2025-10-02

44 篇热帖

1. Jane Goodall has died (www.latimes.com)

珍·古道尔博士生平概述

珍·古道尔(1934-2025),是一位开创性的自然主义者、动物学家和环保倡导者。她因在非洲野外对黑猩猩进行深入细致的观察而闻名,其研究成果从根本上改变了人类对自身和黑猩猩的理解。她于91岁时在加州因自然原因去世。

核心科学贡献与研究方法

古道尔的研究生涯始于1960年,当时她受人类学家路易斯·利基的资助,前往坦桑尼亚的冈比溪国家公园(Gombe Stream National Park)研究野生黑猩猩。她的研究带来了多项革命性发现:

  • 工具的使用与制造:她观察到黑猩猩会使用草棍“钓取”白蚁,推翻了“只有人类能制造和使用工具”的传统定义。这一发现促使利基提出:“我们必须重新定义人类,重新定义工具,或者接受黑猩猩是人类!”
  • 狩猎与肉食行为:她发现黑猩猩并非纯素食者,它们会集体捕猎并分食其他动物(如疣猴)。
  • 复杂的情感与社会行为:她的研究记录了黑猩猩拥有人类般的情感,包括亲情、悲伤、合作乃至近乎“战争”的暴力行为。
  • 研究方法创新:她摒弃了用编号指代动物的传统做法,为黑猩猩取名(如“灰胡子大卫”、“弗洛”等),并详细记录它们的个体生活史和性格。这种初期备受同行(尤其是男性主导领域)质疑的方法,后来被广泛接受并提升了动物行为学的研究深度。

挑战与突破

古道尔的研究初期在科学界面临 skepticism,她的方法曾被批评为过于拟人化。然而,她坚持不懈。20世纪70年代中期,她观察并记录了冈比黑猩猩群体间一场长达四年的残酷“战争”,其中一个群体系统地消灭了邻居群体。这一发现首次证明了非人灵长类动物有组织地针对同类进行致命暴力行为,永久性地改变了科学界对黑猩猩“温顺”本性的认知,也为理解人类侵略行为的进化根源提供了新视角。

早期生活与机遇

古道尔自幼对动物和自然充满好奇。童年时观察母鸡下蛋、在树上写作业的轶事体现了她对自然的专注。1957年,她抵达肯尼亚,结识了路易斯·利基,并先作为其秘书参与化石挖掘工作。利基最终资助她前往冈比,开启了她的传奇研究之旅。1965年,她未经本科教育直接获得了剑桥大学动物行为学博士学位。

后期生涯与保护倡导

20世纪80年代起,古道尔的研究重心逐渐转向全球保护倡导:

  • 创立机构:1977年,她创立了珍·古道尔研究所,致力于黑猩猩保护、研究和公众教育。
  • 全球倡导:她每年用大量时间环球旅行演讲,呼吁保护黑猩猩栖息地、反对森林砍伐、促进可持续发展,并关注气候变化等全球环境问题。
  • 青年项目:她发起了 “根与芽” 项目,旨在激励全球青少年参与环境保护和社区服务。
  • 历史研究:她坚持对冈比黑猩猩的长期跟踪,积累了世界上最长的野生黑猩猩行为研究数据。

个人生活与遗产

古道尔一生著述丰富,其形象通过《国家地理》等媒体深入人心。她曾获颁众多荣誉,包括1995年国家地理学会哈伯德奖章。纪录片《珍》(2017)利用新发现的档案影像,讲述了她的生涯故事。她将黑猩猩视为有个性的个体,而非研究对象,并一生致力于向世界传达一个信息:每个人的选择都能对环境和动物产生影响,从而带来积极改变。她的工作不仅革新了灵长类动物学,更使她成为全球环保主义的标志性人物。

2. How Israeli actions caused famine in Gaza, visualized (www.cnn.com)

根据联合国支持的综合粮食安全阶段分类(IPC)2025年8月发布的报告,以色列持续近两年的军事行动已导致加沙地带部分地区陷入“人为”饥荒。报告预测,到9月底,近三分之一的加沙总人口将面临饥荒条件。

IPC指出,仅在加沙地带人口最多的加沙省,就有超过50万人陷入“饥饿、赤贫和死亡”的循环。以色列对加沙市的进攻,被其总理内塔尼亚胡称为打击哈马斯“剩余据点”,却进一步切断了对饥饿民众的救援行动。联合国食物权特别报告员迈克尔·法赫里指责以色列将饥饿“作为对付巴勒斯坦人的武器”,违反国际法。

以色列方面拒绝接受IPC的结论,声称报告基于“片面、有偏见”的数据,并否认存在饥饿政策,同时强调已增加对加沙的援助准入。然而,援助机构指出,以色列升级战争,特别是在加沙市周边的行动,加剧了巴勒斯坦人的苦难。

报告提供了几项关键数据:

  • IPC预测,到9月底,饥荒将蔓延至代尔拜拉赫、加沙中部及更南的汗尤尼斯,影响近64.1万人。
  • 预计到2026年6月,至少有13.2万名五岁以下儿童遭受急性营养不良,其中超过4.1万例为严重病例。
  • 截至10月1日,加沙卫生部报告已有455人死于营养不良或饥饿,其中151名是儿童;自8月15日IPC确认饥荒以来,已有177人死亡。

IPC强调,其饥荒认定遵循三项标准门槛,且未降低标准。该机构使用儿童上臂中部围度(MUAC)这一指标,指出至少15%的6至59个月龄儿童MUAC低于125毫米或出现水肿。

人权倡导者和联合国机构认为,以色列通过繁琐的官僚程序(如延迟审批、严苛边境检查、任意拒绝物资)严重限制了进入加沙的援助量,并导致食品价格飙升。尽管以色列方面声称有卡车在边境“无人认领”,并指责联合国协调不力,但联合国近东救济工程处(UNRWA)代理主任萨姆·罗斯表示,以色列控制着“每一卡路里”流入加沙的食物量。以色列国防部下属的协调政府活动在被占领土委员会(COGAT)一名高级官员则称,自8月初以来,每人每天有4400卡路里的食物进入加沙。然而,联合国6月报告显示,巴勒斯坦人当时人均日摄入仅1400卡路里,远低于2300卡路里的生存所需。

以色列还禁止UNRWA在其控制区运作。与此同时,由美以支持的加沙人道主义基金会(GHF)自5月起运营的分发点,以及空投援助等方式,被救济和卫生工作者批评为非人道且难以触及,并导致民众面临伤亡风险。联合国称,5月27日至9月9日期间,至少有1172人在“军事化供应点”附近被杀,另有1084人在车队路线沿线死亡。GHF为其工作辩护,并表示是唯一能在加沙不受干扰大规模提供食物的组织。

此外,农业生产的崩溃加剧了危机。截至7月28日,仅剩1.5%的农作物可及且未被破坏。以色列的禁渔令和北部攻势进一步限制了食物来源。

联合国特别报告员法赫里指出,以色列在加沙北部的行动与其“意图将民众从北推向南”的计划相关。世界粮食计划署首席经济学家警告,对加沙市的入侵将使本已脆弱的援助供应链崩溃。救济机构呼吁停火、确保人道主义准入、提供大规模多领域援助、保护平民和基础设施,并恢复商业和本地粮食系统,以逆转饥荒局势。

3. Potential issues in curl found using AI assisted tools (mastodon.social)

curl项目利用AI工具发现大量代码问题

curl项目维护者Daniel Stenberg报告,安全研究员Joshua Rogers使用其开发的AI辅助工具集对curl代码库进行了扫描,并提交了一份数量庞大的潜在问题列表。

主要发现:

  • 问题性质:报告的问题主要属于代码分析器风格的小瑕疵,但这些仍然是实际存在的缺陷。其中可能包含一两个实际的安全漏洞
  • 处理进展:基于此报告,curl项目已经合并了22个错误修复。目前仍有超过两倍于此数量的问题有待逐一审查和处理。
  • 数据参考:这些发现记录在Joshua Rogers的SARIF(静态分析结果交换格式)数据中。其他开发者若想查看,可参考注明了“Reported in Joshua's sarif data”的提交记录。

此次发现被视为非常出色的成果,展示了AI工具在大型开源项目代码审计中的应用价值。

4. Don't avoid workplace politics (terriblesoftware.org)

摘要:不要回避职场政治

核心观点

文章指出,工程师常对“政治”一词心生反感,视其为卑劣的权术游戏,并自诩专注于技术而远离政治。作者以自身经历为例,从曾经厌恶政治转变为现在认为问题不在于政治本身,而在于糟糕的政治,回避政治只会让糟糕的政治决策盛行。

政治的定义与本质

  • 政治是群体协调的自然方式:它是存在于每个组织中的关系、影响力和非正式权力网络,用于协调人类行动。
  • 回避无法消除政治:拒绝参与只会导致决策在没有你(或缺乏正确信息的人)参与的情况下做出。
  • 观点胜出取决于影响力:技术决策的优劣并非仅由技术本身决定,掌握影响力、善于建立联盟、充分准备的人往往能让其观点被采纳。想法需要人来表达,善于经营关系和影响力的人,其想法更容易被听见。

为何要参与政治

  • 糟糕技术决策的根源:常因知情者未参与决策过程,而非决策者愚蠢。
  • 好政治的本质战略性地经营关系和影响力,以达成良好结果。它体现在跨团队建立关系、理解各方需求、用非技术语言沟通、协调共识等日常行为中。
  • 优秀技术领袖的实践:他们实质上非常善于政治(如利益相关者管理、建立共识、组织意识),只是不这样称呼。

好政治的具体实践

  1. 预先建立关系:在需要之前与他人(如其他团队成员)建立联系,为未来合作奠基。
  2. 理解真实动机:了解上级等决策者的核心关切(如更快发布功能),用他们关心的语言阐述技术方案。
  3. 有效向上管理:及时向管理者同步重要信息、提前预警问题并提供解决方案,建立信任,使其在关键时为你争取。
  4. 创造双赢局面:寻求互助共赢的方案,而非零和资源争夺。
  5. 保持能见度:主动分享成就、进行展示、撰写设计文档,确保优秀工作被看见。

不参与政治的后果

  • 好项目因无人支持而失败。
  • 糟糕的决策因缺乏反对声音而通过。
  • 优秀人才因无法适应组织动态而离开。
  • 没有“无政治”的状态,只有好政治或坏政治默认获胜。

结论

工程师并非能超越政治。唯一的问题是:你将精通此道,还是继续输给早已擅长的人?

5. NL Judge: Meta must respect user's choice of recommendation system (www.bitsoffreedom.nl)

荷兰法官裁决:Meta必须尊重用户对推荐系统的选择权

裁决概述

2025年10月2日,荷兰法官在数字人权组织Bits of Freedom对Meta的简易诉讼中作出裁决,认定Meta违反了欧盟《数字服务法》(DSA),并命令其调整应用以尊重用户的选择权。

诉讼背景

Bits of Freedom起诉Meta,要求其在Instagram和Facebook等应用中提供选项,允许用户选择不基于用户画像的推荐系统。诉讼依据是DSA,该法规旨在赋予用户更多自主权和控制权,特别是在在线平台的信息呈现方面。

法官裁决要点

  • 违法认定:法官指出Meta的设计违反了DSA的目的,该法旨在为用户提供真正的自主权、自由选择和控制信息呈现的方式。Meta的非持久性选择选项(即用户选择后不能保留)被认定为违规。
  • 具体问题:Meta通过设计技巧引导用户使用基于用户画像的推荐系统(其核心商业模式依赖于此),例如将非画像推送隐藏在标识后难以发现,并剥夺用户选择非画像推送时的直接消息功能。应用总是默认启动Meta的推送,即使用户之前选择了其他选项。
  • 命令内容:法官命令Meta调整应用,确保用户的选择在导航到其他部分或重启应用后仍能保留。

影响与反应

  • Bits of Freedom的回应:发言人Maartje Knaap对裁决表示欢迎,强调Meta的权力集中对民主构成风险,并指出需要诉讼才能确保法律合规。她认为这只是第一步,希望裁决能激励全球各方合作限制Meta的权力。
  • 更广泛意义:裁决突出了用户在选举期间对信息自主权的需求,尤其针对荷兰即将举行的全国选举。它展示了对大型科技公司权力的法律制约可能性。

附加信息

  • 裁决原文(荷兰语)和英文翻译版本可通过Bits of Freedom网站访问。

(字数:约400字)

6. Solar leads EU electricity generation as renewables hit 54% (electrek.co)

2025年第二季度,欧盟(EU)净发电量中可再生能源占比达到54%,较去年同期上升。这一增长主要由太阳能推动,其发电量达122,317 GWh,占总发电量的近20%。

2025年6月是一个里程碑,太阳能首次成为欧盟单月最大的电力来源,供应了22%的电力,超越了核电、风电、水电和天然气。

各国在可再生能源占比上存在显著差异:

  • 领先国家:丹麦(94.7%)、拉脱维亚(93.4%)、奥地利(91.8%)、克罗地亚(89.5%)和葡萄牙(85.6%)的可再生能源发电份额最高。
  • 滞后国家:斯洛伐克(19.9%)、马耳他(21.2%)和捷克(22.1%)的份额较低。
  • 增长显著国家:15个欧盟国家的可再生能源份额实现同比增长,其中卢森堡(+13.5个百分点)和比利时(+9.1个百分点)增幅最大,主要得益于太阳能的增长。

在欧盟可再生能源总发电量中,各能源类型占比如下:

  • 太阳能:36.8%
  • 风能:29.5%
  • 水电:26%
  • 生物质能:7.3%
  • 地热能:0.4%
7. Immich v2.0.0 – First stable release (github.com)

Immich v2.0.0 – 首个稳定版发布

项目里程碑与欢迎致辞

经过约1337天的开发、271次发布、GitHub上7.8万星标、1558名贡献者的努力,以及Discord 3.15万、Reddit 3.6万社区成员的支持,并支持68种语言的翻译,Immich v2.0.0 稳定版正式发布。团队回顾了项目自2022年2月首次提交以来的发展历程,并经历了加入FUTO、推出产品密钥模式、开设周边商店、参加FOSDEM等重要事件。

稳定版的意义

  • 解决了大量技术债务,意味着更高的稳定性和可靠性。
  • 优先考虑兼容性,降低了后续升级维护的难度。
  • 移除了网站上的警告横幅,并同步上线了新版 immich.app 网站。

庆祝活动与周边

为纪念这一里程碑,团队推出了实体DVD形式的Immich稳定版,内含可启动的Immich实例和团队精选照片。用户可通过immich.store购买DVD及客户端/服务器产品密钥。周边商店也更新了复古风格的设计商品。

未来计划

  1. 路线图完善:包括自动堆叠、实现Web与移动端功能对等、改进堆叠支持、优化分享、群组管理和所有权管理等。
  2. 使用数据收集:计划以非侵入、透明的方式收集匿名使用数据,以更好地指导产品决策,并将与社区讨论具体方案。
  3. 备份服务:将推出付费增值服务(非付费墙功能),首先是端到端加密的异地备份与恢复功能,该功能也将支持“好友备份”模式。

常见问题解答(FAQ)

  • 是否仍需自行备份? 是,仍建议遵循3-2-1备份策略(多份本地、一份异地冷存)。团队正开发云备份服务以简化操作。
  • 如何升级? 可参照官方升级文档操作。v2.0.0的Docker镜像将在博文发布数小时后推送。
  • 版本策略:自v2.0.0起,将采用语义化版本控制。
  • 移动端兼容性:任何v2.x.x版本的移动端应用将兼容所有v2.x.x版本的服务器。
  • 未来是否继续开发新功能? 是,Immich将持续构建和发布新功能。

致谢与互动

团队感谢社区在过去三年中的持续支持与反馈。将于2025年10月2日 UTC 18:00 举办Q&A直播,可在指定链接提交问题并订阅通知。

9. Red Hat confirms security incident after hackers breach GitLab instance (www.bleepingcomputer.com)

An extortion group calling itself the Crimson Collective claims to have stolen nearly 570GB of compressed data across 28,000 internal development respositories belonging to Red Hat, with the company confirming it was a breach of one of its GitLab instances.

11. OpenTSLM: Language models that understand time series (www.opentslm.com)

OpenTSLM:理解时间序列的语言模型

本文介绍了OpenTSLM项目,旨在开发一类新的基础模型——时间序列语言模型。其核心观点与信息如下:

核心概念:时间序列语言模型

  • 定义:TSLMs是一种多模态基础模型,将时间序列作为与文本、图像、音频并列的原生模态
  • 功能:使AI能够直接基于时间序列数据进行推理、解释和预测,并用自然语言进行交互。
  • 必要性:现实世界运行在“时间”之上(如心率、股价、传感器脉冲),但当前模型缺乏对时间信号的深度推理能力。

技术优势与成就

  • 性能提升:研究表明,TSLMs在时间推理任务上实现了量级上的性能提升
  • 模型效率:能够在更小、更快的模型架构上运行。
  • 定位:TSLMs并非现有模型的附加组件,而是一种全新的AI模态

模型体系与开源策略

  • OpenTSLM(开源核心)
    • 基于公开数据训练的轻量级基础模型。
    • 完全开放,旨在为全球开发者和研究社群建立时间推理的基准。
  • Frontier TSLMs(前沿专有模型)
    • 基于专业数据训练的先进专有模型。
    • 提供企业级性能,支持API、微调及垂直行业解决方案。

愿景与应用前景

  • 长期目标:为AI构建时间接口,将现实世界的连续信号与智能决策及自主智能体相连接。
  • 潜在应用:驱动前瞻性医疗保健、自适应机器人、韧性基础设施以及新形式的人机协作。

背景与团队

  • 团队:由来自斯坦福大学、哈佛大学、苏黎世联邦理工学院等多所顶尖院校,以及谷歌、Meta、AWS等科技公司的科学家与工程师组成。
  • 权威性:团队是OpenTSLM论文的原作者。
  • 发布:相关论文与代码库已于2025年10月在ArXiv和斯坦福仓库发布。
12. EU funds are flowing into spyware companies and politicians demanding answers (www.theregister.com)

: Experts say Commission is ‘fanning the flames’ of the continent’s own Watergate

15. Codeberg Reaches 300k Projects (codeberg.org)

Codeberg 简介

Codeberg 是一个由非营利组织 Codeberg e.V. 维护的平台,该组织基于德国柏林,致力于支持公共资源。其未来掌握在用户手中,欢迎任何人参与贡献。

核心价值观

  • 社区驱动:Codeberg 不仅是 Git 托管服务,其社区由开发者、艺术家、学者、业余爱好者和专业人士组成,共同庆祝自由文化、开放性和创造力。
  • 尊重隐私:平台无跟踪、无第三方 cookies、无牟利行为;所有服务器均自行控制,绝不销售用户数据。托管在欧洲,面向全球用户。

支持方式

Codeberg 鼓励用户通过以下方式参与和支持:

  • 成为会员:加入 Codeberg e.V. 作为支持或活跃成员,享有投票权,以强化非营利独立性。
  • 资助项目:基于自由软件理念,维护和开发有成本,通过自愿捐款提供更好服务。
  • 参与开发:Codeberg 由自由软件驱动,欢迎贡献代码和服务以改进用户体验。

总结:Codeberg 作为一个非营利、社区驱动的 Git 托管平台,强调隐私保护、自由文化和用户参与,通过会员制、捐款和开发贡献实现可持续发展。

16. Magic Wormhole: Get things from one computer to another, safely (magic-wormhole.readthedocs.io)

Magic Wormhole:安全跨计算机传输文件的工具

概述

Magic Wormhole 是一个用于在两台计算机之间安全传输文件(或任意数据流)的工具。它支持点对点(P2P)连接,并在需要时通过中继服务器进行通信。其核心安全机制基于密码认证密钥交换(PAKE),使用人类可读的短码实现端到端加密。

核心功能与工作原理

1. 传输内容

  • 主要传输文件或目录,也可传输任意消息(如 TCP 流)。
  • 通过“Dilation”协议支持持续数据流传输。

2. 连接方式

  • 优先使用点对点(P2P)直接连接。
  • 初始通信通过邮箱服务器(Mailbox Server)进行,用于交换密钥和连接信息。
  • 若双方无法直接连接(如均处于 NAT 后),则使用中继服务器(Transit Relay)转发加密数据。
  • 连接建立后,所有通信均为端到端加密。

3. 安全性

  • 采用 SPAKE2(PAKE 的一种变体)协议。
  • 用户使用简短、易读的蠕虫洞码(wormhole code)建立安全连接。
  • 每个码仅限一次性使用,攻击者仅能猜测一次。
  • 若猜测成功,一方连接将失败并提示错误,防止中间人攻击。

使用方式

CLI 工具

  • 发送文件wormhole send FILENAMEwormhole send DIRNAME
  • 接收文件wormhole receive 并输入显示的码。
  • 支持选项如 --code-length 调整码长度、--verify 进行额外验证。
  • 码支持终端自动补全。

安装方法

  • macOS:通过 Homebrew 安装 brew install magic-wormhole
  • Linux
    • Debian/Ubuntu:sudo apt install magic-wormhole
    • Fedora(36及之前):sudo dnf install magic-wormhole
    • openSUSE:sudo zypper install python-magic-wormhole
    • 通用:使用 Snap 包 sudo snap install wormhole
  • Windows:通过 Chocolatey 安装 choco install magic-wormhole
  • 从源码安装:使用 pip install magic-wormhole 或创建虚拟环境。

技术架构

  • 邮箱服务器:中转初始消息,允许双方通过码建立连接。
  • 中继服务器:在无法直接连接时中转加密数据。
  • 库提供 wormhole 模块供其他应用集成,并支持 wormhole.transit 模块实现加密数据传输。

生态系统与应用

  • GUI 客户端:如 GNOME 下的 Warp。
  • 移动端应用:Android 版 Wormhole。
  • 扩展用途
    • git withme:实现无托管的 P2P Git 协作。
    • pear On:直接共享终端会话。
  • 协议已有多个客户端实现。

开发与维护

  • 项目托管在 GitHub,使用 MIT 许可证。
  • 支持 Python 3.10 至 3.13。
  • 提供虚拟环境开发指南和测试运行说明。
  • 通过 IRC 和 Matrix 频道提供社区支持。

设计目标

解决传统文件传输的痛点(如依赖物理介质、账户配置、不安全邮件等),旨在让安全传输像“两个巫师同时念出咒语”一样简单直观。

18. Meta will listen into AI conversations to personalize ads (www.theregister.com)

Meta将监听AI对话以个性化广告

Meta宣布从2025年12月16日起,将利用用户与其AI服务的文本和语音对话来个性化内容和广告。这一变化适用于Meta AI的网页聊天界面以及集成Meta AI的应用,包括Facebook、Instagram、WhatsApp和Messenger。

实施细节

  • 示例:如果用户与Meta AI讨论徒步旅行,Meta可能会推荐徒步相关团体、朋友帖子或广告,如徒步鞋。
  • 通知活动:从2025年10月7日开始。
  • 退出选项:没有用户选择退出的方式,但欧盟、英国和韩国用户暂时被排除在外。
  • 敏感话题排除:Meta表示不会基于涉及宗教、性取向、政治、健康、种族、民族、哲学信仰或工会会员身份的对话进行个性化。
  • 用户控制:用户可通过广告偏好和信息流自定义控件进行一些调整。

背景与投资

  • Meta在AI基础设施和人才上投入了数百亿美元,计划到2028年投资6000亿美元于AI。
  • AI投资主要旨在增强广告业务:AI已帮助提高广告互动,并简化广告商的活动创建和管理。
  • 2024年,Meta的1650亿美元收入中98%来自广告,净利润为624亿美元。

批评与法律问题

  • 监督机构如Check My Ads指出,Meta此举可能降低广告透明度,因为其闭环数据来源会阻碍独立审计。
  • Meta正面临一场70亿美元的集体诉讼,广告商指控其广告欺诈,称Meta虚报广告潜在覆盖范围,但Meta对此提出异议。

Meta的此举反映了其核心商业模式依赖广告,并希望通过AI进一步优化用户体验和广告效果。

19. Work is not school: Surviving institutional stupidity (www.leadingsapiens.com)

工作不是学校:在“组织愚蠢”中生存

文章核心指出,工作环境与学校规则截然不同,许多职场挫败源于将“学校规则”(如努力必有回报、公平竞争)套用于充满主观性和组织复杂性的职场。以下是文章总结的主要观点:

主要观点

  1. 归咎于愚蠢,而非恶意

    • 职场中许多看似“政治”或“暗算”的行为,更可能源于愚蠢、惯性、激励错位、注意力分散或认知错位,而非个人恶意。
    • 采取这种视角有助于保持客观、避免个人化挫败,从而保持好奇心并系统性地分析问题。
  2. 组织绝非精英体制

    • 优秀的表现是必要的“入场券”,但不足以保证晋升。
    • 奖励往往更取决于与权力的接近度、时机、他人感知和政治效用,而非纯粹的业绩。
    • 表现需要“分发策略”:必须主动让工作可见、有影响力并构建叙事,否则他人可能会替你诠释(且可能不准确或不利)。
  3. 感知与表现同等重要

    • 职场中没有绝对客观的评估标准,“感知”本身就是“数据”,且由忙碌的人基于有限信息构建。
    • “谁在感知”比“被感知”更重要:关键影响节点的看法至关重要。需主动向上链传递工作的价值和意义,塑造其解读。
    • 工作不仅要做得好,更要被感知为有价值。
  4. 勿浪费时间追求“绝对客观公平”

    • 组织虽标榜数据(KPI、OKR),但决策背后常有主观因素(如信任、声誉、故事)。
    • 应转而学习理解其背后的主观逻辑:决策者信任谁?他们如何定义战略?什么能让他们感到安全?
  5. 定位你提供的价值

    • 同样的内容,在错误的时间、以错误的方式或通过错误的人提出,可能被视为无关紧要;反之,平庸的创意经过精心定位可能被视为远见。
    • 关键不仅是“说什么”,还有“何时说”、“如何说”及“通过谁说”。应像营销活动一样,持续、多样化地传递信息。
  6. 注意差距:你的标准与他们的标准

    • 不同人遵循不同的“游戏规则”。你可能注重实质贡献,而他人可能更擅长将日常工作定位为“战略”或通过关系构建影响力。
    • 这并不意味着要放弃原则,而是要清晰认识你所处的环境。不能拒绝看清游戏规则却期望有效参与。
    • 关键在于:预期不对称性,并创造性地参与,同时保持道德上的清醒。
  7. 职位越高,通道越像倒漏斗

    • 高层职位更少,模糊性更强,结构化更弱,主观性更高。“做得正确”仍可能被跳过,这并非对你价值的否定,而是几何结构使然。
    • 因此,坚持和耐受挫折不仅是美德,更是实践长期主义的关键。这需要很高的“挫折容忍力”。
  8. 清楚你选择参与的游戏

    • 职场中存在多种重叠的游戏,有不同的计分系统(如长期信誉 vs. 短期曝光)。
    • 危险在于不自觉地滑入他人的游戏,优化自己并不认同的角色。
    • 自主选择并承担其全部后果:选择构建长期价值,就需接受可见的职位和认可可能延迟。最大的灾难是浑浑噩噩地走上一条路,却假装自己别无选择。
  9. 关注你的影响圈

    • 过度专注于关心但无法影响的事物会导致职业倦怠和无助感。
    • 有意地掌控你能控制和影响的领域(如你的定位、人际关系、正在构建的事物),保持内在的控制点。
  10. 保持多元的意义来源(平衡的投资组合)

    • 如果自我价值完全绑定于组织的认可(如职位、绩效评估),则非常脆弱。
    • 解药在于意义来源的多元化:投资于超越特定雇主的技能、能持久存在的社群、能滋养你的项目与关系。这能构建适应性能力,并为你在职场中行使心理勇气提供更多底气。

总结

文章旨在为受挫的高绩效者提供“现实核查”。其目的不是愤世嫉俗或操纵系统,而是发展对组织实际运作方式的细腻理解,从而能够更有意识地选择如何参与、贡献和创造意义。目标是学会在“组织愚蠢”的潮流中有效地工作,并通过坚持参与,从内部逐步改善系统。组织是不完美但可改变的人类构造物。

20. The Company Man (www.lesswrong.com)

文章摘要

文章标题为《The Company Man》,来自LessWrong平台。作者在描述中提到,在前往校园的路上,必须经过一些被他称为“fentanyl zombies”(芬太尼僵尸)的人。作者选择这个术语是为了帮助自己产生一种疏离、低共情的心理态度,以便应对这种场景。

提供的描述内容有限,仅涉及作者的个人经历和术语使用的初衷,未涵盖文章的其他细节或结论。

21. The G in GPU is for Graphics damnit (ut21.github.io)

本文介绍了作者如何使用Triton优化语言来加速一个受黏菌生长启发的Physarum算法模拟,并探讨了相关的GPU编程、性能分析和算法特性。

1. 背景与模型

  • 作者在微软研究院实习期间,出于对“代码艺术”的兴趣和Triton优化的学习目的,选择了Physarum算法作为研究对象。该算法模拟黏菌的生长,通过智能体和信息素场的交互产生复杂图案。
  • 文章使用PyTorch实现了一个基础版本,包含感知、转向、移动、信息素沉积和扩散衰减等步骤,并展示了生成的视觉效果图。
  • 作者还进行了两个扩展实验:一是将图像作为信息素场的初始状态进行模拟;二是将模拟结果离散化以生成类似地形/洞穴的图案。

2. 性能分析与问题

  • 使用PyTorch Profiler对初始实现进行分析,发现第一个模拟步骤因CUDA内核的延迟加载、JIT编译和内存分配而耗时显著长于后续步骤。
  • Profiler的详细追踪显示,每个模拟步骤(step函数)会启动大量(例如55个)独立的CUDA内核,这些内核执行时间短但启动开销大,且存在中间张量的全局内存读写,限制了性能。

3. Triton优化

  • Triton简介:Triton是一个用于编写高效GPU内核的领域特定语言(DSL),它允许开发者以Python风格编程,但能融合多个操作,减少内核启动次数和中间内存访问,并利用寄存器存储数据。
  • 优化思路:将原始PyTorch实现中分散的多个操作(如计算传感器偏移、采样、更新角度和位置)融合到少数几个定制的Triton内核中,以减少内核启动和内存读写。
  • 内核实现
    1. 融合的感知与更新内核 (agent_sense_and_update_kernel):将智能体的感知(计算三个方向的信息素值)和后续的转向、移动操作合并到一个内核中。所有中间计算(如角度正弦/余弦、采样点坐标)都在寄存器中完成,仅最终的位置和角度写回全局内存。
    2. 信息素沉积内核 (pheromone_deposit_kernel):使用tl.atomic_add批量处理所有智能体的信息素沉积,确保多个智能体对同一像素的并发写入正确,并且仅需一次内核启动。
  • 性能对比:优化后,每个模拟步骤启动的CUDA内核数从55个减少到17个。基准测试显示,在特定场景下,Triton版本的模拟运行速度比PyTorch原版快了近8倍(12.4秒 vs 98.8秒),显著提升了性能。

4. 算法敏感性的理论探讨

  • 作者尝试用数学方法(如布尔函数的平均敏感性、Lyapunov指数)来理论分析Physarum算法对初始条件的敏感性。
  • 通过一个简化的线性模型,推导出在特定条件下(正反馈项大于阻尼项),算法输出对初始微小扰动是指数敏感的,这为该算法作为“伪随机”地形生成器的特性提供了一定的理论依据。

总结 本文通过一个具体的Physarum模拟案例,展示了从性能分析到利用Triton DSL进行GPU内核优化的完整流程。核心在于通过操作融合、减少内核启动和优化内存访问模式,大幅提升了计算密集型仿真的性能。同时,文章也涉及了算法敏感性的理论思考和视觉生成的创意应用。

22. Kirigami-inspired parachute falls on target (physicsworld.com)

New system does not need to drift to avoid turbulence

24. No more "check mail from other accounts" in Gmail web (support.google.com)

Gmail 将停止支持以下两项功能:

1. Gmailify 功能停用

  • 此功能允许第三方邮箱账户(如 Yahoo、Outlook)获得 Gmail 的专属功能,包括垃圾邮件保护、移动设备更好的邮件通知、收件箱分类以及使用高级搜索运算符的快速搜索。
  • 停用后,这些特殊功能将无法应用于您的第三方邮箱账户。
  • 您需要做的: 您仍然可以通过标准 IMAP 连接,在 Android、iPhone 和 iPad 的 Gmail 应用 中继续阅读和发送来自其他账户的邮件。

2. “检查其他账户邮件”功能停用

  • Gmail 将不再支持通过 POP 协议从第三方账户获取邮件。
  • 电脑版 Gmail 中的“检查其他账户邮件”选项将被移除。
  • 您需要做的(重要): 您有两种方式继续访问其他邮箱的邮件:
    • 设置自动转发: 在您的其他邮箱提供商处设置自动转发,以便新邮件自动出现在您的主 Gmail 收件箱中(类似于之前 POP 获取的效果)。具体操作请参考您的邮箱提供商的说明文档。
    • 在 Gmail 应用中添加账户: 您可以在 Android、iPhone 和 iPad 的 Gmail 应用中添加您的其他邮箱账户(使用标准 IMAP 连接),继续读写邮件。

常见问题解答:

  • 时间线: 2026 年第一季度后,新用户将无法使用这些功能。现有用户可继续使用至 2027 年 1 月。
  • 已导入邮件: 之前已同步到 Gmail 的邮件不会丢失。
  • 移动应用兼容性: 您仍然可以在 Gmail 移动应用中添加和使用其他邮箱账户(如 Yahoo! 和 Outlook)。

对于工作或学校账户: 您的管理员可以使用数据迁移服务将邮件数据迁移至 Google Workspace。

26. DuckDuckGo Donates $25,000 to The Perl and Raku Foundation v2025 (www.perl.com)

DuckDuckGo 向 Perl 和 Raku 基金会捐赠 25,000 美元

核心捐赠事实

  • 捐赠方与金额:搜索引擎公司 DuckDuckGo 向 Perl 和 Raku 基金会捐赠了 25,000 美元。
  • 连续性:这是 DuckDuckGo 连续第二年进行同等金额的捐赠。
  • 捐赠目的:该笔捐款将用于资助 Perl 核心维护基金,以支持 Perl 语言的核心开发和持续发展。

基金会立场与认可

  • 基金会态度:TPRF 对这笔捐赠表示衷心感谢,并强调 DuckDuckGo 的支持对基金会的未来规划至关重要。
  • 技术认可:DuckDuckGo 的捐赠基于其实践证明——Perl 及其生态系统为其核心系统、插件框架和“即时答案”功能提供了强大而可扩展的支持。
  • 长期价值:基金会表示,此类多年期伙伴关系使其能够更有信心地规划未来,确保持续投入于 Perl 语言及其社区的维护工作。

资金用途与具体成果

捐赠资金已用于支持 Paul “LeoNerd” Evans 等开发者的持续工作。在其负责的核心维护工作期间,主要贡献包括为 Perl 语言引入了以下新特性和功能:

  • builtin 模块(5.36版本):提供了原先需从其他模块加载的实用语言级工具。
  • 完整的 class 特性系统(5.38版本):增加了正式的面向对象语法和能力。
  • 词法方法支持(5.42版本):引入了 my method$obj->&method 调用语法,增强了对象封装性。
  • 稳定实验性特性:如子例程签名(5.36版本)、try/catch(5.40版本)、对多个变量的 foreach 循环(5.40版本)。
  • 运算符与参数改进:在签名中支持 //=||= 运算符(5.38版本),以及即将发布的性能改进和命名参数功能。
  • 新增关键字:引入了 anyall 关键字(5.42版本)。

后续呼吁

基金会指出,虽然不能将支持视为理所当然,但持续赞助至关重要。文章最后邀请更多赞助者加入,并提供了联系方式以获取更多信息。

27. Increasing your practice surface area (www.indiehackers.com)

概念定义
“练习表面积”指个人生活中可用于练习的总时间与空间范围。顶级表现者往往将训练融入日常,突破正式练习的界限,使生活本身成为持续的学习过程。

案例说明

  1. 索菲亚·波尔加:童年时在浴室沉迷棋局,后续在国际象棋领域取得卓越成就,其成功不仅源于系统训练,更因将所有时间视为练习机会。
  2. 乔治·奥威尔:尽管厌恶正式写作,但从童年起在脑中持续构建叙事场景,无形中积累了大量文学练习。
  3. 理查德·费曼:通过向假想学生讲解物理问题,将独处时间转化为教学演练。
  4. 鲍比·菲舍尔:随身携带棋盘,利用床天花板、候诊室等场景分析棋局,将碎片时间转为高强度训练。

核心观点
所谓“天赋”常源于更高的练习表面积。若两人每周正式练习时间相同,但一方在通勤、休息甚至梦境中持续进行无意识练习,其总训练量将显著领先。这种差异并非天生能力,而是生活与训练融合程度的体现。

提升练习表面积的五大方法

  1. 最小可行重复:设计无需设备、场地的微练习(如鲍比·菲舍尔在床上用天花板练习棋局)。
  2. 闲置时间心理演练:将等待时间用于可视化训练(如迈克尔·菲尔普斯在候场时模拟比赛)。
  3. 嵌入日常活动:结合生活节奏练习(如玛雅·安杰卢拖地时构思诗歌)。
  4. 建立后台处理系统:让技能在潜意识中持续运行(如Eminem无意识地将对话转化为押韵练习)。
  5. 利用环境约束创新:将限制转化为练习参数(如UFC选手安德森·席尔瓦在夜店用舞蹈模拟格斗组合)。
28. Microsoft allows use of personal Microsoft 365 subscriptions at work (www.theregister.com)

: Use your home subscription with your work Microsoft 365 account

29. Edge264 – Minimalist, high-performance software decoder for H.264/AVC video (github.com)

Edge264 解码器摘要

Edge264 是一个开源、跨平台的 H.264/AVC 软件解码器,专注于高速度与易用性。其开发源于对新型软件工程实践的探索,特别是利用 C 语言向量扩展来替代手工编写汇编代码。项目目前处于向生产就绪过渡的阶段,目标是在 2027 年发布正式版并冻结 API。

核心特性与支持情况

  • 视频处理能力:支持渐进式 High 和 MVC 3D 配置文件,最高至 6.2 级。支持 4:2:0 色度格式,目前为 8 位色深(计划支持更高位深)。
  • 配置文件支持:对比 Baseline、Extended、Main、High 及 Stereo High 配置文件,Edge264 支持其大部分核心特性,如 B 帧、CABAC 熵编码、8x8 IDCT 变换等。目前不支持可变宏块排序、冗余切片、数据分区、SI/SP 帧及隔行编码(隔行编码为计划功能)。
  • 平台与处理器支持:目标平台包括 macOS、Linux、Windows 和 WebAssembly。处理器支持取决于编译器(GNU GCC 或 LLVM Clang),并通过 4 个后端实现,其中 Clang 的向量扩展后端可支持所有小端字节序 CPU。

构建与集成

  • 支持原生及 WebAssembly 构建,并可通过 VARIANTS 选项在一个库文件中集成针对不同 x86 CPU 指令集优化的多个构建版本。
  • 提供 CMake 集成,可直接通过 FetchContent 或链接导入目标 edge264::edge264 用于项目。

API 概览

API 设计简洁,主要围绕解码器的生命周期和数据流:

  1. edge264_find_start_code:在缓冲区中查找 H.264 起始码。
  2. edge264_alloc:分配并初始化解码上下文,可配置线程数、日志回调和内存分配回调。
  3. edge264_decode_NAL:解码单个 NAL 单元,是核心解码函数。
  4. edge264_get_frame:从解码器获取已解码的帧。Edge264Frame 结构体包含 YUV 平面指针、尺寸、步长等信息。
  5. edge264_flushedge264_free:用于刷新状态或释放解码器资源。

创新编程技术

项目采用了多种旨在提升性能与代码密度的编程技巧,主要包括:

  • 使用 C 向量扩展替代手写汇编,实现跨平台 SIMD 优化(支持 x86/SSE 和 ARM/NEON)。
  • 代码块与尾调用:将主解码循环设计为类似硬件解码器的流水线,通过函数尾调用形成有向无环图,以复用代码分支、减小代码体积。
  • 树状分支与默认邻居值:优化方向帧内预测等模式的分支结构,并使用虚拟宏块简化邻近宏块可用性检查。
  • 流式 SIMD 处理:包括流式位读取器、实时 SIMD 反转义,避免数据预处理,减少内存访问。
  • 结构数组(SoA)模式:帧缓冲区按字段分离存储,便于使用位和向量操作符进行高效处理。
  • 延迟错误检查与 YAML 日志:简化错误处理流程,使用 YAML 格式日志便于调试与数据重编码。
  • CABAC 解码优化:扩展内部状态以充分利用 CPU 寄存器位宽,减少重归一化频率,并批量解码旁路比特。

测试与贡献

  • 包含自定义测试套件,提供了一个用于浏览目录、解码 H.264 文件并与参考 YUV 文件比较的测试程序 edge264_test
  • 项目欢迎社区贡献,包括错误报告、修复和测试用例。文中附有详细的测试用例列表,涵盖通用测试、参数集测试、CAVLC/CABAC 测试、MVC 测试及错误恢复测试等。
30. N8n added native persistent storage with DataTables (community.n8n.io)

Hey everyone :waving_hand: We’re super excited to share that starting with v1.113 we’re rolling out data tables (beta) to all plans. :bar_chart:

Since the very beginning of n8n we’ve heard many of you menti…

31. DARPA project for automated translation from C to Rust (2024) (www.darpa.mil)

In recent years, a cultural shift toward the programming language Rust and recent breakthroughs in machine learning techniques, like large language models (LLMs), have created an environment that may lend itself to a new class of solutions. DARPA's Translating All C to Rust (TRACTOR) program wants to seize this opportunity by substantially automating the translation of the world's legacy C code to Rust.

32. How the AI Bubble Will Pop (www.derekthompson.org)

AI泡沫如何破裂:投资狂热、结构性风险与经济扭曲

核心观点

本文认为,人工智能(AI)正经历一个类似19世纪铁路和20世纪宽带互联网的周期:先经历投资狂热,随后泡沫破裂,最终仍将深刻改变世界。当前AI发展存在明显的经济泡沫迹象,主要表现为投资规模与收入前景的严重脱节、市场非理性行为以及潜在的金融工程风险。

投资规模与收入差距

  • 空前投资:2024年科技公司预计投入约4000亿美元用于AI基础设施,超过历史上的阿波罗计划(经通胀调整后约3000亿美元)。预计到2026-2027年,美国AI资本支出将超过5000亿美元,接近新加坡的年度GDP。
  • 收入低迷:然而,美国消费者每年在AI服务上的总支出仅约120亿美元,与索马里的GDP相当。两者之间存在巨大鸿沟。一些大型企业内部,AI的使用率甚至正在下降,因为它们尚未找到利用大语言模型降低成本的有效方法。

泡沫迹象

  1. 非理性融资:初创公司如Thinking Machines(由前OpenAI高管领导)在未发布产品、未透露具体计划的情况下,以100亿美元估值完成20亿美元种子轮融资,被投资者称为“荒谬的路演”。
  2. 市场脱离基本面:当前股市(特别是AI和迷因股)主要由动量驱动,而非公司盈利等基本面因素,散户跟风行为加剧了投机。
  3. 金融工程隐忧:超大规模企业(如大型云服务商)正使用会计手段压低报告的基础设施支出,从而虚增利润。此外,大量AI支出被转移到特殊目的实体(SPV)等表外工具中,掩盖了真实的建设成本,类似于2000年代次贷危机前的金融创新。

对整体经济的扭曲效应

  • 资本黑洞:巨额AI投资集中在数据中心等狭窄领域(如弗吉尼亚州北部),形成“资本黑洞”,从经济其他部分(如制造业)抽走资金。这与1990年代电信业投资热潮导致美国制造业资本匮乏、难以竞争的情形类似。
  • 阻碍制造业回流:尽管关税政策旨在促进制造业回流,但AI投资拉高了资本的机会成本和回报要求。私募股权等资本更倾向于投入巨额资金给数据中心,而非分散投资给中小型制造商。此外,大型私募偏好集中投资,进一步边缘化了制造业。
  • 能源与本地反对:数据中心极度耗能,已推高电价并引发社区反对(“邻避效应”)。例如,弗吉尼亚州郊区居民对突然环绕的数据中心设施感到不满。未来,数据中心建设可能加速向印度、中东等海外地区转移。

总结

AI投资热潮已形成一个自我强化的循环:市场追捧和预期未来收益驱动天量资本涌入,但当前收入无法支撑;金融手段掩盖了真实风险,同时挤压了其他行业的资本获取。尽管作者承认AI长期潜力,但认为短期内不可避免地将经历“破裂”,并可能波及半导体(如英伟达)、能源等关联行业。整个金融体系的稳定性已过度依赖于少数AI芯片制造商。

33. Keyhive – Local-first access control (www.inkandswitch.com)

Keyhive:本地优先访问控制

项目目标

Keyhive是一个探索本地优先访问控制的项目,旨在为任何本地优先应用提供安全协作的基础,其保障类似于私密聊天。项目目标是设计并构建一个通用的、生产就绪的系统,该系统在无中央授权服务器的情况下,提供类似于Google Docs或Dropbox的用户体验。

核心挑战

  1. 缺乏网络边界:与依赖中央服务器和网络边界的云访问控制不同,本地优先环境中每个副本都持有数据的完整副本。访问控制必须与数据本身同行,并能在无中心“守卫”的情况下工作。
  2. 并发与因果一致性:需要处理诸如两位管理员并发撤销对方权限、操作依赖于后来被撤销的内容、以及恶意回填更新等棘手情况。
  3. 安全模型过时:现有的许多本地优先应用依赖于“通过隐匿实现安全”(如仅依赖文档ID保密),这无法满足细粒度访问控制和撤销的需求。

设计原则与架构

设计理念

  • 收敛能力:设计了一种介于对象能力和证书能力之间的“收敛能力”模型。它使用CRDT状态,以结合两者优点,适合本地优先的并发环境,提供无状态的、自认证的密码学证明。
  • 分层设计:授权层是基础,影响存储等其他层。Keyhive主要分为三个相互依赖的层:
    1. 收敛能力:管理授权与撤销。
    2. 组管理CRDT:基于收敛能力构建,用于表示用户、设备、团队等。
    3. 具有因果关系的端到端加密:使用因果密钥管理来加密文档块,提供后妥协安全。

加密与密钥管理

  • 加密策略:数据静态加密。不单独加密每个Automerge操作,而是对变更范围进行压缩后加密。
  • 因果密钥:密钥管理基于文档的因果结构。解密一个加密块的密钥可帮助发现其所有因果前驱的密钥,这牺牲了前向保密,但换取了简单性和在需要完整历史记录的CRDT环境中的实用性。
  • 权限效果:定义了比“读写”更细粒度的权限,如“拉取”(仅能获取网络字节但不能解密或修改),以支持可信度最小化的同步服务器。

关键技术组件:BeeKEM

BeeKEM是为Keyhive设计的连续组密钥协商协议,用于在动态、分布式的成员组中协商加密密钥。

  • 设计:基于二叉树结构,类似TreeKEM,但仅依赖因果顺序而非全局顺序,适合分布式环境。
  • 功能
    • 提供前向保密后妥协安全
    • 支持成员的动态添加、移除和密钥轮换。
    • 通过存储“冲突密钥”来处理并发更新,并在后续操作中解决,确保安全性。
  • 性能:常见情况下为对数级性能,最坏情况(如大规模空白节点或冲突)下为线性性能,目标支持数千成员的组。

同步协议:Beelay

Beelay是一个基于RPC的同步协议,用于在端点间同步Keyhive管理的加密数据。

  • 认证:通过签名消息并包含接收者(受众)标识和时间戳,防止中间人攻击和重放攻击。
  • 同步流程
    1. 同步成员资格图:使用无速率可反转布隆查找表高效协调成员资格操作的集合差。
    2. 同步文档集合状态:再次使用RIBLT协调文档状态(包含文档头和BeeKEM操作)的集合差。
    3. 同步单个文档
      • BeeKEM操作:使用RIBLT同步。
      • 文档内容:引入Sedimentree结构,递归地将Automerge提交图压缩成块,以便利用现有二进制编码的高效压缩优势,减少同步带宽。
  • 优化:在常见情况下(仅少数文档变更),可通过合并初始消息和响应将同步所需往返次数减少到两次。

项目状态

  • 项目已从“Beehive”更名为“Keyhive”。
  • 已发布预Alpha版本代码库(包括 beelay-core, keyhive_core, keyhive_wasm),明确警告不可用于生产环境,仅供早期探索。
34. Autism should not be seen as single condition with one cause, say scientists (www.theguardian.com)

Those diagnosed as small children typically have distinct genetic profile from those diagnosed later, study finds

35. Evaluating the impact of AI on the labor market: Current state of affairs (budgetlab.yale.edu)

评估人工智能对劳动力市场影响:当前状况

核心发现

  • 职业构成变化加速但幅度有限:尽管职业构成的变化速度快于过去,但差异并不大,且这种趋势早于AI在劳动力中的广泛应用。
  • 当前无显著影响迹象:目前,衡量AI暴露度、自动化和增强程度的指标,与就业或失业率的变化没有显示出关联。
  • 需要更好的数据:要全面理解AI对劳动力市场的影响,需要更完善的数据支持。
  • 将持续更新分析:计划定期更新此分析,以观察AI对劳动力市场的影响如何随时间变化。

整体劳动力市场影响分析

研究分析了自2022年11月ChatGPT发布以来33个月内美国就业的变化。总体而言,更广泛的劳动力市场在此期间并未经历明显的颠覆,这削弱了关于AI自动化正在侵蚀整个经济对认知劳动力需求的担忧。尽管这与一些耸人听闻的报道相矛盾,但考虑到历史先例,这并不令人意外。历史上,工作场所中普遍的技术颠覆往往需要数十年时间才显现,而非数月或数年。

职业构成变化比较

研究通过“职业构成”(即经济中所有职业的工人分布)来衡量劳动力变化的速度。研究发现:

  • 自ChatGPT发布以来,职业构成的变化路径仅比21世纪初互联网普及时期高出约1个百分点。
  • 更细致地观察近期数据,显示这一趋势未必归因于AI。2021年(生成式AI发布之前)职业构成的转变已经开始,而近期的变化似乎并不比以往更加显著。
  • 行业分析也显示AI影响有限。尽管信息、金融活动以及专业和商业服务等行业(属于对生成式AI暴露度最高的行业)的职业构成变化大于整体市场,但数据显示这些行业的趋势在ChatGPT发布之前就已经开始。

具体指标分析

  1. AI暴露度指标(基于OpenAI数据)

    • 研究使用了OpenAI关于职业对ChatGPT技术“暴露度”的数据(理论上,使用该技术是否能将任务完成时间减少至少50%)。
    • 分析显示,自ChatGPT发布以来,处于低、中、高暴露度职业群体的工人比例保持稳定,分别约为29%、46%和18%。
    • 即使专门观察失业人群,也未发现对生成式AI的暴露度有明显增长。
  2. AI实际使用指标(基于Anthropic数据)

    • Anthropic提供了其AI助手Claude的实际使用数据。
    • 分析显示,在具有高AI任务使用量(无论是自动化还是增强)的职业中,就业比例保持稳定(约70%用于增强,11%用于自动化)。

数据局限性与需求

  • 现有指标的局限性:OpenAI的“暴露度”数据是基于理论估算,而非实际使用情况;Anthropic的使用数据主要来自Claude,可能不代表其他AI工具(如Gemini、Copilot)的使用模式,且其用户群可能偏向特定职业(如编程和写作)。
  • 关键数据需求:要准确衡量AI对劳动力的影响,最重要的数据是来自所有领先AI公司的全面使用数据,包括个人和企业层面的使用情况。

与早期职业工作者的关联

研究还比较了应届毕业生(20-24岁)与较年长毕业生(25-34岁)的职业构成差异。虽然近期两组间的差异略有增加,与一些研究指出AI可能对早期职业工作者产生影响的发现相符,但数据显示这种差异增加的趋势可能始于ChatGPT发布之前,也可能仅仅反映了劳动力市场放缓的影响。需谨慎解读,因样本量较小。

结论与展望

尽管对AI影响劳动力市场的焦虑普遍存在,但现有数据表明这在很大程度上仍是推测性的。从数据中呈现的图景是劳动力市场整体保持稳定,而非在经济范围内出现重大颠覆。生成式AI可能成为一项变革性的通用技术,但判断其对工作岗位的破坏程度还为时过早。这一早期阶段缺乏广泛影响,与过去技术颠覆时期的变化节奏并无不同。预先登记预计会看到影响的领域,并持续监测月度影响,将有助于区分传言与事实。

注:研究使用的代码可公开获取。分析方法基于月度“当前人口调查”数据构建职业构成变化的相异指数。研究将AI时期与个人电脑普及期(1984-1989)、互联网大规模应用期(1996-2002)以及一个对照期(2016-2019)进行了比较。

37. The best worst hack that saved our bacon (jeffersonheard.ghost.io)

No-one really likes engineering war stories, but this one's relevant because there's a moral to it. I've talked before about defining technical debt as technical decisions that provide immediate value, but with long-term negative impact if they aren't cleaned up. Sometimes introducing technical debt is necessary and you do it

38. Asked to do something illegal at work? Here's what these software engineers did (blog.pragmaticengineer.com)

文章概述:本文通过三个真实案例,探讨软件工程师在职场中被要求从事非法或可疑行为时的应对方式及其后果。

核心案例与教训

  1. FTX交易所欺诈案

    • 工程总监尼沙德·辛格在2022年9月确认公司挪用客户资金后,未选择离职或举报,而是试图“修复问题”。
    • 他在发现欺诈后仍向公司借款370万美元购房,最终作为共犯面临最高75年刑期(后因认罪协议获3年缓刑)。
    • 教训:发现欺诈后,不应试图留下“修补”,而应立即寻求法律建议、举报或离职。
  2. Frank公司数据造假案

    • 创始人要求工程总监伪造420万虚假用户数据以通过摩根大通收购审核。
    • 工程总监质疑合法性后拒绝执行,仅提供实际的29.3万真实用户数据。
    • 创始人最终因欺诈被捕,该工程总监因坚持拒绝而免于法律风险。
    • 教训:当管理层声称“不会有人因此入狱”时,更应警惕法律风险,坚决拒绝非法指令。
  3. Pollen公司重复收费案

    • CEO要求工程师手动修改代码,提前从客户账户重复扣款以覆盖公司工资。
    • 工程师执行前进行了测试,事后通过内部消息承认受CEO指令行事。
    • 该行为可能构成电信欺诈,工程师面临潜在法律后果。
    • 教训:面对CEO的非法指令时,应记录证据并拒绝执行,避免承担法律风险。

关键结论

  • 唯一确保法律安全的做法是明确拒绝非法要求。
  • 工程师在发现可疑行为时,可选择法律咨询、举报或立即离职,但切勿参与或试图“内部解决”。
  • 服从非法指令可能面临严重刑事后果,即使受上级指使也不例外。
39. Announcing Tinker (thinkingmachines.ai)

Tinker 简介

Tinker 是一个用于微调语言模型的灵活 API,旨在赋能研究人员和开发者对模型进行实验,使其能够控制算法与数据,同时由平台处理分布式训练的复杂性。该服务支持微调多种开放权重模型(包括如 Qwen-235B-A22B 等大型混合专家模型),通过简单修改 Python 代码中的字符串即可切换模型。

核心特点

  • 托管服务:Tinker 运行于内部集群和训练基础设施上,负责调度、资源分配和故障恢复,用户无需管理基础设施即可快速启动训练。
  • 成本优化:采用 LoRA 技术,在多个训练运行间共享计算资源,降低使用成本。
  • 底层 API 与开源库:提供如 forward_backwardsample 等底层原语,支持表达常见后训练方法。同时发布开源 Tinker Cookbook,包含基于 Tinker API 的现代后训练方法实现,帮助用户获得良好结果。
  • 灵活切换模型:支持多种规模模型,切换过程简便。

应用案例

已有多个知名机构使用 Tinker 进行研究:

  • 普林斯顿大学:训练数学定理证明器。
  • 斯坦福大学:微调模型以完成化学推理任务。
  • 加州大学伯克利分校:运行基于自定义异步策略外强化学习训练循环的实验,涉及多智能体和多轮工具使用。
  • Redwood Research:使用 Tinker 对 Qwen3-32B 进行强化学习,以应对困难的 AI 控制任务。

当前状态与计划

Tinker 目前处于私有测试阶段,面向研究人员和开发者开放。用户可注册等待列表,平台将从即日起开始引入用户。组织机构如有兴趣可直接联系。

Tinker 初始阶段免费使用,未来几周将引入基于使用量的定价模式。

该服务旨在推动更多人参与前沿模型研究与定制,鼓励用户探索与创新。

40. Intro to BirdNET-Pi: Eavesdropping on my feathered friends (hannahilea.com)

BirdNET-Pi:鸟类声音被动监测站入门介绍

概述

本文介绍了BirdNET-Pi,一个基于树莓派的开源应用,用于被动监测并识别鸟类声音。该系统利用康奈尔鸟类学实验室训练的BirdNET模型,能够自动分析环境音频并识别鸟类物种。作者通过自身在波士顿地区的实践,展示了该系统的设置、工作原理、成本、隐私考量以及长期使用的成果。

核心概念与术语

  • BirdNET:由康奈尔鸟类学实验室训练的分类器模型,用于从短音频片段中识别特定鸟鸣。
  • BirdNET-Pi:基于BirdNET模型、专为树莓派计算机开发的应用程序,由开源社区维护。作者使用的是Nachtzuster的分支版本。
  • 树莓派:小型廉价计算机品牌,项目使用Raspberry Pi Zero 2 W(带Wi-Fi功能的第二代Zero型号)。

项目要求与设计原则

作者的安装方案以简单、低成本、可赠送为核心:

  1. 直接性:专注于“麦克风放窗外,监听鸟类”的基本功能,不追求复杂的户外防护或电池供电。
  2. 低成本:使用最经济的树莓派Zero型号(约15美元)和廉价麦克风。
  3. 隐私优先:通过配置减少隐私风险(如自动丢弃含人声的录音)。
  4. 易赠予性:系统设置完成后,接收者只需连接Wi-Fi并通电即可使用,便于远程调试。
  5. 可复现性:作者提供了详尽的设置指南,确保他人能轻松重复安装过程。

系统工作原理

BirdNET-Pi应用包含两个组件:

  1. 分类流水线
    • 麦克风持续录音,默认每段录音长度为15秒
    • 录音被转换为声谱图,输入BirdNET模型。
    • 模型输出各种鸟类及人类声音的概率。
    • 若检测到高于阈值的人声,录音将被丢弃(出于隐私保护)。
    • 若检测到鸟鸣且无人声,则保存录音、声谱图,并将检测结果添加到数据库。
    • 每次新数据入库后,系统会重新生成当日的摘要图表。
  2. Web服务器
    • 托管一个网站,可视化显示最近检测结果、录音、声谱图及每日摘要图表。
    • 用户可通过该网站配置应用设置。

隐私考量

作者强调该系统涉及始终开启的麦克风,并提出以下建议:

  • 获得知情同意:确保家庭成员和访客知晓麦克风的存在及位置。
  • 网络隔离:除非特意配置,设备默认不与外部网络连接。访问设备需要同时掌握Wi-Fi密码和树莓派密码。
  • 数据处理:仅保存检测到鸟鸣且无人声的录音;含人声或未检测到鸟鸣的录音不被存储。
  • 主动防护:作者禁用了“实时收听”功能,并提高人声检测阈值,最大限度避免背景人声泄露。用户可通过聆听已保存的录音验证隐私设置是否有效。

实践成果与附加价值

  • 数据可视化示例:作者展示了不同季节(4月、5月、6月)鸟类活动模式的图表,可见家麻雀、冠蓝鸦、美洲知更鸟等物种的鸣叫规律变化。
  • 社区互动:系统已成为与家人、邻居及线上社区交流的有趣话题。
  • 实用功能:可设置新物种检测通知,分享鸟类分析见解(如成功识别库珀鹰)。
  • 长期稳定性:作者的装置已运行一年多,仅需少量维护。

项目背景与动机

  • 作者受Logan Williams的鸟类声景可视化作品启发,首次为父亲设置了BirdNET-Pi作为礼物。
  • 系统在噪声较大的城市环境中表现良好,此后作者又为自己和父母的多个位置安装了装置。
  • 作者注意到术语“BirdNET”易与同名手机应用混淆,因此特别澄清了BirdNET模型BirdNET-Pi应用的区别。

总结与展望

BirdNET-Pi是一个低成本、易于部署的鸟类监测工具,适合公民科学家和自然爱好者。作者的详细指南侧重于简化设置、增强可赠送性并保障隐私。未来文章将探讨系统调优、结果解读及进一步改进。作者鼓励读者尝试搭建并分享自己的鸟类监测体验。

41. Walmart U.S. moves to eliminate synthetic dyes across all private brand foods (corporate.walmart.com)

沃尔玛美国公司宣布将全面淘汰自有品牌食品中的合成色素

2025年10月1日,沃尔玛美国公司宣布,将逐步淘汰其所有自有品牌食品中的合成色素,并同时移除另外30种成分,包括特定的防腐剂、人工甜味剂和脂肪替代品。此举旨在回应消费者对更简单、更熟悉配料的需求,并支持一个更透明的食品体系。

涉及品牌与范围 此变更涵盖沃尔玛美国所有的食品自有品牌,包括Great Value、Marketside、Freshness Guaranteed以及去年推出的、聚焦植物基和“不含”系列的bettergoods。这被认为是零售史上规模最大的自有品牌产品重新配方之一。

主要动因与背景 沃尔玛表示,此举是基于消费者偏好的变化。2025年7月的一项调查显示,62%的沃尔玛顾客希望食品信息更加透明,54%的顾客会查看食品配料表。公司总裁兼首席执行官John Furner指出,公司已听取顾客反馈,致力于提供价格实惠、让家庭放心的食品。实际上,沃尔玛此前已有类似行动,目前其约90%的自有品牌食品已不含合成色素。

具体成分清单 公司将从其美国自有品牌食品中淘汰11种合成色素,具体包括: FD&C蓝1、FD&C蓝2、FD&C绿3、FD&C红3、FD&C红4、FD&C红40、FD&C黄5、FD&C黄6、FD&C柑橘红、FD&C橙B、斑蝥黄。

此外,还将移除30种其他成分,例如:二氧化钛、偶氮甲酰胺、某些人造甜味剂(如纽甜、阿德甜)、部分防腐剂(如对羟基苯甲酸酯类)以及其他添加剂(如反式脂肪酸、滑石等)。(注:文章于2025年11月12日更新,调整了成分列表中的一项具体名称

实施计划与影响 沃尔玛正与供应商合作调整配方、寻找替代成分,以确保产品在变更后仍能保持顾客所期望的口味和品质。重新配方的产品将在未来数月内陆续推出,所有变更计划最迟于2027年1月完成。公司强调,此举措不会影响产品的价值和质量,顾客将能继续购买到同样物美价廉的商品。

公司表态 Furner表示,这一承诺体现了沃尔玛如何响应顾客不断变化的偏好,同时也为在卓越价值的基础上提供出色品质与创新树立了标准。

42. Newton: physics simulation engine built upon NVIDIA Warp (github.com)

Newton:基于NVIDIA Warp的物理模拟引擎

Newton是一个基于NVIDIA Warp构建的GPU加速物理模拟引擎,主要面向机器人学研究人员和模拟研究者。它扩展并泛化了Warp已弃用的warp.sim模块,并集成了MuJoCo Warp作为其主要后端。Newton强调GPU计算、OpenUSD支持、可微分性和用户可扩展性,以促进快速迭代和可扩展的机器人模拟。

项目背景与许可 Newton是一个由Linux基金会支持的社区构建和维护的项目。代码采用Apache-2.0许可证,文档采用CC-BY-4.0许可证。该项目由Disney Research、Google DeepMind和NVIDIA发起。

系统要求

  • Python: 3.10+
  • 操作系统: Linux (x86-64, aarch64), Windows (x86-64), 或macOS (仅CPU)
  • GPU: NVIDIA GPU (Maxwell或更新架构),驱动545或更新版本 (CUDA 12)。macOS在CPU上运行。

快速开始 通过pip安装:

pip install "newton[examples]"
python -m newton.examples

示例 Newton提供了丰富的示例,涵盖多个领域:

  • 基础示例:如单摆、URDF导入、基本形状、关节、传送带、高度场等。
  • 机器人示例:如Cartpole、G1、H1、ANYmal系列、Panda水动力学、机械臂策略等。
  • 线缆示例:如扭转、Y型交叉口、堆积等。
  • 布料示例:如弯曲、悬挂、Style3D、与机器人交互等。
  • 逆运动学示例:如Franka、H1、自定义IK。
  • MPM示例:如颗粒材料、ANYmal、双向耦合、雪球等。
  • 传感器示例:如接触、平铺相机、IMU。
  • 选择性示例:如材料、关节的选择性仿真。
  • 可微分仿真示例:如球、布料、无人机、软体等。
  • 多物理场示例:如软体与布料/刚体交互。
  • 接触示例:如螺母螺栓、砖块堆叠、金字塔。
  • 软体示例:如悬挂、Franka抓取。
  • Kamino示例:如基础测试机械、四连杆、异构仿真、ANYmal-D机器人等。

示例运行选项 示例支持多种命令行参数:

  • --viewer: 查看器类型 (gl OpenGL窗口, usd USD文件输出, rerun ReRun, null 无查看器)。
  • --device: 计算设备 (如 cpu, cuda:0)。
  • --num-frames: 要模拟的帧数。
  • --output-path: USD文件输出路径。

社区与支持 问题请先查阅Newton文档,然后在主仓库的讨论区提问。参与社区需遵守Linux基金会行为准则。项目治理详情请参见newton-governance仓库。

43. Clavier: An FPGA-based mechanical keyboard with USB hub and comms interfaces (github.com)

Clavier FPGA机械键盘概述

Clavier 是一款基于FPGA的机械键盘,集成了USB集线器和多种通信接口(JTAG、SPI、I²C、UART)。

主要特性

  • 键盘规格:105键ISO标准布局 + 1个额外按键(用于锁定电脑或长按5秒重置FPGA)
  • 兼容性:支持PCB安装的Cherry MX轴体
  • 技术参数
    • 全键无冲(N-key rollover)
    • 1000Hz轮询率
    • 无矩阵扫描、无鬼影问题
  • 接口集成
    • 2个USB 2.0集线器端口
    • JTAG、SPI、I²C、2个UART接口及8个GPIO引脚
  • 架构特点:纯FPGA实现(VHDL代码,无ALU)
  • 完全开源:包括所有设计工具链

开发工具

  • PCB设计:KiCad
  • 外壳建模:FreeCAD(适合CNC加工)或OpenSCAD(适合3D打印)
  • FPGA工具链:OSS CAD Suite(含GHDL、Yosys、nextpnr-ecp5等)与GNU Make

PCB设计

  • 层数:4层PCB
  • 制造难点:0402封装被动元件及BGA封装FPGA对手工焊接挑战较大
  • 文档:原理图PDF已公开

外壳版本

  • 初版:功能完整但人体工学角度不理想
  • 二代改进:增加8°倾斜角,前端更薄(仅提供FreeCAD格式)

FPGA编程

  • 编译:在FPGA子目录执行make
  • 烧录
    • 使用集成JTAG接口
    • 通过SW18开关切换接口状态,LED D1显示当前状态
    • 支持make prog-sram(临时烧录)或make prog-flash(永久烧录)

通信架构

  • GPIO直接连接FPGA,其他通信接口通过CH347F芯片实现

开源许可

  • PCB与外壳:CERN-OHL-P v2
  • FPGA代码:MIT许可
  • 图片:CC BY 4.0许可
44. Fossabot: AI code review for Dependabot/Renovate on breaking changes and impacts (fossa.com)

Fossabot:用于依赖更新的AI代码审查工具

核心问题与解决方案

当前依赖更新存在两大矛盾:

  • 依赖树变化过快:AI编码代理快速生成新依赖
  • 核心应用更新滞后:无法跟上上游开发速度

现有工具(如Dependabot/Renovate)只能处理最小化更新,无法进行战略级升级。Fossabot作为AI代理,能像高级工程师一样研究版本变更、评估影响并适配代码。

核心能力

代码库推理(Codebase Reasoning)

  • 基于具体代码库分析更新影响,而非简单兼容性猜测
  • 能处理复杂场景:
    • 使用重写库的现代语法
    • 安全升级主版本(基于前向兼容API使用)
    • 适配补丁更新中的未声明行为变更

AI扩展性

  • 能深度研究变更、迁移指南和文档
  • 保持完整记忆(依赖代码、发布说明、迁移指南)
  • 处理能力远超人类工程师(无疲劳限制)

完整任务交付

  • 自动完成从研究到代码适配的全流程
  • 生成可合并的Pull Request
  • 遇到限制时会请求人工辅助完成“最后一公里”

技术架构

  • 静态分析基础:与EdgeBit合作提供精确影响检测
  • 确定性工作流+代理元素:平衡AI灵活性与确定性
  • 评估框架:通过准确性(Accuracy)、一致性(Consistency)、正确性(Correctness)指标持续优化
    • 误报成本高于漏报
    • 验证数据集覆盖不同复杂度的更新场景

产品状态

  • 公开预览阶段:专注JavaScript/TypeScript生态
  • GitHub应用形式:每月提供$15免费分析额度
  • 当前功能:自动分析Dependabot/Renovate/Snyk生成的PR
  • 未来规划:将主动创建PR,扩展至其他生态系统

设计哲学

  1. 关键步骤追求确定性
  2. 智能运用静态分析
  3. 利用AI实现持久专注的分析
  4. 通过ACC框架自我评估

注意:其他生态系统支持将在ACC数据集扩展后推出。