🏋 Modern open-source fitness coaching platform. Create workout plans, track progress, and access a comprehensive exercise database. - Snouzy/workout-cool

https://grugbrain.dev/

So I was uh, downloading some linux isos, like usual. It was going slowly, so I opened up the Trackers tab in qBittorrent and saw the following:

Gemini 2.5 Flash and Pro are now generally available, and we’re introducing 2.5 Flash-Lite, our most cost-efficient and fastest 2.5 model yet.

Discover how Anthropic approaches the development of reliable AI agents. Learn about our research on agent capabilities, safety considerations, and technical framework for building trustworthy AI.

The dizzying day began when the city comptroller and mayoral candidate made his latest visit to an immigration court in Manhattan.

make little apps for you and your friends

Overcome free wifi time limits with a status bar Mac app.

Edit is a new open source command line text editor from Microsoft that supports Windows, macOS and Linux. Learn what it can do, and how to try it on Ubuntu.

https://monroeclinton.com/counting-all-yurts-in-mongolia/

How I turned an old iPhone 8 into a solar-powered OCR server using Apple's Vision framework. Running 24/7 off-grid, processing thousands of images.

Iranian state television has urged people to remove WhatsApp from their smart phones, alleging without specific evidence that the messaging app gathered user information to send to Israel.

http://terpstrakeyboard.com/web-app/keys.htm

Building on the recent empirical work of Kwa et al. (2025), I show that within their suite of research-engineering tasks the performance of AI agents on longer-duration tasks can be explained by an extremely simple mathematical model — a constant rate of failing during each minute a human would take

https://ingrids.space/posts/what-google-translate-can-tell-us-about-vibecoding/

A sturdy, thoughtful, cute design that just can't compete in its price range.

Homomorphic encryption allows a computer to run programs on encrypted data. Learn how homomorphic encryption works through interactive examples, build a homomorphically encrypted CRDT and see whether it has promise for local-first software.

MiniMax-M1, the world's first open-weight, large-scale hybrid-attention reasoning model. - MiniMax-AI/MiniMax-M1

https://briefer.cloud/blog/posts/p-hacking/

            File parsers in Go contain unexpected behaviors that can lead to serious security vulnerabilities. This post examines how JSON, XML, and YAML parsers in Go handle edge cases in ways that have repeatedly resulted in high-impact security issues in production systems. We explore three real-world attack scenarios: marshaling/unmarshaling unexpected data, exploiting parser differentials, and leveraging data format confusion. Through examples, we demonstrate how attackers can bypass authentication, circumvent authorization controls, and exfiltrate sensitive data by exploiting these parser behaviors.
        

A fast, minimalist directory tree viewer, written in Rust. - bgreenwell/lstr

https://trifectatech.org/blog/bzip2-crate-switches-from-c-to-rust/

https://mjg59.dreamwidth.org/72095.html

丹麦通过鼓励公众参与金属探测，推动了考古研究的突破性进展。2020年12月，工程师奥莱·吉内鲁普·希茨使用金属探测器在丹麦文德莱夫地区朋友的大麦田中，意外发现了1500年前埋藏的14个金质圆盘，其中带有“奥丁的男人”铭文的胸饰是已知最早提及北欧神奥丁的书面记录，将奥丁崇拜的历史向前推进了150年。

丹麦模式的特点
与其他欧洲国家限制业余金属探测不同，丹麦依据中世纪《丹麦宝藏法》，允许公众在土地所有者许可下进行探测，但需将疑似历史文物上交政府。这一信任系统使丹麦每年收到超过2万件文物，远超周边国家，填补了大量历史空白，如神庙、贸易路线和定居点。

重大考古发现
金属探测爱好者促成了多项重要发现：

• 2016年，夫妇克里斯滕·德雷约和玛丽·阿加德在法斯特附近发现1.5公斤维京黄金，包括可能是宣誓手镯的臂环。
• 2018年，同一团队发现200多件铁制武器，揭示了一处持续约550年的“毁灭祭拜”神庙遗址。
• 业余探测者在瓦尔斯特地区发现大量珠宝，推动了一处墓葬群的抢救性发掘，证实该区域曾是宗教中心。
• 一枚镶嵌石榴石的金戒指，其制作工艺与法兰克梅罗文加王朝相关，暗示了北欧与中欧贵族的联姻。

运作机制与挑战
丹麦全国28家地方博物馆负责接收文物，但国家博物馆的《丹麦宝藏法》部门仅有三名全职鉴定员，积压超过5万件文物。鉴定过程依赖参考书和专业知识，平均处理时间超过2.5年。政府会根据文物价值给予发现者奖励，2023年总额达130万美元，但多数奖励远低于黑市价格。

尽管处理延迟和预算限制带来挑战，但业余探测者主要追求发现的乐趣而非金钱回报。他们通过社交媒体、电视节目分享发现，并与考古学家合作，如在维恩地区发现罗马硬币后参与正式发掘。地方考古学家拉斯·格伦瓦德表示，探测者常带来“极好的发现”，这种合作模式有助于记录和保护脆弱的历史遗址。

丹麦模式的核心在于公众与考古机构的信任合作，探测者被视为“前线救援人员”，帮助在农业侵蚀前保存文物。然而，随着兴趣激增和处理延迟，如何维持这种互信关系成为未来关键。

库克船长失踪船只被发现：沉没250年的HMS Endeavour残骸确认

库克船长的船只HMS Endeavour的残骸在沉没250年后，于美国海岸附近被找到。

历史背景与沉没

• 1768年至1771年间，该船成为第一艘抵达澳大利亚东部的欧洲船只。
• 之后被出售并更名为Lord Sandwich。
• 1778年美国独立战争期间，该船在美国罗德岛纽波特港（Newport Harbour）沉没。

发现与确认过程

• 发现地点：美国罗德岛州纽波特港。
• 确认标识：残骸被编号为RI 2394。
• 研究成果：澳大利亚国家海事博物馆（ANMM）发布新报告，宣布该发现是25年考古研究与水下调查的结果。
• 关键证据：
  • 残骸的船体结构与1768年原始设计图纸的测量结果高度吻合。
  • 船材为英国木材，尺寸与Endeavour几乎完全一致（误差在毫米级）。
  • 船首嵌接结构（stem scarf）具有独特性，在查阅的18世纪船只图纸中未发现相似案例。

沉没背景与考古特点

• 独立战争期间，该船曾用于运输英军和作为监狱船。
• 在美法联军围攻纽波特港时，它作为13艘故意凿沉的船只之一，用作水下屏障。
• 沉没后未被打捞。
• 考古学家指出，由于沉船前可能已移走有价值物品，因此不太可能发现直接标识文物，但目前所有发现均符合18世纪特征。

争议与后续

• 2022年初步报告已将同一残骸识别为HMS Endeavour，但遭到研究合作伙伴**罗德岛海洋考古项目（RIMAP）**的批评，认为结论“草率”且“违反合同”。
• ANMM声明不排除其他候选沉船地点的可能性。

核心观点

本文探讨了数据科学家从原型开发到生产环境部署的常见困境，并提出了一种基于Python优先工具marimo和bauplan的解决方案，旨在消除代码重写和跨团队交接的繁琐过程。

问题与现状

• 高失败率：将模型从原型部署到生产环境依然困难，据研究不到五分之一的模型能成功上线，且耗时数周甚至数月。
• 技能错位：数据科学家精通数据操作和机器学习，但往往不熟悉分布式系统、云环境、CI/CD等生产级软件工程实践。
• 现有路径的缺陷：
  1. 直接部署笔记本：例如在Jupyter Notebook中开发后直接上线。这种方式快速但极其脆弱，代码难以复现和维护。
  2. 交由工程团队重构：数据科学家产出原型，由DevOps或工程师重写为生产代码。此过程缓慢、昂贵，且容易造成团队壁垒和责任模糊。

解决方案：Python优先的湖仓架构

文章提出利用两个代码优先的工具组合，实现从笔记本原型到生产管道的无缝过渡。

• marimo：一个现代化的开源笔记本，以纯Python脚本文件存储。它保留了Jupyter的交互性，但通过强制执行顺序、规范变量作用域，确保了代码的可复现性和可维护性。
• bauplan：一个云数据平台，专为基于S3的Python工作流设计。它提供了声明式的数据管理、函数执行和内置的数据版本控制（类似Git分支），抽象了底层的复杂基础设施。

工作流程示例（以纽约出租车数据集为例）

1. 在marimo中探索与原型开发：

   • 使用bauplan的Python SDK连接数据目录，将S3中的表格（如taxi_trips_sample和zones）加载为Polars DataFrame。
   • 在笔记本中以Python函数的形式定义数据转换逻辑（如关联、清洗、聚合）。
   • 利用marimo的内置工具进行可视化检查和迭代。

2. 在bauplan中构建生产管道：

   • 核心优势：由于marimo笔记本本质是Python脚本，其中定义的函数可以直接被bauplan管道导入和使用，无需任何重构。
   • 通过bauplan的装饰器（如@bauplan.model()）将函数包装为生产模型，并在其中声明输入表、列、过滤条件以及Python环境依赖。
   • 函数链式调用形成有向无环图（DAG），前一个函数的输出作为下一个函数的输入。
   • 使用bauplan run命令即可将整个管道部署到云端运行。

关键优势

• 代码可复用性：原型代码与生产代码完全一致，消除了“笔记本到生产”的重构鸿沟。
• 数据版本化：bauplan提供类似Git的数据分支模型，允许在生产数据的安全副本上进行实验，确保可复现性。
• 简化基础设施：将存储、文件格式、环境、运行时和编排等复杂组件抽象为Python代码中的声明式定义（装饰器），开发者无需管理Dockerfile或编排脚本。
• 提升效率与所有权：数据科学家可以端到端地负责其数据产品，减少了团队间的交接延迟和沟通成本。

当前挑战与展望

• 依赖管理：目前需要在marimo设置单元格和bauplan的装饰器中分别声明依赖，存在重复。团队正在开发可共享的声明式环境功能。
• 整体理念：该方案展示了通过统一的Python语言栈，构建一个内聚、高效的数据产品开发流程是可行的，避免了“YAML地狱”和“容器兔子洞”。

大脑与ChatGPT：使用LLM的认知成本研究

研究背景与目的

本研究旨在探讨在教育场景中使用大语言模型（如ChatGPT）撰写论文时，对使用者产生的认知成本。研究通过对比不同辅助工具的使用情况，分析其对大脑活动、语言产出和学习效果的影响。

研究方法

• 参与者：共54名参与者，分为三个实验组：
  • LLM组：使用ChatGPT撰写论文。
  • 搜索引擎组：使用搜索引擎撰写论文。
  • 纯脑力组：不使用任何外部工具撰写论文。
• 实验流程：每位参与者在前三次会议中持续使用分配的工具。在第四次会议中，部分参与者进行了工具交换测试（LLM组转为纯脑力组，反之亦然）。
• 数据收集：
  • 使用**脑电图（EEG）**记录大脑活动，评估认知参与度和认知负荷。
  • 进行自然语言处理（NLP）分析。
  • 每次会议后对参与者进行访谈。
  • 由人类教师和一个AI评判对论文进行评分。

主要发现

1. 神经活动差异显著：EEG分析显示，三组参与者展现出截然不同的大脑神经连接模式，反映了不同的认知策略。
   • 纯脑力组：展现出最强、最广泛的神经网络连接。
   • 搜索引擎组：认知参与度居中。
   • LLM组：整体神经耦合度最弱。大脑连接强度与外部支持程度成反比。
2. 工具转换后的影响：
   • LLM转纯脑力组：神经连接较弱，阿尔法和贝塔网络参与不足。
   • 纯脑力转LLM组：表现出更高的记忆召回能力，并重新激活了枕顶叶和前额叶的广泛节点，类似于搜索引擎组的视觉处理模式。
3. 语言与认知结果：
   • “所有权”感低：LLM组成员对其撰写的论文归属感较低。
   • 引用能力弱：LLM组成员难以引用自己几分钟前刚写的内容。
   • 群体同质性：各组在命名实体识别、n-grams和主题本体上表现出内部一致性。
4. 整体表现：在为期4个月的4次会议中，LLM组在神经、语言和评分等各个层面的最终表现均劣于纯脑力组。

结论

尽管使用LLM在初期可能带来一些便利，但长期来看，它对学习者的认知参与和技能发展存在可测量的负面影响。该研究提示了LLM在教育环境中可能导致学习技能下降的潜在风险。

研究局限性与未来方向

• 初步性：本研究结论为初步结果，尚未经过同行评审。
• 局限性：
  1. 参与者数量有限且来源单一。
  2. 仅测试了ChatGPT，结果未必能推广至其他LLM。
  3. 任务未细分（如构思、写作等阶段）。
  4. EEG空间分辨率有限，未来需结合fMRI研究。
  5. 研究情境特定（学术论文写作），结果可能不适用于所有任务。
• 未来工作：
  1. 扩大参与者多样性。
  2. 测试更多LLM模型及多模态（如音频）工具。
  3. 进行任务阶段化分析。
  4. 探索对记忆力、创造力和写作流畅性的长期影响。

关键词：认知负荷、脑电图、LLM教育影响、神经连接、初步研究。

AMD CDNA 4 架构摘要

架构定位与目标

CDNA 4 是 AMD 面向计算的最新 GPU 架构，是 CDNA 3 的一次适度更新。其主要目标是提升低精度数据类型的矩阵乘法性能，以更好地支持机器学习工作负载，同时继续保持 AMD 在广泛适用的向量运算上的优势。

系统级架构

CDNA 4 沿用了 CDNA 3 成熟的小芯片（chiplet）设计，以实现大规模扩展：

• 计算单元：由多个加速器计算单元（XCD） 组成，每个 XCD 包含 CDNA 计算单元（CU）。
• 基础架构：8 个 XCD 位于 4 个基础芯片之上，这些基础芯片实现了 256 MB 的内存侧缓存。
• 互联：通过 AMD Infinity Fabric 实现跨系统（可跨多颗芯片）的连贯内存访问。

与前代及竞争对手的对比

1. 与 MI300X (CDNA 3) 相比：
   • MI355X 的每个 XCD 中 CU 数量略有减少，并禁用部分 CU 以提升良率。
   • 通过更高的时钟频率弥补了由于 CU 数量减少导致的带宽差距。
2. 与 NVIDIA B200 (Blackwell) 相比：
   • 规模：MI355X 和 MI300X 都是采用更激进小芯片设计的大型 GPU，基础模块更多。
   • 矩阵乘法性能：
     • CDNA 4 每个 CU 的矩阵吞吐量在许多情况下翻倍，在 FP6 精度上与 B200 的 SM 持平。
     • 但在 16 位和 8 位等低精度数据类型上，B200 每个 SM 的时钟吞吐量是 CDNA 4 CU 的两倍。AMD 依靠更大的 GPU 规模和更高的时钟频率来维持整体吞吐量领先。
   • 向量运算性能：AMD 凭借每个 CU 拥有 128 条 FP32 通道，继续保持对 NVIDIA 的巨大优势。尽管 CU 数量减少，MI355X 的向量性能略低于 MI300X，但仍远超 B200。

本地数据共享（LDS）的增强

LDS 是 GPU 核心中软件管理的暂存存储器。CDNA 4 对其进行了显著升级：

• 容量翻倍以上：从 64 KB 增加到 160 KB。这允许单个内核分配更多 LDS，同时保持较高的占用率（例如，分配 16 KB LDS 的内核在单个 CU 上运行的 workgroup 数量从 4 个增加到 10 个）。
• 读取带宽翻倍：从 128 字节/周期提升到 256 字节/周期。推测可能通过将存储体数量从 32 个增加到 64 个来实现。
• 新指令与功能：
  • 扩展的 GLOBAL_LOAD_LDS 指令：支持将最多 128 位（4 个 DWORD）的数据从全局内存直接加载到 LDS，而 CDNA 3 仅支持 32 位，减少了数据搬运开销。
  • 引入 LDS 读取-转置指令：利用 LDS 内部的交叉开关硬件，在数据加载时执行转置操作，可优化矩阵乘法中因行列主序不匹配导致的低效内存访问模式。

内存子系统升级

• HBM3E 显存：MI355X 升级至 HBM3E，提供 288 GB 容量和 8 TB/s 带宽，超越 NVIDIA B200 的 180 GB/7.7 TB/s，保持了容量和带宽的领先。
• 计算/带宽比：HBM3E 提升了 MI355X 的 DRAM 带宽与计算能力之比（从 MI300X 的约 0.03 字节/FP32 FLOP 升至约 0.05），但 NVIDIA Blackwell 的比率更高（约 0.10）。
• L2 缓存写回优化：L2 缓存现在可以“将脏数据写回并保留该行的副本”，这有助于平滑带宽需求波动或优化数据状态。

总结与演进思路

CDNA 4 并非代际巨变，而是在 CDNA 3 成功基础上的优化与调校。其策略类似于 CPU 从 Zen 3 到 Zen 4 的演进：通过提高时钟频率、增强特定工作负载（低精度矩阵乘法）的单元吞吐量、扩大本地存储和内存带宽来提升性能。AMD 旨在巩固其在传统高性能计算（向量运算）的优势，同时缩小与 NVIDIA 在机器学习关键计算（矩阵乘法）上的差距。

LLMs给DSL设计带来的挑战与机遇

核心问题：大型语言模型（LLM）的崛起正威胁领域特定语言（DSL）的发展。DSL原本能为特定领域提供高效、安全的编程接口，但LLM在主流语言（如Python）上的卓越表现，导致使用DSL的机会成本倍增——开发者为了享受LLM代码生成的便利，可能放弃使用DSL。

关键挑战：LLM性能高度依赖训练数据中语言的流行度。研究表明，即使是工业级通用语言，若在训练数据中占比低，LLM性能也会大幅下降。对于更为小众的DSL，LLM几乎无法有效生成代码。这可能导致DSL设计领域停滞，最终所有开发者都转向Python等主流语言。

三个潜在协作方向

1. 通过主流语言教授LLM关于DSL的知识

   • 思路：利用Python等LLM擅长的语言作为中间表示。让LLM生成受限的Python子集代码，再通过工具自动转换为DSL代码。
   • 优势：避免昂贵的模型微调，可立即应用。目标是构建能自动生成LLM友好型Python语义描述的DSL设计框架。

2. 在DSL中桥接形式化与非形式化描述

   • 背景：LLM擅长根据非正式的自然语言提示生成“胶水代码”，而开发者则专注于实现核心、复杂的逻辑。
   • 方向：设计能无缝集成非正式文本（如自然语言规格说明）与正式代码的DSL。例如，基于DSL自身的类型或分析，自动从代码中生成自然语言规格说明。

3. 为可验证的LLM合成设计语言

   • 现状：已有研究使用Dafny等验证语言，要求LLM生成带规范的代码，以便验证其正确性。
   • 方向：将此类验证规范集成到DSL中。针对不同领域DSL（如对话系统、网络路由），设计能捕获该领域特有属性的验证语言。探索是否可以从DSL实现中自动生成对应的规范语言。

结论：LLM为DSL设计带来了严峻挑战，但也开辟了新的研究方向。DSL设计者必须提升标准，与LLM技术协同进化，否则将面临被主流语言吞没的风险。未来语言设计的核心任务之一是使DSL与LLM工作流高效协作。

《马里奥赛车世界》的HDR实现：从SDR到“伪HDR”的问题

核心问题

《马里奥赛车世界》作为任天堂Switch 2的首发游戏，承诺支持4K60+HDR输出，但实际上采用了SDR优先开发、后期静态色调映射的流程，导致其HDR效果被批评为“伪HDR”。这种做法浪费了HDR技术的优势，未能充分利用高动态范围和广色域。

测试方法

作者使用了专业硬件（Switch 2、Blackmagic DeckLink 4K mini）和软件（DaVinci Resolve）进行测试，通过录制ProRes 4444格式的视频，并在华硕ProArt PA27UCX（2000尼特）显示器上分析。测试中调整了Switch 2的HDR峰值亮度设置（205尼特至10000尼特），观察游戏的实际表现。

主要发现

1. 静态色调映射与亮度限制

   • 游戏峰值亮度在10000尼特设置下仅达到约950尼特，存在明显的亮度天花板。
   • 色调映射函数单一且静态，未根据显示设备能力动态调整，导致高亮度设置下画面细节（如云层）丢失，呈现“洗白”效果。

2. SDR到HDR的简单拉伸

   • 游戏艺术资源完全基于SDR（Rec.709色域）设计，后期通过线性色调映射函数将SDR画面“拉伸”到HDR10（Rec.2020色域）。
   • 通过DaVinci Resolve模拟反向色调映射，发现与游戏原生HDR画面高度相似，证实了SDR优先的工作流。

3. 色彩空间与细节缺陷

   • 色彩空间限制：所有颜色被限制在Rec.709色域内，未利用Rec.2020的广色域优势。玩家感知的“更鲜艳”可能源于亨特效应（亮度提升带来饱和度错觉）。
   • 天空条带问题：天空纹理出现明显色彩断层，可能因SDR开发流程中未在HDR下进行艺术审查，导致细节问题被忽略。

4. 行业普遍性问题

   • 许多开发者仍采用SDR优先流程：先在sRGB/Rec.709下设计灯光、进行艺术审查，最后才由工程师匆忙添加HDR支持。
   • 这种“勾选式HDR”导致动态范围和色彩表现受限，被玩家和媒体批评为“假HDR”。

为什么开发者会陷入这种模式？

• 历史惯性：行业已习惯SDR工作流超过30年，转向HDR需要新的实践和学习。
• 时间与资源压力：艺术团队在SDR下锁定视觉设计后，留给HDR调整的时间往往不足（仅2-4周）。
• 技术妥协：为简化流程，开发者可能使用静态色调映射并故意限制色域，以降低风险，但这牺牲了画质。

2025年为何仍需重视HDR？

• 硬件普及：中端电视已普遍支持超过1000尼特亮度、动态色调映射和Dolby Vision等标准。
• 竞争压力：其他游戏（如《使命召唤：战区》）已实现高峰值亮度和广色域。
• 消费者期望：调查显示，图形质量是玩家购买决策的关键因素；多数玩家已拥有HDR设备。

给开发者的建议

1. 升级制作管线至广色域：从项目开始就支持WCG，或至少在特效中使用超过1.0的线性值。
2. 保留动态范围：日间场景亮度应至少是夜间的5倍；明确特效的亮度标准（如枪口闪光不应比太阳更亮）。
3. 采用动态色调映射：避免静态映射，可考虑Dolby Vision或HDR10+等方案，以适应不同显示器。
4. 将HDR审查设为标准流程：为美术团队提供校准的HDR显示器，在HDR环境下进行艺术评审，确保最终画质。

结论

《马里奥赛车世界》的案例表明，即使顶级开发商也可能因SDR优先流程而未能充分发挥HDR潜力。正确的HDR实现应从项目初始阶段融入开发流程，通过动态色调映射、广色域和峰值亮度控制，才能真正提升视觉体验，避免“伪HDR”问题。

https://luna-rail.com/en/home-2

Tensor library & inference framework for machine learning - nirw4nna/dsc

https://groups.google.com/a/chromium.org/g/chromium-dev/c/v-WOvWUtOpg

Interactive playground for type inference algorithms.

特斯拉计划在德克萨斯州奥斯汀推出的自动驾驶出租车服务，正面临越来越多的质疑，被指是一场危险的“烟雾弹”游戏。核心问题在于，该计划被批评为过度追求宣传效果，而非真正实现其多年承诺的完全自动驾驶。

长期承诺与现实的差距

• 首席执行官埃隆·马斯克多年来多次预测特斯拉将实现完全自动驾驶，但这些预测屡次落空。例如，他曾在2016年预测到2017年底可完成从洛杉矶到纽约的全程无人驾驶，但至今未能实现。
• 马斯克每年都会宣称“当年”或“明年”实现无人驾驶，这已成为业界的笑谈，并有专门的维基百科页面记录这些未兑现的承诺。
• 与之形成对比的是，竞争对手Waymo已在多个城市运营付费自动驾驶出租车服务，每周完成超过20万次行程，并计划大幅扩大车队规模。

“移动目标柱”：承诺与计划的本质区别

• 特斯拉多年来向客户承诺的是，在自2016年以来生产的所有车辆上实现无需监督的完全自动驾驶。
• 然而，在奥斯汀计划推出的“机器人出租车”服务，实际上是运营一个内部小型车队，使用专门优化的软件，并且限定了地理围栏区域。马斯克本人曾声称，需要地理围栏的自动驾驶“不是真正的自动驾驶”。
• 该计划还大量依赖远程人工操控来支持车辆运行，这与向客户车辆部署无需监督的自动驾驶的承诺相去甚远。

安全性质疑与测试的透明度问题

• 马斯克声称特斯拉对安全“超级偏执”，但批评者指出其测试流程与Waymo等公司相比非常仓促和不透明。
• Waymo在奥斯汀启动服务前进行了长达一年的安全测试（含和不含安全驾驶员）。而特斯拉仅在宣布启动前几周才开始无安全驾驶员测试，且目击到的测试车辆极少。
• 尽管马斯克宣称“没有安全驾驶员”，但被目击的特斯拉测试车前排乘客座位上均坐着特斯拉员工，他们实质上扮演着安全驾驶员的角色，并配有紧急停止装置。
• 特斯拉从未公开其自动驾驶系统的干预或脱离数据。根据众包数据，其最新硬件和软件的平均“关键脱离”间隔约为444英里，这意味着在没有驾驶员随时准备接管的情况下，发生事故的风险很高。
• 特斯拉目前还在法庭上抵制公开其自动驾驶事故数据的要求。

结论性担忧 文章表达深度担忧，认为特斯拉当前的状态可能无法安全地推出这项服务。批评者指出，如果特斯拉的“完全自动驾驶”功能仅作为高级驾驶辅助系统（ADAS）销售，而非宣传为未来的无人驾驶，它将是一个出色的产品，既无需承担未能兑现承诺的法律风险，也能减少驾驶员因过度信任技术而产生的麻痹大意。

此外，文章认为特斯拉推动此次上线更多是为了应对竞争压力（如Waymo的发展）和维持其作为自动驾驶领导者的“错觉”。鉴于监管环境，外界对监管机构能否及时采取行动持悲观态度。文章最终质疑，在即将到来的截止日期（6月）前，马斯克是会选择让计划再次推迟，还是会为了宣传效果而强行推出一个存在局限和潜在风险的服务。

AI Agents, Modularity, and Alignment

Time series forecasting is a cornerstone in modern business analytics, whether it is concerned with anticipating market trends, user behavior, optimizing resource allocation, or planning for future growth. This blog post will dive into forecasting on graph structured entities, e.g., as obtained from a relational database, utilizing not only the individual time series as signal but also related information.

https://www.reuters.com/business/energy/investigation-into-spains-april-28-blackout-shows-no-evidence-cyberattack-2025-06-17/

https://www.science.org/content/blog-post/bethesda-declaration

Table of Contents Agents Need to Interact With LLMs Agents Should Be Event-Driven Agents Need Context Agents Require Memory When SQL Is Not Enough Parting Thoughts AI Agents have improved in leaps …