前水平的三分之一左右。

《真空管计算机》项目经历总结

作者在构建“真空管计算机”项目时，尝试过使用个人电脑进行项目管理，但最终放弃，改用传统方法：3色笔、A4纸和自粘地址标签来记录和修正。他发现纸张在多次修改后会变厚，但能轻易识别最新版本。这过程让他认识到，首次尝试往往失败，但积累的经验对未来成功至关重要，并强调定义项目目标是管理中最关键的一步。

项目涉及复杂技术组件，包括热离子真空管的工作原理、印刷电路板设计、从NOR门到内存寄存器的逻辑构建，以及微代码、时钟、二进制计数器和ROM如何驱动软件运行。作者多次感到这些内容似乎不可能掌握，但通过以下解决方案克服困难：首先，将独特子系统的数量降至最低；其次，采用双三极管真空管以缩小物理尺寸并减少构建时间；最后，设计多层印刷电路板，以降低错误率并确保结构稳固。

设备目前运行稳定，不同于之前一个系统曾两次发生爆炸。第一次爆炸时作者紧急拔插头，妻子朱迪惊慌询问；第二次时他稍显镇定，朱迪继续装饰圣诞树，但事后送了他一个灭火器作为惊喜礼物。作者总结道，最重要的是拥有一个理解你“愚笨”却共同享受美好生活的可爱妻子。

文章以“麦克和朱迪致以最美好的祝福”结尾，突出了个人学习、技术克服和家庭支持在项目中的意义。

甲醛：无处不在且危害最大的有毒空气污染物

危害现状

甲醛是美国空气中致癌风险最高的有毒化学物。它广泛存在于家具、建材、汽车、甚至食品防腐中，几乎无处不在。不仅威胁接触工人，更通过空气和产品释放持续污染室内外环境，对所有美国人构成健康威胁。

主要健康风险

• 致癌：是已知人类致癌物，与髓系白血病等癌症密切相关。
• 呼吸系统：可诱发哮喘，导致肺功能下降等呼吸道疾病。
• 生殖健康：可能导致流产和生育问题。
• 室内风险更高：典型家庭的甲醛水平比环保局建议的防护呼吸道症状的水平高出三倍以上。

数据揭示的严峻现实

• ProPublica对环保局数据的分析显示，全美每一个有人口普查区的地区，因室外甲醛暴露导致的终身致癌风险都超过环保局“百万分之一致癌”的理想目标。
• 部分地区风险超过目标值数十倍，例如洛杉矶/圣贝纳迪诺地区有720万人面临超标20倍的风险。
• 环保局的风险评估严重低估了实际危害，未将科学家估算的髓系白血病风险纳入，导致总致癌风险被低估了最多四倍。

监管屡遭挫败的历史

政府限制甲醛的努力已持续数十年，但反复被行业力量阻挠：

• 里根时期：环保局计划采取行动，但被任命的官员叫停，此人此前与化工行业代表有过接触。
• 奥巴马时期：毒性报告准备发布时，因一名接受化工企业捐款的参议员干预而被迫接受额外审查，导致报告被搁置十余年。
• 特朗普时期：
  • 任命了曾为甲醛辩护的化工行业人士担任环保局要职。
  • 叫停了即将发布的甲醛毒性报告。
  • 拒绝执行针对木制品中甲醛释放的规则，直至法院强制要求。
  • 环保局内部决定不纳入其科学家计算的白血病风险估算，削弱了保护力度。

现状与未来展望

• 拜登政府进展：环保局于今年完成了长期搁置的毒性评估，并开始基于评估制定新规则，但过程因行业游说和内部分歧而艰难。
• 特朗普回归后的前景：
  • 特朗普已承诺将推翻被其视为反商业的法规。
  • 监管专家认为，基于历史经验，当前为限制甲醛所做的有限努力几乎注定会失败。
  • 保守派纲领《2025计划》明确建议取消负责评估甲醛等化学物质毒性的环保局部门。
  • 新政府可能通过多种方式直接干预甲醛评估流程，例如重新审查或更改风险评估报告。

结论

甲醛对公众健康的威胁远比广泛认知的更严重、更普遍。在行业持续的强力抵制和反复的政治干预下，任何旨在全面应对甲醛风险的努力，在可预见的未来都可能陷入停滞。这不仅是甲醛一个化学物质的监管困境，更反映了以商业利益而非公众健康为导向的规则制定可能带来的巨大人力代价。

文章总结：文本编辑的复杂性远超想象

作者以自身经历和多个案例说明，文本编辑看似基础，实则极其复杂。文章主要围绕以下难点展开：

1. 垂直光标移动：编辑器通常为光标记录一个固定的x像素坐标，用于上下移动时的定位。这可能导致上下移动后光标左右位置发生非直觉性变化。

2. 亲缘性：对于软换行的长行，光标在视觉不同但字节偏移量相同的位置时，需要额外的“亲缘性”状态来指示它属于哪一行。此状态也用于处理双向文本。

3. Emoji修饰符处理：处理带肤色等修饰符的emoji时，不同编辑器的行为差异巨大且常出现错误。正确实现需处理字符组合、光标放置限制（如某些编辑器禁止将光标置于修饰符前）以及与行首等场景的兼容性问题。

4. 双向文本选择：混合从左到右（LTR）和从右到左（RTL）文本时，选择操作可能产生视觉连续但字节不连续的选择（反之亦然），这是源于文本编码和显示方向的根本矛盾，目前无完美解决方案。

5. 输入法与并发：输入法（如中文拼音、日文输入）作为独立进程，其与应用程序的文本编辑协议是并发编辑协议。操作系统（如Windows）通过大量复杂接口（如128个接口）和锁机制（如8种锁）来管理同步，其他平台则常依赖不完美的启发式方法或祈祷不出现竞态条件。

6. 复杂性的根源：作者指出，文本编辑的复杂性源于现代需求（如Unicode支持全球近7000种语言、双向文本、无障碍访问、丰富输入法）与早期简单编辑器的巨大差异。尽管存在许多“偶然复杂性”，但必要的复杂性依然巨大，能在网页上简单实现<textarea>已是现代编程的奇迹。

文章强调，文本编辑的许多问题仍是未解或棘手的难题，开发健壮的文本编辑器是一项异常艰巨的任务。

1929年中学健康教科书《科学与健康之路》摘要

核心理念：科学、进步与技术乐观主义

这本1929年出版的中学健康教科书《科学与健康之路》体现了强烈的科学信仰、进步叙事和技术乐观主义。书中开篇即赞美时代成就，列举了摩天大楼、飞机、收音机等发明，并指出科学已征服许多疾病、延长了寿命，使普通美国人享受的舒适甚至超过古代帝王。作者强调“科学是奇迹工作者”，将进步归因于科学方法的普及。

数据展示与健康进步

教科书使用图表和数据证明健康改善，例如通过芝加哥伤寒死亡率在1891年至1926年间从约170/10万降至约1/10万，展示公共卫生技术（如基于细菌理论和卫生改进）的成效。这类可视化分析类似于现代数据网站，旨在直观呈现科学带来的进步。

文化对比与反种族主义解释

书中对比了科学社会（如美国）与“科学原始”文化（如巴拿马原住民、祖鲁人、中世纪欧洲人）的健康状况，指出后者因缺乏科学思想而更易受疾病困扰。例如，描述祖鲁人对巫医的信仰或欧洲放血疗法的错误。这种对比并非宣扬种族优越性，而是将差异归因于科学思想的获取，从而提供反种族主义解释：进步源于外部思想的传播，而非内在生物差异。

科学英雄的榜样力量

第三章“英勇的健康骑士”通过故事歌颂科学先驱，如外科医生Lister（被称为“外科王子”）、疫苗学家Jenner（誉为“人类之友”）和军事医生Walter Reed。书中将Reed在黄热病研究中的挑战试验描述为英雄行为：志愿者John R. Kissinger为科学和人道主义自愿受试，最终帮助证明蚊虫传播疾病，推动了巴拿马运河建设。这些人物被塑造为勇敢、杰出的榜样，强调科学探索中的勇气和牺牲。

教科书的其他内容

其余章节涵盖标准健康教育主题，如疫苗接种、公共卫生、细胞生物学、循环系统、消化系统、营养学等，但省略了生殖系统。部分内容已过时，如错误指出“约90种”化学元素，或用免疫细胞能量消耗解释发热。此外，书中包含实用指导，例如：

• 服装与健康：提倡宽松衣物以促进健康，批评高跟鞋影响姿势。
• 空气与二氧化碳：强调教室和卧室中二氧化碳积累的风险，建议开窗通风。
• 牛奶与水安全：详细描述巴氏消毒、水过滤和牛奶运输技术，展现工业进步如何保障基本生活安全，体现了“工业识字”教育。

与现代教科书的对比

作者指出，这本1929年教科书与现代中学健康教材形成鲜明对比，前者更注重科学进步叙事、英雄故事和实用技术解释，而后者可能淡化这些内容。书中通过数据、文化对比和英雄榜样，传递出积极的科学乐观主义，鼓励学生认同科学方法的价值。

总之，这本教科书是科学启蒙与进步运动的缩影，通过健康教育传递科学乐观主义，强调思想传播对进步的关键作用，并以具体案例和数据展示技术改善人类生活的潜力。

文章摘要：使用25年前胶片扫描仪构建的全新数字化工作流程

本文作者回顾了其胶片摄影经历，并详述了为其家庭暗房开发的胶片数字化新工作流程。该流程的核心是使用一台1998年的尼康LS-2000专业胶片扫描仪，配合复古苹果电脑系统，以解决现代胶片扫描方案的不足。

背景与问题

作者自高中起使用胶片摄影，后于2008年学习暗房技术并开始自行冲洗胶片。尽管能冲洗和印放照片，但缺乏可靠的数字化方法。2021年尝试的数码相机微距扫描方案（使用富士XT-30、微距延伸管等）速度快但结果不稳定，过程耗时且令人沮丧，容易受镜头反光、胶片弯曲等问题影响。作者观察到，专业胶片扫描技术自2000年代初达到顶峰后便停滞不前，现代新型平板扫描仪（如爱普生V系列）质量平庸。

解决方案：复古技术

作者将目光投向二手市场，以56美元购得一台1998年的尼康LS-2000扫描仪（原始售价超2000美元）。该扫描仪分辨率可达2700 dpi，输出TIFF文件，但使用SCSI接口，与现代系统兼容性极差。

具体工作流程

为克服兼容性问题，作者利用其收藏的复古计算设备：

1. 硬件组合：使用一台PowerBook G3 Wallstreet笔记本电脑，因其支持SCSI和10兆位以太网。通过一个HDI30-DB25F转接头连接扫描仪。
2. 软件：在Mac OS 9系统上运行尼康Scan 3.1软件进行连续扫描，设置最高分辨率，生成约57MB的TIFF文件。
3. 数据传输：扫描文件通过AppleTalk网络（使用Netatalk2） 存储到网络驱动器，可在其现代M4 Mac Mini上访问。
4. 后期处理：在现代电脑上使用Adobe Lightroom进行后期处理。
5. 维护：扫描仪需对步进电机进行清洁润滑。

体验与调整

• 速度与一致性：每张图像扫描并传输约需2.5分钟，虽非极速，但结果稳定。
• 软件选择：最初因界面不直观而弃用VueScan，但后发现其红外清洁功能对处理彩色负片（如Ektar 100）上的灰尘非常有效，正在重新考虑将其作为主要扫描软件。
• 优点：相比数码相机扫描，此方案质量稳定、流程可靠，重新激发了作者的摄影乐趣。
• 挑战：使用老旧Mac OS 9系统不稳定，软件偶尔崩溃，属于复古计算的固有缺点。

结论

作者认为，尽管此工作流程需要特定的复古计算基础设施（包括经典Mac OS、SCSI支持和已配置的AppleShare网络），且不易被大众复制，但对于喜爱复古技术的用户而言，它是一个预算友好且能获得优质胶片扫描的可行方案。该方案使其能够有效数字化胶片照片并在线分享，为其摄影生涯带来了新的愉悦感。

该内容是一个网页的安全验证页面，无法获取到文章《Contribution of childhood lead exposure to psychopathology in the US》的实际研究内容。页面显示了Cloudflare的"Just a moment..."挑战，需要启用JavaScript和cookies才能继续访问。该页面指向的DOI为10.1111/jcpp.14072，发表于期刊acamh.onlinelibrary.wiley.com。由于无法通过验证，因此无法提供论文本身关于儿童铅暴露与精神病理学关联的具体研究目的、方法、结果或结论的摘要。

# 内容摘要

该HTML页面是一个用于**人机验证**的网页，标题为"Human Verification"。其主要目的是通过CAPTCHA（验证码）验证用户是否为机器人，以防止自动化访问。页面结构如下：

- **头部（Head）**：包含元数据、样式设置（字体为Arial），并引入了AWS WAF（Web应用防火墙）的脚本，如`challenge.js`和`captcha.js`。这些脚本用于处理验证码的渲染和提交。
- **主体（Body）**：有一个`div`容器用于显示CAPTCHA，JavaScript代码在页面加载时初始化验证码。当用户成功解决CAPTCHA后，会提交验证并重新加载页面。如果JavaScript被禁用，则显示提示信息，要求用户启用JavaScript以继续。
- **关键功能**：集成了AWS WAF安全措施，依赖JavaScript运行验证码，旨在保护网站免受机器人访问。

该页面没有包含关于保时捷Macan EV召回的具体信息，可能是一个前置验证界面。

产品介绍：结合间隔重复与邮件推送的记忆增强工具

核心功能与目标

• 核心方法：基于科学验证的间隔重复原理，根据用户的遗忘曲线发送复习提醒邮件。
• 解决的问题：帮助用户对抗遗忘，长期保持从书籍、播客、文章中学到的知识。
• 目标用户：希望高效记忆有价值信息的学习者、读者、播客听众等。

主要特点

1. 智能复习计划：用户保存笔记后，系统会自动计算最佳复习时间，并在接下来的数月内分四次通过邮件或Telegram发送复习会话。
2. 高效复习体验：每次复习耗时极短（5秒以下），能有效将记忆保留率提升至90%。支持隐藏答案先进行回忆练习。
3. 多场景应用：
   • 记录书籍阅读心得。
   • 保存从播客、文章中获得的见解和灵感。
   • 支持添加网页链接、PDF和图片。
4. 多平台支持：支持通过电子邮件或Telegram接收复习提醒。

工作原理

1. 创建笔记：用户将任何希望记住的内容添加为笔记（如书籍摘要、播客观点、文章要点）。
2. 接收复习安排：系统自动安排四次未来的复习会话，并通过邮件或消息推送给用户。
3. 复习与学习：用户在提醒时进行简短复习，巩固记忆。

定价与版本

• 一次性付费版：
  • 终身使用，一次性支付。
  • 功能包括：无限笔记、通过邮件/Telegram复习、自定义重复设置、隐藏答案功能、支持上传PDF/图片、优先体验新功能。
• 企业/教育机构版：
  • 提供定制服务，包含一次性付费版所有功能。
  • 额外功能：批量创建笔记、品牌化笔记模板、管理后台、优先级支持。

用户价值与示例

• 应用场景：适用于深度阅读、学习播客内容、研究文章等，确保长期掌握关键信息。
• 用户证言：有用户表示，使用该工具后能从播客中学到并记住更多有价值的内容。

FTC对Gravy Analytics及Venntel采取行动，因其非法出售敏感位置数据

美国联邦贸易委员会（FTC）已对数据分析公司Gravy Analytics及其子公司Venntel采取法律行动，指控其非法追踪并出售用户的敏感位置数据，包括涉及消费者造访医疗相关场所和宗教场所的信息。

根据FTC的指控及拟议的和解协议，Gravy Analytics和Venntel将被禁止在任何产品或服务中出售、披露或使用敏感位置数据，并必须建立一套敏感数据位置管理计划。

主要违规行为 FTC的诉讼状指控，这两家公司违反了《FTC法案》，其行为包括：

1. 不公正地出售敏感位置数据：在未获得用户可验证的知情同意的情况下，为商业和政府用途收集并使用消费者的位置数据。
2. 持续使用未授权数据：在得知消费者未提供知情同意后，Gravy Analytics仍继续使用其位置数据。
3. 推断并出售敏感特征：通过分析位置数据，不公平地出售由此推断出的敏感特征，如健康状况、政治活动和宗教观点。

据诉状称，Gravy Analytics和Venntel从其他数据供应商处获取消费者位置信息，并声称每天从全球约10亿移动设备收集、处理和管理超过170亿个信号。他们出售的位置数据可用于识别消费者身份，并非匿名化数据。公司利用地理围栏技术来识别并出售曾参加过某些与疾病相关活动或到访宗教场所的消费者名单。

FTC消费者保护局局长Samuel Levine指出：“数据经纪人的隐秘监视行为侵蚀了我们的公民自由，并使军人、工会工人、宗教少数群体等面临风险。”

拟议和解协议的核心要求 如果该协议最终达成，两家公司需遵守以下主要要求：

• 禁止交易敏感数据：在有限的涉及国家安全或执法的情形外，禁止出售、许可、转让、共享、披露或使用敏感位置数据。
• 建立敏感数据管理程序：建立程序以识别敏感地点，并防止对消费者访问这些地点的数据进行使用、出售等操作。敏感地点包括：医疗机构、宗教组织、惩教设施、工会办公室、学校或托儿所、基于种族和族裔背景的服务场所、收容所、以及军事设施。
• 删除历史数据：删除所有历史位置数据及基于此开发的数据产品。同时需通知过去三年内收到历史数据的客户，要求他们删除、去标识化或使数据变得非敏感。公司可在确保数据去标识化或获得消费者同意的情况下保留历史数据。
• 建立供应商评估计划：确保从数据供应商处获取的所有能揭示设备或消费者精确位置的数据，均已获得消费者的同意。
• 禁止虚假陈述：禁止就其审查供应商合规性、数据收集使用方式以及数据是否已去标识化等方面进行虚假陈述。

背景与程序 FTC以5比0的投票结果通过了行政诉讼诉状并接受了与该公司的同意协议。此案是FTC今年内第五次针对数据聚合商不公平处理消费者敏感位置数据采取的执法行动，此前的案件涉及Kochava、X-Mode、InMarket和Mobilewalla等公司。

拟议的同意协议将在《联邦公报》上公布，并接受为期30天的公众评论。之后，FTC将决定是否使该同意令最终生效。该同意令一旦最终确定，将具有法律强制力，未来的任何违规行为都可能导致最高达51,744美元的民事罚款。

Astral 接管 python-build-standalone 项目

自2024年12月17日起，Astral 将正式接管 python-build-standalone 项目的维护工作。该项目由 Gregory Szorc 创建，旨在构建真正可移植的独立 Python 发行版。

项目的重要性与现状 python-build-standalone 是 Python 生态系统中的一个关键基础设施，为 uv、Rye、mise、pipx、Hatch 以及 Bazel 的 rules_python 等众多工具提供 Python 安装支持，其下载量已超过7000万次。然而，由于 Gregory 的开源工作重心转移，他自今年3月起便与 Astral 合作维护该项目。此后，Astral 主导了所有版本发布，自动化了发布流程，并为 Python 3.13（包括无全局解释器锁的免费线程版本）提供支持。

什么是“独立” Python 发行版？ 传统的 CPython 构建通常硬编码系统路径并动态链接系统库，导致其并非“独立”，无法轻松分发和部署到其他机器。从源码编译虽然可行，但速度慢、依赖构建工具链且可能失败。python-build-standalone 通过两项核心创新解决了这些问题：

1. 静态链接：将 Python 及其依赖项静态链接，消除运行时对特定系统库的依赖。
2. 路径补丁：修改 CPython 构建系统，使用相对路径而非绝对路径。 由此产出的 Python 发行版是真正独立的，下载解压后即可在任何兼容机器上运行，无需额外依赖，使得 uv python install 等操作变得极其快速和简单。

未来目标 项目转入 Astral 组织后，Astral 将投入专职资源进行维护和开发，并确立四大目标：

1. 紧跟 Python 更新：确保项目及时支持每一个 Python 新的主版本和补丁版本发布。
2. 推动上游改进：将项目中具有通用性的 CPython 构建系统补丁贡献回 Python 上游，缩小与官方构建系统的差异。
3. 突破现有限制：例如解决当前 musl 版本 Python 构建与扩展模块不兼容的问题。
4. 优化构建与发布流程：改进构建大量构件（当前每次提交/发布需构建947个构件）的效率，并支持更多平台（如 ARM Windows）。

Astral 最后感谢了 Gregory 的开创性工作与信任，并表示他将继续参与项目。项目源代码将继续在 GitHub 上开发，并以更广泛生态系统的需求为导向。

Prunt 运动控制系统摘要

Prunt 是一个针对3D打印机的先进开源运动控制系统，具有独特功能和硬件特性。

主要功能

• 角落混合：支持用户定义的偏差，优化打印路径。
• 运动参数控制：可独立调节速度、加速度、 jerk、 snap 和 crackle，实现更精细的运动规划。
• 内置GUI：提供配置编辑界面，无需直接修改配置文件。
• 安全归位：通过定义最大过冲距离而非速度，提高归位安全性和速度。
• 引脚管理：由电路板提供引脚数据，消除手动编辑引脚映射的需求。

硬件特性

Prunt 还提供专用硬件，具备以下特点：

• USB隔离：完全隔离USB连接，保护上游设备。
• 电气保护：大多数暴露引脚具有24V短路保护。
• 独立定时器：每个步进电机使用独立硬件定时器，确保精确步进时序。
• 风扇兼容性：同一端口支持2针和4针风扇。
• 故障安全更新：固件更新过程无需跳线，增强安全性。
• 高速风扇转速计：内置硬件计数器，用于监测风扇转速。
• PT1000支持：无需跳线即可连接PT1000温度传感器。
• 低噪声热敏输入：缓冲热敏电阻输入，噪声低于0.03°C峰峰值。
• 双启动功能：支持Prunt和Kliper/Kalico系统，无需刷写固件。

附加信息

• 更多详细功能可访问官方文档：https://prunt3d.com/docs/features/
• 硬件购买链接：https://www.crowdsupply.com/prunt-3d/prunt-board-3
• 如需定制解决方案，可通过邮箱 [email protected] 联系。

这是一个用于阻止自动化访问的验证码页面，主要功能是要求用户通过交互确认自己是人类。页面包含HTML、JavaScript和CSS代码，结构如下：

• 目的：作为反爬虫机制，防止机器人访问，并通过验证码挑战确保用户是人类。
• 结构：
  • head部分包含字符集设置、视口元数据和页面标题“Access to this page has been denied”。
  • body部分包括脚本，用于加载验证码（captcha.js）和显示错误消息，以及一个noscript标签为禁用JavaScript的用户提供备用内容。
• 关键功能：
  • 验证码加载：脚本动态添加captcha.js文件，如果加载失败，会尝试从备用URL加载。
  • 错误消息显示：通过_pxDisplayErrorMessage函数创建样式化错误消息，提示用户“Press & Hold to confirm you are a human (and not a bot)”，并建议检查网络连接或禁用广告拦截器，同时提供域captcha.px-cloud.net的允许列表指引。
  • 联系信息：错误消息后添加了联系邮箱challengehelp@humansecurity.com，附带引用ID、客户端IP和时间戳，方便问题反馈。
  • 响应式设计：CSS样式使错误容器在不同屏幕尺寸（如移动端和桌面端）下自适应显示。
• 其他细节：页面包括客户端IP（43.224.245.233）和时间戳（Fri, 29 May 2026 04:41:19 GMT），用于标识挑战实例；noscript部分为禁用JavaScript的用户提供启用JavaScript的指导链接。

整体上，该页面是一个技术性反访问控制界面，核心是验证用户身份以绕过自动化限制。