https://pages.cs.wisc.edu/~kovar/hall.html

Graft：面向边缘环境的懒同步、部分复制事务存储引擎

核心理念

Graft 是一个开源事务存储引擎，旨在解决现有数据复制方案的痛点。其核心思想是结合物理复制的简洁性与逻辑复制的高效性，专为边缘计算、离线优先应用设计，提供懒同步、部分复制、强一致性和水平可扩展性。

核心特性与技术实现

1. 懒同步：客户端完全控制同步时机。同步时，服务器仅返回一个名为 graft 的紧凑位图（基于Splinter格式），标识自上次快照以来发生变化的页面索引，而不传输实际数据。
2. 部分复制：客户端根据 graft 仅获取实际需要的页面，而非全部数据。支持多种预取策略（通用算法、应用层知识、主动拉取）来优化性能。
3. 边缘友好：页面存储于对象存储，通过全球边缘服务器缓存，降低延迟。客户端库轻量且可嵌入，适用于浏览器、移动设备和无服务器环境。
4. 强一致性：采用可串行化快照隔离模型。客户端读取特定快照，写入严格串行化。当提交基于过时快照时，系统会安全拒绝，并允许客户端选择重置重放、合并状态或永久分叉。
5. 数据无关性：以页面为单位复制字节流，不关心数据格式（如数据库、文件、自定义二进制），与架构无关。

主要应用场景

• 离线优先与移动应用：简化数据同步与可靠性。
• 跨平台数据同步：无厂商锁定，实现设备、浏览器、平台间数据共享。
• 无状态多写副本：可在服务器端、嵌入式或无服务器环境快速启动。
• 任意数据类型复制：支持数据库、文件、AI模型、地理空间数据集等。

当前可用方案：libgraft

libgraft 是一个原生SQLite扩展，通过自定义虚拟文件系统集成，提供异步复制、懒部分副本、可串行化快照隔离和时间点恢复功能。

路线图与未来计划

• WebAssembly浏览器支持
• 与SQLSync集成
• 更多客户端库（Python, JS, Go, Java）
• 低延迟写入优化
• 垃圾回收、检查点与压缩
• 认证与授权
• 卷分叉优化
• 内置冲突处理策略

与其他SQLite复制方案的比较

• mvSQLite：理念相似，但Graft依赖对象存储而非特定分布式数据库（如FoundationDB），更适合边缘分发。
• Litestream/Cloudflare Durable Objects SQL/Turso：这些方案侧重于通过WAL流式备份实现异步持久化，而Graft是一等公民的复制系统，直接支持分布式写入和边缘部分复制。
• cr-sqlite：是基于CRDT的逻辑复制，需要架构感知；Graft是架构无关的物理页复制。
• rqlite/dqlite：通过Raft共识在有状态节点间同步；Graft是无状态系统，基于对象存储，面向边缘。
• Verneuil：侧重单向异步快照复制；Graft更像多写分布式数据库，强调实时选择性部分复制。

背景

• 作者在大学担任数据库程序员，尽管专业无关，但凭借相关知识和前员工推荐获得职位。
• 工作涉及HP 9000 K250服务器和CARS学生信息系统，管理校园网络打印机（主要是HP LaserJet 4型号）。

恶作剧策划

• 作者发现打印机VFD面板上的“READY”消息可修改，并通过服务器的打印队列目录掌握所有打印机位置。
• 计划在愚人节清晨，用脚本将所有网络打印机的显示改为“INSERT 5 CENTS”，并发送伪造邮件宣布打印机开始按页收费（每页5美分），以制造幽默效果。
• 脚本使用csh编写，通过自定义的netto工具发送PJL命令修改打印机消息；邮件声称是官方政策变更。

实施与反应

• 恶作剧执行后，部分同事识破玩笑并联系作者，打印机功能未受影响（仅显示变化）。
• 但许多教职工不知情，直接向大学管理层投诉，导致行政办公室陷入混乱。
• 作者被迫发送撤回邮件，但首次撤回内容有误（错误否认收费计划，而实际管理层曾考虑过），因此需第二次撤回。
• 提前重置打印机显示，混乱在中午左右平息。

后果

• IT主管因度假未及时得知事件，返回后发现大量投诉邮件，作者面临严厉批评。
• 作者通过道歉和保持良好表现弥补，最终仅在绩效评估中留下“判断力差”的记录。
• 该恶作剧被校园公认为技术含量高、效果显著，成为传奇笑话。

技术细节

• 打印机修改使用PJL命令，通过网络端口9100发送ESC序列。
• 脚本遍历打印队列目录，对每个目标主机执行命令。
• 假邮件模仿官方格式，强调政策变更和账户管理。

• 事件起因：2024年12月，YouTube频道MegaLag发布视频，揭露PayPal旗下的Chrome扩展程序Honey存在两种不当行为：一是劫持其他网站的联盟营销代码，移除其他推广者（如内容创作者）的追踪链接；二是与商家合作控制向用户显示的优惠券代码，背离了其宣称的“寻找全网最佳优惠码”的承诺。
• 用户流失情况：视频获得超1700万次观看后，Honey在Chrome浏览器上的用户数量开始大幅下降。在2025年1月，用户数已减少约300万。尽管后续曾恢复约100万用户，但截至2025年3月，其用户总数已从峰值的2000万降至1600万，净减少约400万用户。
• 平台政策变化：谷歌已更新Chrome网上应用店政策，禁止扩展程序在未披露或未给用户带来好处的情况下接管联盟营销代码。该政策直接影响了Honey等扩展程序的做法。
• Honey的现状：在政策压力下，Honey已更新其扩展程序列表，添加了相关行为披露。据报道，其视频中展示的劫持联盟代码的行为已不再发生。

Nue is HTML, CSS, and JavaScript taken to their absolute peak.

Glubux的锂电池Powerwall在运行一周后进行了更新测试，主要报告了性能表现、遇到的问题及学到的教训。

性能优点：

• 与铅酸电池相比，充电效率更高，无吸收阶段的能量浪费。
• 负载保持能力良好，电压下降缓慢且可预测。
• 大负载测试（如1200W吸尘器）下未出现发热迹象。

遇到的问题：

• 在连续六晚的夜间放电测试（连接两台冰箱、逆变器及电池处理系统）中，前五晚耗电至约20%剩余电量后一切正常。但第六晚电压急剧下降：四组电池维持在3.30V，一组降至3V，另一组略高于2V，最后一组略低于2V。

分析与解决方案：

• 电压下降最严重的电池组恰好是电芯数量最少的一组。作者最初通过匹配电芯数量（80节1250mAh电芯对应100Ah电池组，51节1950mAh电芯对应另一组）来构建容量相近的电池组。
• 问题根源在于：电池组容量是基于1C放电率测算的，但在更低放电速率下，容量会增加，且电芯数量更多的电池组容量提升幅度可能更大，导致放电末期出现不均衡。
• 解决措施：为容量不足的电池组增加了电芯并重新进行了平衡。

关于平衡的经验：

• 在3.8V电压下进行初次平衡时观察到，电池在接近满充（4V）或低电压（3.3V）时会出现轻微电压漂移，但在3.8V附近平衡状态良好。
• 结论：这表明部分电池组存在轻微性能差异（即后来电压跌至2V的电池组）。此外，只要避免在电池电压的极端高点或低点区间运行，各电池组间的轻微容量不均不会导致严重的不平衡问题。

贝蒂·韦伯（Betty Webb）是一位二战期间在布莱切利公园（Bletchley Park）从事密码破译工作的退役女兵，于2025年3月31日去世，享年101岁。

主要生平与贡献：

• 早年经历与加入布莱切利公园： 18岁时，她作为辅助地方勤务队（ATS）成员加入布莱切利公园。由于母亲教过她德语，她被选中参与破译敌方情报。她签署了《官方保密法》，并对家人和房东隐瞒了工作内容。
• 战时工作： 在布莱切利公园工作四年后，于1945年欧洲战场胜利后被派往美国五角大楼，协助处理已破译的日本电报，是当时唯一被派往华盛顿的ATS成员。
• 战后生活与荣誉： 战争结束后，她回国从事秘书工作。由于保密要求，她无法向雇主解释自己的战时经历。2021年，她因在二战中的贡献被授予法国荣誉军团勋章。2023年，她受邀出席了查尔斯三世国王的加冕典礼，并在布莱切利公园庆祝了百岁生日。
• 历史传承与评价： 她是最后一批在世的布莱切利公园密码破译者之一，并致力于保存和传播这段历史。布莱切利公园信托首席执行官表示，她因工作及确保这段历史不被遗忘的努力而被铭记。英国陆军女兵协会称她“数十年来激励了军队中的女性”。

F# 简介与特点

F# 是一种函数式优先的编程语言，运行在 .NET 平台上，源自 OCaml 语言。它注重编写简洁、健壮和高性能的代码，具有轻量级语法、默认不可变性、类型推断、一流函数、模式匹配和异步编程等特性。F# 的管道操作符（|>）广受欢迎，使代码更易读。

历史与发展

F# 1.0 于 2005 年由微软研究院发布，最初基于 OCaml 设计，后逐渐独立。2010 年纳入微软开发工具部门，最新版本 F# 9.0 于 2024 年 11 月发布。语言不断演进，引入了如匿名记录、活动模式、计算表达式等新功能。

语言特性与示例

F# 语法接近 OCaml 和 Haskell，易于学习。示例代码展示了函数定义、列表处理、记录类型、区分联合和模式匹配等。例如，销售数据分析脚本体现了函数式数据处理的简洁性。F# 还支持类型提供器，能根据数据样本自动推断类型，简化数据解析。

生态系统与工具链

F# 生态系统基于 .NET，依赖核心库和 C# 兼容的第三方库。主要工具包括：

• Web 开发：Giraffe、Suave、Saturn、Fable（可将 F# 转译为 JavaScript/TypeScript/Python 等）、Elmish 和 SAFE Stack。
• 数据科学：Deedle、DiffSharp、FsLab。
• 开发工具：VS Code（Ionide 插件）、Rider、Emacs 等编辑器支持；格式化工具 Fantomas；依赖管理 Paket；构建工具 FAKE。工具链主要由社区维护。

与 OCaml 的比较

F# 与 OCaml 共享 ML 语言基础，但各有优势：

• F# 优点：运行在 .NET 上，库资源丰富；由微软支持；更易上手，错误提示友好；具有异步编程、类型提供器等特性。
• F# 缺点：.NET 互操作影响设计决策（如允许 null）；微软投入资源有限；缺少 OCaml 的一等模块和 GADTs 等功能。

两者都可用于 JavaScript 运行时（F# 通过 Fable，OCaml 通过 js_of_ocaml）。

使用场景与社区

F# 适用于数据处理、Web 服务和全栈应用，尤其适合数据密集型任务。社区规模较小但活跃，主要平台包括 Reddit 和 Discord。资源有官方文档、F# for Fun and Profit 网站和 F# Weekly 通讯。

总结

F# 是一种既有趣又实用的语言，为 .NET 开发者提供了函数式编程的体验。尽管流行度不高，但其强大的类型系统和 .NET 集成使其在特定领域表现出色。作者推荐给寻求函数式编程学习和 .NET 生态扩展的开发者。

CERN科学家声称在羊群中发现量子纠缠证据，认为这能解释羊群的集体行为。文章以愚人节玩笑的形式描述，羊群在CERN园区内放牧已有40多年，其行为类似于粒子运动。研究者提出羊脑中存在一种名为“moutons”（以希腊字母λ表示）的假想粒子，使羊群无论相距多远都能同步移动和发声。该发现的统计显著性为4西格玛，尚不足以确认为观测结果，仍需进一步研究。文中包含多个科学术语和幽默双关语，如将羊群行为变化称为“Lamb Shift”，并提及研究使物理学家变得昏昏欲睡。

文章后续更新澄清这是愚人节故事，并指出羊群确实在CERN园区活动并有助于维护生物多样性，但并未发现量子纠缠证据。CERN正参与国际量子科学与技术年，并举办相关公开活动。

本文核心观点是大型语言模型（LLM）不应用于执行业务逻辑或做出决策，而应仅作为用户与后端API之间的界面层。作者以开发游戏NPC的经验为例，指出常被问及“如何让ChatGPT实现某功能”时，答案始终是“没有，也不应该这么做”。

为何不该让LLM执行逻辑？

以构建WhatsApp象棋机器人为例，尽管LLM可能勉强能下棋，但存在以下根本问题：

• 性能低下：专用象棋引擎（如Stockfish）在速度、质量和成本上均优于LLM。
• 难以调试与调整：LLM的决策过程不透明，难以解释和优化。
• 其他缺陷：包括输出测试困难、数学能力差、随机性不足、版本控制与审计复杂、状态管理脆弱、受API限制与成本约束，以及安全边界模糊。

应用实例

该原则可延伸至多种场景：

1. 游戏战斗指令：LLM仅负责将“用剑攻击兽人”转换为API调用attack(target="orc", weapon="sword")，而非判断玩家是否拥有武器或计算结果。
2. 谈判代理：LLM仅包装用户报价、传递至谈判引擎并传达结果。
3. 随机响应：LLM不应自主决定如何随机回应用户。

LLM的真正优势

LLM擅长以下领域：

• 转换与分类：如将自然语言指令转为API调用，或将错误代码{"error": "insufficient_funds"}转化为用户友好的提示。
• 意图路由：识别用户意图（如战斗、库存查询）并导向正确系统模块。
• 理解人类概念：能关联“刀锋”与“剑”、“猛击”与“攻击”等语义。

未来展望

LLM的能力边界不断变化，类似“上帝之隙”理论——曾经认为只有人类能完成的任务，很快会被新模型攻克。但即使LLM未来能处理更多任务，作者认为专用逻辑系统在可维护性、成本、版本控制等方面的优势不会消失。因此，架构原则应保持一致：将LLM限制在界面层，核心逻辑交由专用系统处理。

KOReader 是一款开源的文档查看器，主要面向电子墨水（e-ink）阅读器设备。

核心特点与功能：

• 多平台与便携性：可在多种嵌入式设备（如 Cervantes、Kindle、Kobo、PocketBook、reMarkable）、Android 以及 Linux 计算机上运行。开发者也可在 Linux 和 MacOS 上运行模拟器。
• 广泛的格式支持：支持固定版式文档（如 PDF、DjVu、CBT、CBZ）和可重排电子书格式（如 EPUB、FB2、Mobi、DOC、RTF、HTML、CHM、TXT）。内置 K2pdfopt 库可用于对扫描版 PDF/DjVu 文档进行重排。部分格式也支持 ZIP 文件。
• 全面的阅读体验：拥有多语言界面，阅读视图高度可定制，提供丰富的排版选项（如自定义页边距、行距，使用外部字体和样式）。应用内置了多语言连字词典。
• 深度集成：可与 calibre、Wallabag、Wikipedia、Google 翻译等内容提供商集成，支持元数据搜索、无线传书、通过 OPDS 浏览库等。
• 为电子墨水设备优化：采用无动画的自定义 UI，菜单分页，可调节文本对比度，并针对分页媒体提供便捷的缩放适配功能。
• 可扩展性与高性能：支持通过插件扩展功能。在部分旧设备上，其翻页延迟被测低于原厂阅读软件。
• 丰富附加功能：支持使用 StarDict 词典或 Wikipedia 查词，添加在线 OPDS 目录和 RSS 订阅，提供空中软件更新、FTP 客户端及 SSH 服务器等功能。

相关资源与参与方式：

• 文档：提供用户指南和 Wiki 以详细说明各项功能。
• 安装：针对不同设备型号（Android、Cervantes、Kindle、Kobo、Linux、PocketBook、reMarkable）提供了详细的安装指南。
• 开发：提供构建环境设置、Git 协作、构建目标、移植等开发者文档。
• 支持与贡献：由全球志愿者开发和支持。可通过修复错误、实现新功能、翻译程序、编写文档或在论坛提供帮助等方式参与。目前仅接受通过 liberapay 进行捐赠。
• 状态：项目活跃，有持续的代码提交活动。

Listening to music by yourself might not seem like a social activity, but University at Buffalo researchers have published a study that suggests how doing so can have valuable social benefits.

对话界面之辩：反对零和思维

本文的核心论点在于，对话界面（以自然语言为主要输入方式）并非现有计算范式的终结者，而更应被视为一种补充与增强。作者认为，将AI视为替代品而非互补品的零和思维，限制了我们的想象力。

1. 数据传输机制：自然语言的局限

作者将沟通视为数据传输机制，其关键指标是速度和保真度（损失率）。

• 速度瓶颈：自然语言（书写或口语）的数据传输速度远低于人类思维的生成速度（1,000-3,000 词/分钟），构成一个明显的瓶颈。
• 高效替代：日常沟通中，我们会下意识地使用更高效、更“有损”的压缩方式，如手势、表情（如竖大拇指）来快速传递意图，追求速度和便利。
• 目标关系：作者的理想是与计算机形成一种“默契”，像老夫老妻间的互动一样无需言语，就能实现高效指令传递。

2. 人机交互的演变：追求效率与压缩

人机交互的发展史，本质上是不断优化数据输入效率的历史：

• 命令行 → GUI：解决了“发现”问题，且点击按钮比输入长文本命令更快。
• GUI + 键盘快捷键：形成了当前的生产力均衡。鼠标用于导航，而熟练操作的键盘快捷键（如⌘B、⌘C/V）是另一种数据压缩形式，追求极致效率。
• 触摸界面的局限：手机是桌面计算的补充，但并非替代。移动输入速度慢，且缺乏键盘快捷键的等效高效输入法，限制了真正的“移动原生”生产力应用的发展。
• 语音输入的误解：虽然说话比打字快，但作为计算机输入方式，其核心问题不在于AI输出质量，而在于输入的不便——用自然语言描述意图，通常比直接点击应用或按快捷键更耗时。

3. 对话界面的定位：作为增强的元层

LLM是强大的工具，但其主要价值在于开辟新用例（如与AI进行深度思维对话、头脑风暴），而非替代现有工具链。

• 核心案例：作者举了一个将Alexa集成到《星际争霸II》游戏中作为语音助手的例子。在这里，语音并未取代鼠标键盘，而是作为一种附加输入通道，增加了交互带宽。
• 未来愿景：AI应作为一个跨工具的、始终在线的指令元层存在。用户应能在进行鼠标键盘操作的同时，通过简单的语音指令触发操作，无需中断当前工作流，实现生产力与协作的融合。
• 关键挑战：即使作为辅助界面，也需要解决速度问题。需要探索类似手势或快捷键的语音输入压缩方式，并可能利用多模态（如摄像头读取面部表情）来优化交互。

4. 总结：反对替代，主张互补

作者澄清其立场并非反对对话界面本身，而是反对将AI视为一切现有事物的零和替代品的技术决定论。进步往往是通过解锁新可能性而非简单取代旧事物来实现的。未来的方向应是让AI增强现有计算范式，使人机交互变得像老夫老妻递黄油般自然流畅、毫不费力。

法国竞争管理局对苹果公司罚款1.5亿欧元，因其“应用程序跟踪透明度”（ATT）框架存在“不对称”设计，导致第三方开发者需获取用户“双重同意”才能进行跨应用跟踪，而苹果自身仅需单次同意。

核心问题：不对称的同意机制

• ATT弹窗现状：典型ATT弹窗会询问用户是否允许应用跟踪其活动，并说明数据将用于个性化广告。
• 批评焦点：该机制存在“不对称性”：
  • 苹果自身数据收集仅需一次同意。
  • 其他第三方发布商则被要求获取双重同意才能进行第三方跟踪。
• 用户操作影响：用户只需拒绝一次广告跟踪，但若要同意，却需要两次确认。

影响对象：小公司受冲击更大

• 该机制被认为对Meta、Google等大公司伤害较小。
• 主要受害者：规模较小的发布商，因缺乏足够的自有数据和替代性定向投放能力，受到“特别有害”的影响。
• 背景：苹果的隐私系统此前也曾遭到Facebook的批评。

处罚与后续

• 罚款金额：1.5亿欧元。尽管对苹果收入影响不大，但苹果必须做出调整以符合法国裁决。
• 所需修改：法国机构表示，问题“可通过ATT框架的边际修改来避免”，但未具体说明如何修改。
• 苹果回应：声称ATT提示对所有开发者（包括苹果自身）一致，并已获得全球消费者、隐私倡导者和数据保护机构的支持，但对裁决感到失望。苹果同时指出，法国机构并未要求ATT进行任何具体更改。
• 未来程序：法国竞争管理局负责人表示，合规过程可能需要时间，因为苹果正在等待德国、意大利、波兰和罗马尼亚监管机构关于ATT工具的相关裁决。

一名拥有受保护移民身份的萨尔瓦多父亲被美国错误遣返至萨尔瓦多臭名昭著的CECOT监狱，美国政府声称无法将其带回。美国移民与海关执法局（ICE）在法庭文件中承认，尽管知晓基尔马·阿曼多·阿布雷戈·加西亚受保护不被遣返至萨尔瓦多，但因“行政错误”仍于3月15日将其遣返。阿布雷戈·加西亚的家人已提起诉讼，要求法院禁止美国为他在萨尔瓦多的拘留付费，并责令联邦政府请求萨尔瓦多将其送回。

美国政府辩称，由于该男子已不在美国监管之下，美国法院无权就其拘留和释放发布命令。根据法庭文件，阿布雷戈·加西亚约2011年从萨尔瓦多非法入境美国，为躲避帮派勒索、暴力和死亡威胁定居马里兰州。2019年，ICE曾指控其为MS-13成员，但证据薄弱（主要基于匿名线报及一顶芝加哥公牛队帽子），且未提出指控。同年，移民法官在听证后批准了他基于《联合国禁止酷刑公约》的免于遣返保护，政府未上诉。此后，他定期向ICE报到，最近一次为今年1月。然而，3月12日其移民身份突然变更，六天后即被遣返。

阿布雷戈·加西亚的律师指控政府“毫无法律依据”将其送上飞往萨尔瓦多的飞机，使其立即被关入一个“酷刑中心”，而美国政府据报正资助该中心的运营，此举“令人憎恶”。国土安全部助理部长则在声明中坚称该男子是“MS-13残忍帮派的成员”且涉嫌人口贩卖，应被关押。

此案发生在美国政府近期更大规模的争议性遣返行动背景下。特朗普政府援引战时《外敌法》，将数百名被指为委内瑞拉“阿拉瓜列车”帮派成员的委内瑞拉人送往同一CECOT监狱，且无视法院要求飞机返航的命令。政府承认许多被遣返者无犯罪记录，国务卿马尔科·鲁比奥也承认他们并非都属于“阿拉瓜列车”，但仍称其“对美国无益”且“依法可驱逐”。部分被遣返者仅因拥有常见图案的纹身（如Air Jordan标志、皇冠、星星、彩虹自闭症意识符号）即被驱逐。美国政府目前请求最高法院介入，允许其恢复此类遣返航班。

https://app.fluentsubs.com/exercises/daily

Netflix媒体生产套件 (MPS) 栀要

核心挑战

影视行业正经历向云工作流程的转型，但面临诸多挑战。传统流程中，一部Netflix作品平均产生约200TB原始摄像机文件，依赖LTO磁带等物理介质存储和运输，导致媒体检索、播放和共享困难，全球协作效率低下。此外，部门与供应商间的文件分发缺乏自动化与标准化，人工操作多、易出错，且随着文件体积增长和流程复杂化，效率问题加剧。即便采用数字化流程，物理硬盘在供应商间手递手的“人肉传输”依然常见。行业亟需一个中心化的云解决方案。

解决方案：媒体生产套件 (MPS)

Netflix开发了面向全球的媒体生产套件 (MPS)，旨在通过云技术自动化媒体管理，减少非创造性任务，使团队专注于创意叙事。该套件通过Netflix与亚马逊云服务 (AWS) 连接的混合云基础设施构建，利用Netflix内容分发网络优化性能，并在全球部署内容中心接入点以保障上传速度，集中管理媒体，消除物理运输，增强安全性。

设计理念与技术关键

1. 自动化与标准化：MPS采用自动化工具处理色彩、帧管理和交付等复杂流程，避免人工干预（如配置JSON文件）。它广泛采纳开放标准，如ACES/AMF（色彩管理）、ASC MHL（文件验证）、ASC FDL（帧标准）、OTIO（时间线交换），以实现流程自动化和高复杂度工作流的普及，使以往仅高端制作才能使用的功能（如标准化不同格式素材）变得可及。
2. 工具集：MPS包含一系列工具，支持从素材上传到最终交付的全流程：
   • 素材上传：允许用户将媒体文件上传至Content Hub。
   • 媒体库：集中搜索、预览、共享和下载媒体。
   • 日报制作：提供自动化质量控制、声画同步、色彩应用和日报渲染与交付。
   • 远程工作站：提供远程后期制作编辑工作站和存储。
   • VFX素材分发：自动化转换并交付VFX底片及相关色彩、帧文件。
   • 合成素材分发：自动化整合、裁剪并交付所有原始素材给后期制作商。
   • 媒体下载器：媒体就绪后自动触发下载。

实践案例：《塞纳》剧集

巴西剧集《塞纳》的拍摄横跨多国，编辑、VFX团队分布全球。采用MPS后：

• 素材管理：原始素材直接上传至云端，无需运输物理硬盘或制作LTO磁带，各利益相关方可通过Content Hub仪表板实时监控上传进度。
• VFX工作流：助理编辑可上传编辑决策列表，系统自动转码、整合色彩文件并分发至全球各VFX供应商，统一了文件交接方式。
• 后期制作：利用合成素材分发服务，自动化地为后期公司准备在线编辑所需媒体。 MPS的模糊匹配算法（甚至未来基于计算机视觉的感知匹配）提升了流程的鲁棒性。

总结

MPS是Netflix在媒体制作领域的一项变革性实践。它通过混合云基础设施、基于开放标准的自动化工具链，解决了传统流程中的物流、协作和技术可及性难题。该方案已在350多个项目中得到应用，覆盖全球多个地区，显著提升了制作效率，降低了技术门槛，使制作团队能将更多精力投入创意工作，推动了全球影视制作的标准化与创新。

Kagi 家庭计划概述

Kagi 致力于为家庭和儿童提供更人性化、安全、无广告的网络搜索体验。Kagi 家庭计划专为家庭设计，旨在通过强大的功能和简单实惠的定价，促进学习而非消费，并保护家庭隐私。

主要功能与使用方式

• 计划注册：用户可在Kagi官网选择适合家庭规模和需求的家庭计划。现有用户可通过取消原计划并重新订阅来升级。
• 成员管理：通过电子邮件邀请家庭成员加入。儿童账户可使用用户名登录，无需密码，系统会向账户所有者发送验证邮件以完成登录。
• 计划升级：成人家庭成员可升级至Ultimate计划（每月额外15美元/人）。

独特功能

1. 儿童友好搜索体验：采用严格内容过滤，提供简化的大字体、图标及适合儿童的内容。
2. 家长控制：父母可管理孩子的搜索体验，包括限制搜索结果为全网或仅白名单网站，并启用安全搜索过滤成人内容。
3. 快速回答：集成AI工具提供快速问答，但附有内容审核过滤器和风险提示，鼓励家长引导孩子安全、负责任地使用AI。
4. 镜头：允许创建仅包含特定白名单网站（最多10个）的搜索子集，可用于教育、作业或娱乐等场景，并支持导出和共享。
5. 个性化结果：父母最多可屏蔽或优先推荐1000个网站，进一步定制孩子的搜索结果。
6. 新插图：界面中引入了新的插图，包括狗狗吉祥物的女友形象。

设计理念

• 粪便头像的意义：Kagi特意在儿童头像选项中加入了粪便形象，旨在以轻松有趣的方式教育孩子关于身份认同、隐私和网络安全的重要性。这帮助孩子理解线上虚拟形象并不代表真实的自己，从而培养健康的自我认知，并学会谨慎分享个人信息，成为负责任的数字公民。

AMD未能打造出足以匹敌NVIDIA CUDA的成熟GPU计算生态，是多重因素交织的结果。核心问题并非缺乏技术替代方案（如HIP/ROCm），而在于技术成熟度不足、生态系统碎片化、管理决策优先级错位以及市场定位的局限性。

1. 技术与生态系统的碎片化

• 已有方案但不成熟：AMD拥有HIP（CUDA的语言替代品）和ROCm（底层平台），但其驱动不稳定、架构支持不一致（如对消费者显卡支持有限、最新APU如AI Max 395无ROCm支持），且缺乏类似NVIDIA PTX的跨架构中间层。
• 生态系统差距巨大：CUDA是一个经过十多年发展的完整生态系统，包含cuDNN、CUTLASS等优化库和工具链。AMD的替代方案（如AiTer）仍在建设中，功能与成熟度远不及CUDA。
• 兼容性与一致性：ROCm在不同硬件上的表现差异巨大，常因驱动错误或依赖主板厂商未正确实现的PCIe原子支持而导致非确定性故障，社区体验“充满痛苦”。

2. 管理决策与战略优先级

• 资源投入不足：AMD过去二十年主要聚焦于CPU业务（如Zen架构），GPU计算的投入和领导力不足，被视作“管理与领导力问题”。
• 硬件支持不全面：未为所有自家硬件提供一致的ROCm支持，导致开发者难以信任其平台作为通用解决方案。
• 对软件文化的忽视：硬件公司常将软件视为次要，AMD未能像NVIDIA那样将软件（尤其是开发体验和生态维护）提升到核心战略高度。

3. 市场与商业现实

• 核心业务差异：AMD的核心优势和收入来源在CPU领域，而NVIDIA长期以GPU和并行计算为核心。GPU计算市场成熟较晚，AMD早期资源有限。
• 追赶成本高昂：CUDA的生态系统护城河深厚，需要数十年、数十亿美元持续投入才能构建竞争力。AMD可能认为直接竞争性价比不高。
• 社区与开发者习惯：CUDA已成为事实标准，开发者惯性强大。尽管AMD硬件在某些场景（如高带宽内存）具备优势，但“开箱即用”体验的差距（如llama.cpp在AMD硬件上问题频发）阻碍了采用。

4. 外部挑战与机遇

• 专利与兼容性问题：有观点认为，NVIDIA可能拥有关键专利，限制了AMD采用更简单的硬件设计来支持ROCm所需特性（如PCIe原子操作）。
• 第三方努力：社区和第三方（如tinygrad、ZLUDA）正在弥补AMD生态的不足，但这凸显了AMD自身行动的滞后。
• 推理市场的机会：随着AI重心向推理转移，对效率的要求可能为AMD提供新机会，但需要更快的响应和更优的软件支持。

结论

AMD未能推出一个广泛可用的CUDA替代品，根源在于技术执行不力、生态构建滞后、管理战略缺乏聚焦，以及长期在GPU计算软件投资上的不足。要改变这一局面，AMD需要在软件文化、全面硬件支持、驱动稳定性及开发者生态上进行系统性革新，并找到差异化的市场切入点（如大显存推理），而不仅仅是提供一个“足够好”的技术替代品。

https://openjdk.org/jeps/8349536

The molecule targets bacteria in a way that other drugs don’t. The molecule targets bacteria in a way that other drugs don’t.

https://news.ycombinator.com/item?id=43547611

Patterns and Techniques for Writing High-Performance Applications with Go

https://kiranet.org/self-hosting-like-its-2025/

When we got “create anything” and all made the same thing

As the list of nations issuing travel warnings to the US grows, some visitors are opting to boycott it entirely. Here's why many foreigners are changing their travel plans.

https://queue.acm.org/detail.cfm?id=3712057

The Trump administration says that it mistakenly deported an immigrant with protected status but that courts are powerless to order his return.

RubyUI（原PhlexUI）是一个Ruby gem，用于提供美观、可访问、可定制的UI组件，支持复制粘贴到应用中，开源免费。该仓库是单体仓库（monorepo），包含两个子项目：

• gem/：RubyUI gem的源代码目录，包含lib/、generators、tests和gemspec文件，负责gem的构建和发布。
• docs/：基于Rails 8的文档网站应用，驱动https://rubyui.com，通过本地路径消耗gem，便于实时开发更新。

仓库结构还包括统一的CI工作流（.github/workflows/ci.yml），在Ruby 3.3和3.4上运行gem测试，测试docs应用，并执行Docker构建任务将文档开发容器发布到ghcr.io。

快速链接提供gem使用指南、文档网站入口和贡献指南。开发时，gem和docs工作独立进行：gem开发涉及测试和代码规范检查；docs开发通过本地服务器运行，编辑gem文件可立即在文档应用中反映，无需额外协调。项目采用MIT许可证。

An SDK for working with LLMs and AI Agents from Apache Airflow, based on Pydantic AI - astronomer/airflow-ai-sdk

为什么Claude能解读拜占庭音乐符号记谱法？

大型语言模型能够学习并执行凯撒密码这种字母替换转换，这并不令人意外。模型可以通过其权重中的隐藏表示，将输入标记的拼写映射到其他字母，尤其是在训练数据中频繁出现特定偏移量（如1、-1、2、3等）时。前沿模型甚至能够仅凭一个短句，在单次前向传递中即时推断出正确的偏移量，这本身已相当令人印象深刻。

然而，这种能力通常不会泛化到不常见的偏移量，因为模型权重中实现的数值算法受限于训练数据中的值分布。为了验证这一点，研究人员测试了前沿模型在不允许使用思维链（chain-of-thought）的情况下，仅通过单次解码尝试来破译不同Unicode偏移量下的加密消息。

实验结果显示，Claude-3.7-Sonnet模型能够在首次前向传递中推断出偏移量并正确解码消息，但随着偏移量偏离零值越大，解码成功率会逐渐下降。这基本符合预期。

直到作者读到了Erziev（2025）的研究，该研究描述了一个奇特现象：包括Claude和GPT-4o在内的多个模型，能够流畅地读写隐藏在高Unicode范围（如拜占庭音乐符号Unicode区块）中的信息。

针对拜占庭音乐符号Unicode区块，这种转换可以理解为Unicode空间中的一个类似凯撒密码的操作，其偏移量为118784。使用这个特定偏移量时，模型达到了近乎完美的解码准确率。

一个奇特的巧合或许能解释其机制：在某些公共分词器（如o200k）中，特定Unicode范围内的加法与标记空间中的加法是可交换的。例如，在拜占庭音乐符号区块（U+118784至U+119029）的一个子集中，分词器τ满足这样的线性特性： τ([U+118881 + k]) = [43120, 223, 94 + k]（其中k在0到29之间，除了12）。

这意味着这些符号中的大部分被映射为三个标记，前两个标记相同且易被注意力头忽略，第三个标记则随Unicode值精确递增。尽管语言模型本身并不关心标记索引，但这种可交换性（可能通过某种非因果方式相关）暗示了机制的存在。如果成立，那么嵌入矩阵在相邻列中也将是连续的，这似乎是合理的但需要进一步验证。

这些标记中的第一个（o200k分词器中的第94个标记）是其词汇表中的第一个二进制标记，与其后的93个标记一起代表二进制字符串b'\xa1'到b'\xff'。这为理论上存在实现这些字符上移位密码的电路提供了可能。

偏移量118784的特殊性在于：它将字符"a"映射到U+118881，这是上述算术级数系列中的第一个字符。有趣的是，偏移量仅增加1或2时，该机制就会失效。这表明模型学到了一个从二进制范围b'\xa1'-b'\xba'（十进制161-186）到小写ASCII范围97-122的特定映射。

Daniel Paleka指出了一个关键点：从b'\xa1'-b'\xba'（161-186）到97-122的偏移量是**-64**，这不仅是2的幂，也可能对应于ASCII控制字符的字节偏移。如果模型知道字节标记的值，并将标记[43120, 223]解释为控制键，这可能在某种程度上解释该偏移量的值。

不过，GPT-4o模型即使在偏移量增加1的情况下仍保留部分解码能力，这弱化地证实了Unicode-标记空间中加法的可交换性是部分解释。而Claude的良好解码能力表明，其秘密分词器很可能也像o200k一样，能处理具有算术递增的二进制字符串。

这种异常的移位算法在多个模型家族中都能有效工作，甚至比据称在训练数据中非常常见的常规凯撒密码表现得更加一致。这暗示该算法可能复用了其他任务的电路，或者存在更根本的原因，使得这种特定能力对下一个标记预测任务本身有用。

Most people think of machine instructions as the fundamental steps that a computer performs. However, many processors have another layer of ...

https://www.seattletimes.com/business/microsoft/microsoft-turns-50-4-employees-recall-their-early-years/

https://openai.com/open-model-feedback/

Add a progress bar and playback controls to YouTube Shorts, Instagram, and Facebook Reels.

Scientists have spent over 25 years trying — and failing — to build computer simulations of the smallest brain we know. Today, we finally have the tools to pull it off.

https://news.ycombinator.com/item?id=43537505

https://aaaa.sh/creatures/dda-algorithm-interactive