2025-11-11

36 篇热帖

The 'Toy Story' You Remember

动画狂热:玩具总动员与电影胶片

本期《动画狂热》通讯社的重点内容如下:

  • 数字动画与电影胶片
  • 动画新闻简报

玩具总动员:数字与胶片

1995年,CG动画是行业内的热门话题,皮克斯公司也处于风口浪尖。他们已经成功地将迪士尼转向电脑动画,并获得了CG短片的奥斯卡奖项《玩具箱》(Tin Toy)。《侏罗纪公园》等大片也采用了皮克斯的软件。

《玩具总动员》被宣传为第一部完全使用CG制作的动画电影,这本身就是一个冒险。即使在皮克斯取得成功之后,全数字电影能否获得票房成功仍然是一个疑问。

最终,《玩具总动员》获得了巨大的成功,创造了如今动画世界的基础。然而,它并非完全是新的。由于当时电脑技术尚未完全成熟,皮克斯仍然依赖于物理电影胶片来进行放映。正如作者 Bill Kinder 和 Bobbie O’Steen 所述,皮克斯的 Ed Catmull 认识到他们的像素需要与标准的35毫米胶片相结合,因为电脑芯片、磁盘和压缩技术还不足以显示30分钟的标准清晰度电影。

《玩具总动员》是一个过渡项目。由于无法将数字数据发送到影院,电影的每一帧都印在了模拟胶片上。最初的家庭录像版本就是基于35毫米胶片制作的。直到技术进步后,皮克斯才开始进行数字转换,从而省略了中间环节,并且《玩具总动员》的视觉效果也随之改变。

皮克斯团队在制作《玩具总动员》时就意识到,电脑显示器上无法看到胶片中存在的纹理、柔焦、色彩和对比度。因此,为了获得正确的视觉效果,他们必须考虑到最终的物理输出。数字颜色是根据胶片印刷时会发生的变化进行调整的。艺术总监 Ralph Eggleston 说道:“绿色会很快变暗,而红色则保持相对稳定。蓝色需要降低饱和度才能在胶片上看起来饱和,而橙色在电脑屏幕上看起来很糟糕,但在胶片上看起来效果很好。”

William Reeves 解释说,在制作过程中,他们主要使用电脑显示器,很少在胶片上看到图像。因此,他们使用了六台高分辨率显示器进行工作,以便人们可以查看其作品在胶片上的效果。

David DiFrancesco 负责了“令人费解的转印过程”,他是皮克斯早期的重要人物。他专门负责将数字图像印在胶片上。他使用商业级的电影打印机(改进的 Solitaire Cine II 机器)进行工作。由于数据量太大,使用更先进的设备是不现实的。

他们的系统很简单:每帧《玩具总动员》的底片都会在 CRT 屏幕上显示三次。由于电影和视频图像由红、绿、蓝三种颜色的组合构成,因此将每一帧分解为红、绿、蓝三种元素,并通过过滤每个颜色进行曝光,然后分层叠加,形成每一帧图像。

据报道,打印30秒《玩具总动员》需要9个小时,但这是必须的。

后续发展

1999年,皮克斯再次创造历史。《虫虫总动员》(A Bug’s Life)在1998年上映,再次设计了适合胶片的视觉效果。他们熟悉这个过程,包括胶片能够接受的细节程度以及投影仪可以显示的内容。

然而,他们仍然面临一个问题:电影转换为家庭视频时,图像质量会下降。这是《玩具总动员》的发布方式,但必须有更好的方法。

对于《虫虫总动员》的家庭版本,皮克斯开发了一种“直接从我们的系统中的数字图像...直接到视频”的方法。John Lasseter 将其称为“我们电影的纯版本,直接来自我们的电脑”。《虫虫总动员》成为第一部数字到数字的 DVD 转换电影。与剧场版本相比,它的外观发生了变化,图像更加清晰,没有颗粒感,颜色也不同。

后来,《玩具总动员》也进行了数字转换,但它不再是当年让观众惊艳的电影了。

数字转换逐渐成为标准,包括迪士尼的《狮子王》、《花木兰》等作品。这些作品在剧场版和后续发布的数字化版本中,视觉效果差异明显。

新闻简报

  • 墨西哥:Gabriel Ugbodaga 的动画电影《虚荣》在墨西哥影院表现强劲,票房收入超过 215 万美元。
Unexpected things that are people

非人类实体的法律人格:船舶、河流与神祇 (Legal Personhood for Non-Human Entities: Ships, Rivers, and Deities)

本文探讨了法律赋予非人类实体法律人格的现象,并以船舶、新西兰的怀汉怀河 (Whanganui River) 以及印度教神祇为例进行分析。

船舶 (Ships): 历史上,由于船舶的流动性和可能造成的损害,传统法律难以追究船东的责任。为了解决这一问题,中世纪的法院以及后来的英国和美国海事法,赋予船舶有限的法律人格,使其能够被扣押和追究财产,以承担责任。船舶的权利仅限于与正当程序相关的权利,例如获得保释和享有审判权。船舶拥有“救助权”(right of salvage),即当船舶成功营救其他遇险船只时,有权获得奖励,遵循“无功劳动,不得报酬”(no cure, no pay) 的原则,并通过 Lloyd's Open Form 或海事法院进行奖励确定。

怀汉怀河 (Whanganui River): 新西兰议会于 2017 年通过了《怀汉怀河索赔和解法案》,赋予怀汉怀河法律人格,并赋予其“与法律人格相同的权利、义务和责任”。该法案解决了自 1930 年代以来持续的法律纠纷,毛利部落认为河水是其祖先和精神来源,并受到工业和矿产开采的污染。该法案除了赋予河水法律人格外,还拨款 8000 万美元用于河流修复,3000 万美元用于未来的发展基金,并设立了政府和毛利部落各一位的看护人来代表河流。

印度教神祇 (Hindu Deities): 印度法律将印度教神祇及其神像视为“法律人格”(juristic persons),使其能够拥有土地并代表自身利益出庭。这种法律地位源于英国殖民统治时期,当时为了管理寺庙的土地和财富,孟买高等法院于 1887 年首次承认神祇本身是法律人格,并设立了“朋友”(next friends) 来代表神祇。 近期,关于阿育陀亚土地纠纷的案件也体现了这一法律实践,印度最高法院将土地授予了 Rama Virajman (即罗摩神),并设立了信托管理该财产。 值得注意的是,神祇的法律权利与人类的权利并不完全相同,例如,在萨巴里马拉寺案中,法院驳回了以侵犯罗摩神隐私权为由反对允许育龄期女性进入寺庙的论点。

文章总结指出,法律赋予非人类实体法律人格,通常在土地纠纷和不同信仰之间的争端中出现。 尽管如此,这些实体所拥有的权利并非与人类完全一致。

iPhone Pocket

Issey Miyake 与 Apple 合作推出 iPhone Pocket

概要:

Issey Miyake 和 Apple 于 2025 年 11 月 11 日共同发布了特别版 iPhone 配件——iPhone Pocket。该产品灵感来源于“一块布料”的概念,采用独特的 3D 编织结构设计,旨在完美贴合各种 iPhone 以及其他可放入口袋的物品。

设计与颜色:

iPhone Pocket 具有以下特点:

  • 结构: 单一的 3D 编织结构,方便携带。
  • 款式: 提供短款肩带和长款肩带两种设计。
  • 颜色:
    • 短款肩带设计:柠檬黄、柑橘色、紫色、粉色、孔雀蓝、蓝宝石色、肉桂色、黑色。
    • 长款肩带设计:蓝宝石色、肉桂色、黑色。

价格与发售信息:

  • 价格: 短款肩带设计售价 149.95 美元,长款肩带设计售价 229.95 美元。
  • 发售时间: 2025 年 11 月 14 日 (星期五) 起。
  • 发售地点: 部分 Apple Store 门店以及 apple.com
  • 发售地区: 法国、中国大陆、意大利、日本、新加坡、韩国、英国和美国。

特别提示:

Apple 员工将在门店和线上提供个性化搭配建议,帮助顾客选择最适合自己 iPhone 的长度和颜色,打造新的时尚配件。

部分发售门店:

  • Apple Canton Road, 香港
  • Apple Ginza, 东京
  • Apple Jing’an, 上海
  • Apple Marché Saint-Germain, 巴黎
  • Apple Myeongdong, 首尔
  • Apple Orchard Road, 新加坡
  • Apple Piazza Liberty, 米兰
  • Apple Regent Street, 伦敦
  • Apple SoHo, 纽约
  • Apple Xinyi A13, 台北
Warren Buffett's final shareholder letter [pdf]

伯克希尔·哈撒韦公司新闻稿摘要 (Berkshire Hathaway News Release Summary)

这份新闻稿发布于2025年11月10日,由沃伦·巴菲特发布,主要内容如下:

捐赠股份: 沃伦·巴菲特将1800股A股转换为270万股B股,并将这些B股捐赠给四个家族基金会:苏珊·汤普森·巴菲特基金会150万股,以及雪伍德基金会、霍华德·G·巴菲特基金会和诺沃基金会各40万股。

退休计划: 巴菲特宣布他将不再撰写伯克希尔·哈撒韦的年度报告,也不再在股东大会上长时间发言,他称之为“退休”。 格雷戈里·阿贝尔将接任伯克希尔·哈撒韦的领导者,将于年末正式上任。巴菲特对阿贝尔的能力表示高度赞赏,并祝愿他长期任职。

感恩节信息: 巴菲特将通过感恩节信息继续与股东保持联系,并计划回顾过去,讨论股份分配计划,并分享一些商业和个人观察。

个人回忆: 巴菲特分享了1938年因腹痛紧急进行阑尾切除手术的经历,以及当时一位医生(哈利·霍茨博士)的及时救治。他还回忆了童年时期对玩具的渴望,以及对J.埃德加·胡佛的崇拜。

关键人物: 巴菲特提到了对他的生活产生重大影响的几位关键人物,包括他的挚友查理·芒格、公司收购的斯坦·利普西、前董事会成员沃尔特·斯科特、以及可口可乐前总裁唐·基欧。 他强调了奥马哈对他的重要性,以及该城市的人才和友善氛围。

未来展望: 巴菲特表示,他对伯克希尔·哈撒韦的未来充满信心,并认为格雷戈里·阿贝尔有能力带领公司取得成功。他还强调了公司管理层注重股东利益、避免灾难和谨慎经营的理念。

人生感悟: 巴菲特分享了他对衰老的看法,以及对幸运的感悟。他鼓励人们从错误中学习,选择正确的榜样,并记住善良的重要性。他认为,帮助他人才是真正的伟大。

公司信息: 伯克希尔·哈撒韦公司从事多元化的业务,包括保险、能源、铁路运输、制造业和服务等。公司股票在纽约证券交易所上市,交易代码为BRK.A和BRK.B。

联系方式:Marc D. Hamburg,电话:402-346-1400。

I hate screenshots of text

总结:避免代码和错误日志截图的建议

这篇文章主要表达了作者对于同事在沟通代码问题和错误日志时,频繁发送截图的 frustation。作者认为这种方式效率低下,并且难以快速定位和解决问题。

以下是文章的主要观点:

  • 截图的弊端: 当同事发送代码截图时,作者需要花费额外时间来理解代码的上下文,例如变量定义、代码用途、异常处理以及所在的模块。手动搜索代码片段非常耗时。
  • 错误日志截图的困境: 错误日志截图同样存在问题。作者难以从截图中获取关键信息,例如构建失败的原因、失败行数以及具体的错误信息。有时,在本地重新构建后错误就会消失,使得问题难以调试。
  • 更好的替代方案: 作者建议使用以下更有效的沟通方式:
    • 复制粘贴代码: 即使只粘贴部分代码,也能提供更多上下文信息,方便作者复制到IDE中搜索。
    • 发送文件或链接: 直接发送代码文件或 GitHub 链接,是最佳选择,方便查看完整的代码上下文。
    • 复制粘贴错误日志: 避免截图,直接复制错误日志文本并发送。
  • 例外情况: 只有在需要展示文本显示方面的视觉问题,或者截图中包含的信息在纯文本环境中无法表达时,才应该使用截图。

总而言之,作者呼吁大家尽量避免发送代码和错误日志的截图,选择更高效的文本传输方式,以提高沟通效率和问题解决速度。文章最后提到了该讨论在 Hacker News 上的链接。

.NET 10

好的,这是对提供的 .NET 10 发布的总结,用中文 Markdown 格式呈现,字数控制在 800 字以内:

.NET 10 发布:更高效、更智能、更安全的开发平台

微软正式发布 .NET 10,这是迄今为止最强大、最高效的 .NET 版本。它经过全球数千开发者的共同努力,带来了性能、安全性和功能上的全面提升,旨在为开发者提供统一的平台,并轻松将 AI 功能融入应用程序。

重要信息:

  • .NET 10 是一个长期支持 (LTS) 版本,将提供长达三年的支持,直至 2028 年 11 月 10 日。 强烈建议将生产应用升级到 .NET 10,以获得更长的支持周期、显著的性能提升和新功能。
  • Visual Studio 2026 和 C# Dev Kit for Visual Studio Code 也已同步发布。

主要亮点

1. 卓越性能: .NET 10 是有史以来最快的 .NET 版本,在运行时、工作负载和语言方面都进行了优化:

  • JIT 编译器改进: 更好的内联、方法去虚拟化以及结构参数的代码生成。
  • 硬件加速: 支持 AVX10.2 (Intel) 和 Arm64 SVE,提升向量化性能,同时 Arm64 写屏障改进降低了 GC 暂停时间。
  • NativeAOT 改进: 生成更小、更快的提前编译应用。
  • 运行时优化: 增强的循环倒置和堆栈分配策略。

2. 语言更新:C# 14 & F# 10

  • C# 14:
    • 字段支持属性: 简化属性声明,编译器自动生成字段。
    • 扩展属性和方法: 允许向不拥有的类型添加成员。
    • 其他改进:Span<T> 转换、空安全赋值运算符 ?.=, 参数修饰符、集合表达式扩展等。
  • F# 10: 专注于清晰度、一致性和性能,包括:
    • 作用域警告抑制: 精确控制编译器诊断。
    • 自动属性访问器访问修饰符: 灵活控制属性的读写权限。
    • ValueOption 可选参数: 提高性能,避免不必要的内存分配。

3. .NET 库:安全、现代 API

  • 后量子密码学 (PQC): 扩展了 PQC 支持,增强了应用程序的安全性。
  • 增强的网络功能: 简化了 WebSocket API,支持 macOS TLS 1.3,以及 Windows 进程组支持。
  • JSON 增强: 禁止重复属性,增强序列化设置。

4. Aspire:简化分布式应用开发

Aspire 13 提供了强大的工具,让构建可观察的、生产就绪的分布式应用变得简单。主要改进包括:

  • 现代开发体验: CLI 增强,单文件 AppHost 支持。
  • 无缝构建和部署: 内置静态文件站点支持,并行部署。
  • 企业级基础设施: 灵活的连接字符串和证书信任管理。

5. AI 功能:从集成到多智能体系统

.NET 10 整合了强大的 AI 功能:

  • Microsoft Agent Framework: 简化了多智能体系统的构建,可用于复杂的 AI 工作流。
  • Microsoft.Extensions.AI: 提供统一的抽象,方便集成 AI 服务。
  • Model Context Protocol (MCP): 标准化 AI 代理与外部资源交互的方式。

6. ASP.NET Core:强大的 Web 应用和 API 开发

  • 自动内存池清理
  • Web Authentication (Passkey) 支持
  • Native AOT 增强

社区与生态系统

.NET 10 的成功离不开社区的贡献。NuGet 上有超过 478,000 个包,总下载量超过 8000 亿次。 包括 H&R Block、Geocaching、Chipotle、Fidelity 以及 Microsoft 的 Xbox、Bing、Microsoft Graph、Azure Cosmos DB 等产品都在使用 .NET。

获取更多信息:

Redmond, WA, turns off Flock Safety cameras after ICE arrests

瑞德蒙市关闭 Flock 安全摄像头,隐私担忧加剧

以下是对原文内容的总结:

事件背景:

  • 瑞德蒙市(Redmond)于上周关闭了其 Flock 安全摄像头系统。起因是美国移民及海关执法局(ICE)特工在市内的逮捕行动,逮捕了七人,其中至少三人距离摄像头不到半英里。
  • 尽管瑞德蒙警方表示未曾允许联邦机构访问其 Flock 数据,但此次事件引发了对数据安全和潜在滥用的担忧。

Skagit 县法院裁决:

  • Skagit 县高级法院裁定,Flock 摄像头拍摄的照片属于公共记录,必须根据《公共记录法》的要求公开。这一裁决加剧了对 Flock 数据可能被滥用的担忧,并可能迫使华盛顿州内使用 Flock 摄像头的数十个警察部门公开他们收集的照片和数据。

Flock 摄像头系统概述:

  • Flock 摄像头(也称为自动车牌识别器)会持续不断地拍摄通过车辆的图像,并附带时间和地点信息。这些图像会被存储,并根据车辆信息(包括车况、品牌、型号和车牌号码)添加到由客户控制的数据库中。
  • 该系统最初的目的是帮助警察寻找被盗车辆、犯罪嫌疑人和失踪人员。

此前已发生的类似情况:

  • 华盛顿大学的研究报告显示,至少有 18 个华盛顿州的城市,其 Flock 数据已被联邦移民机构(如 ICE 和边境巡逻队)访问,且警察部门通常不知情。
  • 此前的报告引发了对联邦机构可能利用 Flock 数据针对和逮捕移民的担忧。
  • 在瑞德蒙市关闭摄像头之前,伦顿市(Renton)、奥本市(Auburn)、穆基尔特奥市(Mukilteo)和莱克伍德市(Lakewood)等多个西雅图地区的城市也已更改了其监控计划,以应对这些担忧。

瑞德蒙市的应对措施:

  • 瑞德蒙市长与市议会讨论了终止与 Flock 公司的合同。
  • 目前,所有警察部门人员已禁止访问 Flock 数据。只有两位警察部门员工可以访问数据以处理公共记录请求,两位警察管理人员可以访问但不允许搜索数据。所有摄像头已发送“断开连接”信号,停止拍摄和存储照片。
  • 瑞德蒙市市议会主席 Vanessa Kritzer 表示对继续使用 Flock 技术表示“严重担忧”。

Flock 公司回应:

  • Flock 公司正在与瑞德蒙市官员沟通,试图说服他们撤销决定。
  • 该公司正在倡导立法,以防止人们利用华盛顿州的公共记录法。
  • Flock 公司表示,可以通过传票或法院命令获取其技术收集的数据,但会在发布数据前通知并涉及客户。
  • 该公司强调,摄像头拍摄的仅仅是任何人都能在公共道路上看到的景象,不存在合法的隐私期望,并强调了该技术在帮助找回失踪儿童和患有老年痴呆症的老年人方面的积极作用。

后续发展:

  • 美国国土安全部助理部长 Tricia McLaughlin 证实了 ICE 在瑞德蒙市逮捕了七人,并指控他们非法居留。
  • 瑞德蒙市警方计划于 11 月 18 日与市长 Angela Birney 会面,讨论下一步的行动。
How cops can get your private online data

您的在线数据,警察能拿到吗?——总结

本文探讨了执法部门获取个人在线数据的问题,并提供了用户和服务提供商可以采取的措施来保护在线隐私。

核心观点:

  • 是的,警察可以获取您的在线数据。 美国联邦和州法律赋予执法部门获取您向在线服务提供的信息的权力。
  • 互联网已成为人们生活的重要组成部分,数据安全至关重要。 从大型服务提供商(如Google、Meta、ISP)到小型博客或Mastodon服务器,都需要为用户数据负责。
  • 法律限制对用户保护至关重要。 用户需要了解这些限制,以评估风险并选择值得信赖的服务提供商。

执法部门获取数据的途径:

  • 公开数据: 执法部门可以通过监控社交媒体、收集学生签证申请人信息等方式获取公开数据。
  • 私密数据:
    • 传票 (Subpoena): 检察官或执法部门直接发出,无需法官批准,但需与调查相关。
    • 法院命令 (Court Order): 需要法院授权,基于特定法律,执法部门需提供具体的事实依据证明信息与调查相关。
    • 搜查令 (Search Warrant): 需要法官批准,执法部门需提供“可能导致犯罪证据”的合理理由。
    • 超级搜查令 (Super Warrant): 用于拦截正在进行的通信,需要更高的法律门槛,包括证明其他调查方法不可行,并尽量减少不相关信息的收集。
    • 数据经纪人 (Online Data Brokers): 执法部门可以直接从在线数据经纪人处购买信息。

不同类型数据的保护程度:

数据类型 使用流程 挑战披露? 证明需求
用户信息 传票 与调查相关
元数据 法院命令/传票 具体且可证明与调查相关
存储内容 搜查令 存在犯罪证据的可能原因
传输内容 超级搜查令 可能原因 + 充分利用其他调查方法 + 最小化收集

服务提供商可以采取的保护措施:

  • 坚持法律程序: 严格遵守法律程序,不主动提供超出法律要求的用户数据。
  • 挑战不合理的请求: 对过于宽泛或侵犯用户权利的请求提出异议。
  • 通知用户: 在法律允许的情况下,及时通知用户数据请求的情况。
  • 明确告知用户: 在隐私政策中明确承诺保护用户隐私。
  • 减少数据收集: 仅收集必要的数据,避免过度收集。
  • 缩短数据保留期限: 定期删除不再需要的数据。
  • 避免数据共享: 谨慎选择第三方服务,尽量避免数据共享。
  • 端到端加密: 采用端到端加密技术,保护用户通信内容。

用户可以采取的保护措施:

  • 评估风险: 了解不同服务提供商的隐私政策和安全措施。
  • 选择可信赖的服务: 选择对用户隐私保护有良好记录的服务。
  • 改善安全设置: 调整隐私设置,限制数据共享。
  • 使用隐私保护工具: 使用隐私浏览器插件等工具,防止数据跟踪。
  • 参与行动: 了解数字隐私政策,并积极参与相关活动。

总结: 保护在线隐私需要用户和服务的共同努力,通过了解法律、选择可信赖的服务、采取安全措施以及积极参与相关行动,才能有效地保护个人数据安全。

免责声明: 本文仅为一般性总结,不构成法律建议。如有具体数据隐私和安全需求,请咨询法律专业人士。

The lazy Git UI you didn't know you need

总结:关于 lazygit 的体验和思考

作者在儿子出生后,原本计划利用产假学习新技术,最终选择了学习 neovimgopls 作为开发工具。虽然最终还是选择了 Goland 作为专业开发工具,但在实验过程中,他偶然发现了 lazygit 这个 Git UI 工具,并迅速成为了其主要用户。本文旨在分享作者使用 lazygit 的体验,并探讨其背后的设计理念。

文章主要内容:

  • lazygit 的独特之处: lazygit 易于使用,能提高生产力,并且是一个终端用户界面 (TUI),速度快、便携且视觉一致。它基于原生 Git 命令,减少出错的可能性,并提供发现性交互,帮助用户学习和掌握 Git 操作。
  • 如何提高生产力: lazygit 通过一致性、发现性和交互性来提升生产力。它采用一致的界面风格和 Git 术语,方便记忆和使用。同时,它能直观地展示必要的信息,减少上下文切换的成本,并引导用户进行操作。
  • lazygit 中学习: lazygit 的成功在于其简洁、一致、可发现、交互性强且可配置的设计。这些特点可以为其他开发工具的设计提供借鉴,尤其是在人工智能辅助开发日益普及的今天。
  • 增强的 Git 工作流: lazygit 优化了许多 Git 工作流,例如提交、推送、分支合并、cherry-pick 等,通过快捷键和交互式操作,显著提高了效率。
  • 工具选择: 不同的开发者可能需要不同的 Git 工具,取决于个人偏好、工作方式和项目类型。作者建议新手学习 Git CLI,因为它有助于理解高层接口的工作原理。

核心观点:

作者认为,即使在人工智能技术快速发展的时代,lazygit 仍然具有重要的价值,因为它能提供可靠和准确的 Git 版本控制功能。lazygit 的成功在于其优秀的用户体验设计,为其他开发工具的设计提供了宝贵的经验。

总结:

lazygit 是一款优秀的 Git UI 工具,它通过简洁、一致、可发现和交互性强的设计,显著提高了 Git 操作的效率和易用性。它不仅是一个强大的工具,更是一个启发开发者进行开发工具设计和 UX 优化的典范。

Canada loses its measles-free status, with US on track to follow

加拿大流失麻疹消除地位,美洲区域整体也受影响

主要内容:

根据泛美卫生组织(Paho)周一的报告,由于未能有效控制麻疹病毒的持续爆发,加拿大已失去其麻疹消除地位。这是自2016年美洲区域被宣布麻疹消除以来,再次出现的问题。

关键要点:

  • 加拿大失去地位: 加拿大连续12个月未能控制麻疹爆发,导致其失去麻疹消除地位。
  • 美洲区域受影响: 由于加拿大失去地位,整个美洲区域也失去了麻疹消除地位,尽管其他国家仍然被认为是已消除该疾病。
  • 美国面临风险: 美国如果不能在1月份前遏制当前的麻疹爆发,也可能失去其麻疹消除地位。目前犹他州、亚利桑那州和南卡罗来纳州均已报告病例。
  • 爆发原因: 加拿大爆发始于去年10月,主要原因是疫苗接种率下降。需要95%的人口接种疫苗才能有效阻止麻疹传播。
  • 病例数量: 加拿大在2025年已报告超过5000例麻疹病例,其中安大略省和艾伯塔省受影响最大,病例数是美国的三倍,尽管加拿大人口更少。
  • 受影响社区: 大部分爆发集中在疫苗接种率低的社区。
  • 艾伯塔省情况: 艾伯塔省的疫苗接种率低于95%的门槛。该省南部地区(South Zone)的2岁以下儿童的麻疹疫苗接种率仅为68%。
  • 疫苗有效性: 苗疹腮腺炎风疹疫苗(MMR)是预防麻疹最有效的手段,有效率高达97%,并且可以同时预防腮腺炎和风疹。
  • 低接种率原因: 加拿大免疫学家Dawn Bowdish指出,低疫苗接种率的原因包括:缺乏全科医生、缺乏全国疫苗接种登记册、以及虚假信息的传播,以及公共卫生部门对犹豫或不信任疫苗的社区的宣传不足。
  • 墨西哥也受影响: 墨西哥也出现了麻疹病例激增的情况,目前位列全球麻疹爆发前十的国家之一。
  • 恢复地位: 加拿大如果能够连续12个月控制与当前爆发相关的麻疹病毒的传播,可以重新获得麻疹消除地位。

总结:

麻疹在北美地区再次蔓延,对美洲区域的麻疹消除地位造成了影响。 加拿大和美国都面临着控制爆发的挑战。 提高疫苗接种率,加强公共卫生宣传,解决系统性问题是恢复麻疹消除地位的关键。

Has Google solved two of AI's oldest problems?

Google AI Studio 新模型初步印象:历史文献转录与推理能力的突破

核心要点:

  • Gemini-3 猜测: Google AI Studio 用户近期发现,在使用过程中偶尔会收到两份结果并进行选择,这引发了猜测可能暗示着新一代 Gemini 模型(Gemini-3)正在进行 A/B 测试。
  • 惊人功能: 用户报告该模型能够根据单一提示生成功能完整的 Windows 和 Apple OS 仿制品、3D 设计软件、任天堂模拟器以及生产力套件,展现出令人惊叹的创造力。
  • 历史文献转录能力: 作者尝试使用该模型转录手写历史文献,结果令人震惊。不仅转录准确度接近专家水平,更展现出一种“人类般”的推理能力,完全不受提示引导。
  • 历史文献解读的潜力: 这预示着 AI 模型未来可能能够像专家一样准确转录和深入分析历史文献,为历史研究带来革命性改变。
  • 更广泛的影响: 如果该模型的能力能够推广到其他需要视觉精准和专业推理的领域,将带来激动人心的突破,但也伴随着潜在的风险。
  • 技术背景: 自 GPT-4 发布以来,HTR (Handwritten Text Recognition) 准确度不断提高,但最后 10% 的提升最为困难。LLM 依赖概率预测,难以处理拼写错误和不常见词汇。
  • 转录测试: 作者和同事去年开发了一套包含 10000 字的 50 份历史文献,用于测试 LLM 的转录能力。
  • 令人瞩目的结果: 在测试中,新 Gemini 模型在 1000 多字的文件上,严格字符错误率 (CER) 为 1.7%,单词错误率 (WER) 为 6.5%。 排除标点符号和首字母大写错误后,CER 降至 0.56%,WER 降至 1.22%,达到专家人类水平。
  • 推理能力的体现: 在转录一个 1758 年阿 Albany 商人的账簿页面时,模型主动推断并修正了数字,将 “1 4 5” 识别为 “14 lb 5 oz”,展现出复杂的推理能力,这在之前的模型中从未出现过。
  • 意义: 这表明 AI 模型可能正在突破模式识别的局限,涌现出真正的抽象推理能力,并可能改变我们对 AI 发展方向的看法。

总结:

Google AI Studio 中出现的新的 Gemini 模型展现出惊人的能力,尤其是在历史文献转录和推理方面。它不仅能够以专家水平的准确度转录手写文本,还能进行复杂的推理和解读,预示着 AI 在历史研究和其他需要视觉和专业推理的领域将迎来重大突破。 该模型的出现也引发了对 AI 发展方向的思考,并暗示着真正的推理能力可能并非需要明确的规则或符号,而是可以通过规模和复杂性自发涌现。

Using Generative AI in Content Production

好的,以下是Netflix关于生成式AI(GenAI)使用指南的中文总结:

Netflix 生成式AI (GenAI) 使用指南总结

Netflix 正在探索生成式AI工具在内容制作中的应用,认为其可以作为有价值的创意辅助工具,但在使用时必须透明且负责任。本指南旨在为电影制作人、制作合作伙伴和供应商提供指导,明确何时以及如何使用 GenAI 工具,并提供评估工具以确保安全可靠的使用。

核心原则:

  • 版权与知识产权: 输出内容不得复制或实质性地再现未经授权或受版权保护的材料,不得侵犯任何版权作品。
  • 数据隐私: 生成式工具不得存储、重复使用或训练于生产数据输入或输出。
  • 安全环境: 尽可能在企业安全环境中运行生成式工具,以保护输入数据。
  • 临时性: 生成的素材应为临时性,不应作为最终交付物。
  • 尊重人才: 不得使用 GenAI 替换或生成新的演员表演,或在未经同意的情况下进行工会相关工作。

需要书面批准的情况:

以下情况必须获得书面批准:

  • 数据使用:
    • 使用 Netflix 拥有的材料(如未发布资产、剧本、制作图片)或个人数据(如演员、工作人员信息)输入工具,除非获得明确批准。
    • 使用来自艺术家、表演者或其他权利持有者的材料训练或微调模型,除非获得适当的法律授权。
  • 创意输出:
    • 使用 GenAI 生成主要角色、关键视觉元素或故事核心虚构场景。
    • 输入内容参考受版权保护的材料或公众人物/已故人物的肖像,未经适当授权。
  • 人才与表演:
    • 创建真实人才的数字副本(声音、肖像)。
    • 对表演进行重大数字修改,可能影响表演的情感、交付或意图。
  • 伦理与代表性:
    • 创建可能被误认为是真实事件、人物或声明的内容。
    • 使用 GenAI 替代或实质性影响工会成员(如演员、编剧、工作人员)的工作,未经适当批准或协议。

其他重要考虑:

  • 保密与数据保护: 使用 Netflix 企业协议覆盖的工具提供额外的安全保障。 如果使用非企业工具,确保AI工具不进行训练,并仔细阅读条款与条件。
  • 最终输出 vs. 临时素材: 最终交付物中的 GenAI 生成内容需要更加谨慎对待,需要提前标记并遵循法律审查流程。
  • 人才增强: 需要仔细考虑数字复制和修改表演的潜在法律、伦理和声誉风险,并获得同意。
  • 自定义工作流程: 如果使用自定义 GenAI 工作流程,应遵循相同的原则,并与 Netflix 联系人沟通。

使用案例矩阵:

Netflix 提供了一个使用案例矩阵,帮助快速评估风险:

用例 行动 理由
仅用于创意构思 (情绪板、参考图片) 低风险,非最终,如果遵循指导方针可能不需要升级。
生成出现在镜头的背景元素(例如标志、海报) :warning: 酌情考虑:偶然出现的元素可能风险较低,但如果与故事相关,请升级。
生成最终角色设计或关键视觉效果 :octagonal_sign: 需要升级,因为它可能会影响法律权利、观众认知或工会角色。
人才复制(重新塑造年龄、合成声音) :octagonal_sign: 需要升级进行同意和法律审查。
使用未经授权的训练数据(例如名人面孔、受版权保护的艺术品) :octagonal_sign: 由于版权和其他权利风险,需要升级。
使用 Netflix 专有的材料 ![:warning:](/hc/article_
Scaling HNSWs

Redis HNSW 向量相似度:Antirez 的经验总结

本文为 Antirez (Redis 创始人) 分享的关于 HNSW (Hierarchical Navigable Small World) 算法在 Redis 中的实现和优化经验,旨在深入探讨 HNSW 的高级特性,而非基础介绍。 由于他之前的工作中断,本文的内容是回忆和重述。

HNSW 的现状与未来

Antirez 认为 HNSW 是一种出色的数据结构,但并非最终解决方案。他认为 HNSW 的研究仍有很大发展空间,例如改进删除机制,并重新评估多层结构 ("H") 的必要性。

优化与挑战

  • 内存占用: HNSW 结构包含大量指针、多层结构以及向量数据,导致内存占用较高。
    • 指针压缩: 考虑压缩指针以节省内存,但需要在时间和空间之间做出权衡。
    • 向量量化: 8 位量化能显著提升速度(约 4 倍)、减少向量大小(约 4 倍),且保持相似的召回率,因此 Redis Vector Sets 默认采用 8 位量化。
    • 二进制量化: 适用于原始数据为二进制的情况,例如用户属性的相似查找。
  • 速度优化:
    • 多线程: HNSW 读操作主要,因此 Redis Vector Sets 采用多线程实现,提高吞吐量。通过使用节点级别的 "epoch" 标记已访问节点,避免重复访问,并使用线程安全的 epoch 数组,解决了多线程并发问题。
    • 写操作优化: 将写操作分为读取和提交两个阶段,减少锁的持有时间。
  • 内存回收: 传统 HNSW 实现难以直接回收节点内存。Antirez 的实现强制双向链接,并在删除节点时,通过构建距离矩阵并进行贪心配对,修复剩余节点的链接,确保内存的有效回收。

多实例扩展

Antirez 强调将 HNSW 作为数据结构直接暴露给用户,而非作为索引。这种方式允许用户灵活地将向量数据分散存储在多个 Redis 实例中,并通过客户端并行查询,实现水平扩展。

其他优化

  • 加载速度: 通过序列化节点和链接,而非元素和向量,可以大幅提高加载速度。
  • JSON 过滤: 在 HNSW 搜索过程中,支持 JSON 过滤,允许用户根据属性进行过滤,提高搜索效率。

结论

Antirez 认为 HNSW 是一种强大且有价值的数据结构,在未来具有广阔的应用前景。 Redis Vector Sets 的实现,以及对 HNSW 的深入理解和优化,为向量相似度搜索提供了高效的解决方案。

参考资料

SoftBank sells its entire stake in Nvidia for $5.83B

软银出售英伟达股份,为OpenAI投资融资 (Rǎnyīn Chūshòu Yīngwěidà Gǔfèn, Wèi OpenAI Tóuzī Zīróng) - SoftBank Sells Nvidia Shares to Finance OpenAI Investment

软银集团 (Rǎnyīn Jítuán - SoftBank Group) 周二宣布,已以 58.3 亿美元的价格将其全部英伟达 (Nvidia) 股份出售,约 3210 万股。此次出售旨在为公司对 ChatGPT 制造商 OpenAI 的巨额投资提供资金,目前已承诺投资 225 亿美元。

主要内容:

  • 出售股份: 软银出售了其全部英伟达股份,并部分出售了其 T-Mobile 股份,总额达 91.7 亿美元。
  • 融资目的: 这些资金主要用于支持软银对 OpenAI 的投资,以及对 ABB 机器人业务的收购。
  • 并非对英伟达的负面评价: 公司强调此次出售并非因对英伟达的估值存在担忧。
  • 历史渊源: 软银此前曾在 2017 年投资英伟达,并在 2019 年出售了其股份。
  • OpenAI 投资: 软银对 OpenAI 的投资将使其持股比例从 4% 增加到 11%,并可能在未来进一步增加,但预计不会超过 40%。
  • 财务表现: 软银的 Vision Fund 录得 190 亿美元的巨额收益,帮助公司扭亏为盈,利润翻倍。
  • 市场反应: 英伟达股价周二下跌 2%。软银股价在过去一周有所下跌,部分原因是投资者对人工智能泡沫的担忧。软银还宣布进行四对一的股票拆分,以增加投资机会。

总结:

软银出售英伟达股份是为了筹集资金,支持其在人工智能领域的战略投资,特别是对 OpenAI 的大力投资。 这并不意味着软银对英伟达的信心减退,而是公司为应对大规模投资需求而采取的资产变现策略。

Pikaday: A friendly guide to front-end date pickers

总结:避免不必要的 JavaScript 日期选择器

本文旨在劝诫开发者在设计表单时,优先考虑更简单、更易用替代方案,而不是默认选择复杂的 JavaScript 日期选择器。 复杂的 UI 容易导致错误和用户放弃。

以下是本文的主要观点:

  • 原生日期和时间输入: 现代浏览器普遍支持原生 <input type="date"><input type="time"> 元素。 应当优先使用它们,因为浏览器负责处理可访问性、性能和国际化等问题。
  • 替代方案:
    • 单独的输入框: 对于特定的日期,使用单独的月份、年份等输入框可能更易于操作。
    • 选择元素: 如果日期范围有限,使用 <select> 元素可以减少交互次数,避免输入错误。
    • 掩码输入: 使用带有占位符掩码的单个输入框,配合 JavaScript 进行验证和格式化,是一种常见的替代方案。
    • 范围和有限选项: 避免使用范围选择器,而是考虑使用两个独立的输入框或单选按钮。
    • 自由文本和建议: 对于不需要精确日期的场景,使用文本输入框,并结合 <datalist> 元素提供建议。
  • 框架兼容性: 即使使用 React 等 JavaScript 框架,也可以利用原生 HTML 元素和事件处理机制。
  • 样式: 原生日期选择器的样式有限,但这是好事,因为用户已经熟悉系统的 UI 风格。
  • 可访问性: 复杂的 JavaScript 日期选择器通常存在可访问性问题。 应遵循 WCAG 指南,并进行用户测试以确保无障碍。 避免使用可访问性覆盖层,因为它们可能会适得其反。
  • 如何说服相关人员: 强调简化 UI 的重要性,以及复杂 UI 容易导致错误。 同时,提及法规要求(例如欧盟可访问性法案)。
  • 资源推荐: 文章列举了一些关于日期选择器可访问性的文章、视频和指南。

总结: 在选择日期输入方式时,应优先考虑简单、直观的方案。 除非有充分的理由,否则避免使用 JavaScript 日期选择器。 始终进行用户测试,并确保最终方案符合可访问性标准。

AI documentation you can talk to, for every repo

DevOps 练习仓库总结 (Arie Bregman's DevOps Exercises Summary)

这个仓库 (https://github.com/bregman-arie/devops-exercises) 由 Arie Bregman 创建,旨在提供一系列 DevOps 练习,帮助学习者掌握 DevOps 相关技术和概念。 仓库内容涵盖广泛的 DevOps 工具和平台,并提供练习和示例代码,以提升实践技能。

主要内容和技术栈:

仓库包含大量练习,涉及以下关键技术领域:

  • Linux: 基础 Linux 系统管理和操作。
  • Jenkins: 持续集成/持续交付 (CI/CD) 自动化工具,用于构建、测试和部署应用程序。
  • AWS (Amazon Web Services): 云平台,练习可能涉及 EC2, S3, VPC 等服务的使用。
  • SRE (Site Reliability Engineering): 站点可靠性工程实践,可能包含监控、报警、容量规划等相关练习。
  • Prometheus: 监控和报警系统,用于收集、存储和查询指标数据。
  • Docker: 容器化技术,用于打包和部署应用程序及其依赖项。
  • Python: 脚本语言,用于自动化任务和编写工具。
  • Ansible: 配置管理和自动化工具,用于自动化服务器配置、部署和应用程序管理。
  • Git: 版本控制系统,用于代码管理和协作。
  • Kubernetes: 容器编排平台,用于自动化部署、扩展和管理容器化应用程序。
  • Terraform: 基础设施即代码 (IaC) 工具,用于自动化基础设施的创建和管理。
  • OpenStack: 开源云平台,提供计算、存储和网络服务。
  • SQL & NoSQL: 数据库技术,练习可能涉及数据库设计、查询和管理。
  • Azure & GCP (Google Cloud Platform): 其他主要的云平台,练习可能涉及类似 AWS 的服务。
  • DNS: 域名系统,练习可能涉及 DNS 记录配置和管理。
  • Elastic (Elasticsearch): 搜索引擎和分析引擎,用于日志分析和数据可视化。
  • Network: 网络基础知识和配置,可能涉及防火墙、负载均衡等。
  • Virtualization: 虚拟化技术,例如 VMware 或 KVM。

仓库结构和功能:

仓库的结构通常包含:

  • 练习题目描述: 清晰地描述每个练习的目标和要求。
  • 示例代码/配置文件: 提供代码示例或配置文件,帮助学习者理解和实践。
  • 解决方案 (可能): 部分练习可能提供解决方案,供学习者参考。
  • README 文件: 每个目录或练习通常包含 README 文件,提供更详细的说明和步骤。

目标读者:

该仓库的目标读者是:

  • 想要学习 DevOps 的初学者。
  • 想要提升 DevOps 技能的工程师。
  • 准备 DevOps 面试的人员。

总结:

Arie Bregman 的 DevOps 练习仓库是一个宝贵的资源,为学习者提供了广泛的 DevOps 技术和工具的实践机会。通过完成这些练习,学习者可以提高技能,加深对 DevOps 概念的理解,并为 DevOps 相关的职业发展做好准备。 仓库涵盖了从 Linux 基础到云平台、容器化、配置管理、监控等各个方面,为全面掌握 DevOps 提供了良好的基础。

Spatial intelligence is AI’s next frontier

人工智能的下一边界:空间智能 (AI's Next Frontier: Spatial Intelligence)

1950年,图灵提出了一个至今仍引人深思的问题:机器能否思考? 这一设想开启了人工智能(AI)的科研探索。 如今,我们见证了大型语言模型(LLM)等AI技术革新了我们获取和使用抽象知识的方式。 然而,作者认为,人工智能的下一个重要方向是空间智能,它将彻底改变我们创造和互动于现实和虚拟世界的方式,推动讲故事、创造力、机器人技术、科学发现等领域的发展。

人工智能的现状与挑战

虽然生成式AI模型如LLM已广泛应用于日常生活,但它们更像是“黑暗中的文字匠”,知识渊博但缺乏实践经验。 尽管视觉和空间智能研究取得了进展,例如ImageNet数据集的创建,以及计算机视觉与机器人学习的结合,但AI在理解和互动物理世界的能力仍远不及人类。 自主机器人技术和加速科研的潜力尚未完全实现,真正理解并赋能人类创造者的AI也未出现。

空间智能的重要性

空间智能是人类理解和与物理世界互动的基础。 从停车到导航,再到消防员在浓烟中辨别方向,空间智能无处不在,且往往是直觉性的。 空间智能也驱动着我们的想象力和创造力,例如故事讲述、建筑设计和电影制作等。 历史上,许多重要的文明突破都离不开空间智能的应用,如埃拉托斯特尼测量地球周长、哈格里夫斯发明纺纱机以及沃森和克里克发现DNA结构等。

构建空间智能AI:世界模型

作者认为,要实现空间智能,需要构建“世界模型”,这是一种新型的生成模型,其理解、推理、生成和互动能力远超当前LLM。 构建世界模型需要解决以下关键问题:

  • 通用任务函数: 需要定义一个既简单又优雅的任务函数,类似于LLM中的next-token预测,但要反映几何和物理定律。
  • 大规模训练数据: 利用互联网上的图像和视频数据,并结合深度和触觉信息等多种模态,进行训练。
  • 新型模型架构和表示学习: 需要开发超越当前MLLM和视频扩散范式的模型架构,例如采用3D或4D-aware的方法进行数据tokenization。

World Labs 的探索

作者和他的团队创立了World Labs,致力于实现空间智能。 他们开发的Marble平台,是第一个能够通过多模态输入生成和维护一致3D环境的世界模型,为创作者和讲故事者提供了前所未有的工具。

空间智能的应用前景

空间智能的应用前景广阔:

  • 创意领域: 赋能电影制作、游戏设计、建筑设计等,让创作者快速创建和迭代3D世界。
  • 机器人技术: 提高机器人的感知、推理和行动能力,实现更智能的协作和辅助。
  • 科学研究: 模拟实验、加速药物发现、探索未知领域。
  • 教育领域: 提供沉浸式学习体验,帮助学生更好地理解抽象概念。

作者强调,人工智能的发展需要以增强人类能力为目标,空间智能正是实现这一愿景的关键。 通过共同努力,我们有望构建出真正智能的机器,为人类带来更美好的未来。

Hiring a developer as a small indie studio in 2025

2025 年独立游戏工作室招聘软件开发人员的经验总结 (招聘开发者经验:小独立工作室,2025)

这篇文章分享了 Ballard Games 在 2025 年招聘软件开发人员的经验,该公司当时只有三个人,为游戏 Few Shall Return 开发。文章强调了当今招聘环境的挑战,以及小团队如何高效地处理大量申请。

招聘环境:

  • 供需失衡: 2025 年的招聘市场竞争激烈,职位数量不足,而申请者众多。
  • 资金限制: 许多公司,包括小型独立工作室,面临资金短缺。
  • 申请量巨大: 即使是小型工作室也能收到数百份申请。

招聘流程:

Ballard Games 使用一个高效且手动化的流程,主要依靠团队成员的时间和 Gmail 标签进行管理:

  1. 发布招聘信息: 通过社交媒体、Seattle Indies Discord 和 Work with Indies 发布职位。Work with Indies 带来了大部分流量。
  2. 初步筛选(两次):
    • 第一次快速浏览,排除不相关的申请。
    • 第二次仔细评估潜在的候选人。
  3. 初步沟通: 询问候选人期望的薪资、可用性和工作类型(全职或兼职),以快速筛选掉不符合要求的申请者。
  4. 作业实践: 邀请符合条件的候选人完成一个与实际工作相关的、小型的作业(例如,GitHub gist 链接)。 避免使用 LeetCode 风格的编程题,而是模拟真实项目中的问题。
  5. 视频面试: 邀请通过作业实践的候选人进行视频面试,并审查作业,确认其理解和编写代码。

Gmail 标签管理:

为了更好地管理流程,Ballard Games 使用 Gmail 标签:

  • 1. New: 所有新申请。
  • 2. Reviewed: 喜欢候选人,等待批量发送邮件。
  • 2. Reviewed/Contacted: 已发送初始邮件的线程。
  • 2. Reviewed/Hold: 存在临时问题(例如可用性不匹配)。
  • 3. Take Home: 已发送作业但尚未回复的候选人。
  • 3. Take Home/To review: 新的作业提交。
  • 3. Take Home/Good: 准备进行面试的候选人。
  • 5. Interview: 正在进行面试的候选人。
  • 9. No: 最终拒绝的申请。

作业实践设计建议:

  • 与职位相关: 作业必须与实际工作直接相关。
  • 小规模实现: 仅要求实现现有功能的小规模版本,避免让候选人免费解决工作室尚未解决的问题。
  • 时间限制: 作业时间应与现场编码面试时间相当,尊重候选人的时间。
  • 允许提问: 允许候选人就要求提出问题。
  • 提供反馈: 如果候选人提交了部分解决方案,应及时告知。

总结:

整个招聘过程大约需要 4 周时间。文章强调了在资金和人力资源有限的情况下,如何通过高效的流程和对候选人时间的尊重,成功招聘到合适的软件开发者。 Ballard Games 认为,在小型公司,候选人可以拥有更大的自由度和对游戏开发方向的影响力,这可以作为吸引人才的优势。

The Department of War just shot the accountants and opted for speed

美国国防部重大改革:加速武器交付,拥抱精益方法 (Major Reforms at the US Department of War: Accelerating Weapon Delivery and Embracing Lean Methodology)

美国国防部(DoW)上周正式废除了罗伯特·麦克纳马拉 1962 年的规划、编程和预算系统(PPBS),标志着一次彻底的变革。DoW 的目标已从优化成本和性能转向以更快的速度交付先进武器,不再接受耗时数年的交付周期。DoW 已经拥抱精益方法 (Lean Methodology),并致力于在 21 世纪取得进展。

主要变革与背景:

  • 改革内容: DoW 将重点转向购买现成的商品,而非定制设计,并采用快速审批流程,取代繁琐的联邦采购条例 (FAR)。服务部门的整个采购生态系统正在进行重组。
  • 背景: 1962 年,时任国防部长麦克纳马拉发现国防部的支出失控。为了规范支出,他引入了 PPBS,建立了一个正式的规划、编程和预算系统。然而,这种系统在过去半个世纪里变得臃肿且迟缓,无法适应现代战争的需求。
  • 问题: 现有的采购系统效率低下,导致交付周期过长,成本超支,且无法跟上中国等竞争对手的步伐。乌克兰战争表明,即使是小型国家也能快速生产并迭代无人机设计,而美国则难以实现。
  • 改革目标: DoW 旨在像硅谷一样高效运作,更快、更好、更多地交付武器,并让军方受益于商业技术的创新和低成本。

新的组织架构与流程:

  • Portfolio Acquisition Executive (PAE): 为打破各个服务部门的孤立,DoW 正在创建 PAE,负责从概念、需求、原型设计、测试、采购、使用和维护等整个端到端流程。PAE 授权承担计算风险,以快速交付创新解决方案。
  • 矩阵式组织: PAE 采用矩阵式组织结构,利用现有组织的人员(需求、项目执行办公室、维护等)。
  • 以问题为中心的组合: 采购将以共同的作战概念、技术或操作集成需求为中心,而非以武器系统为中心。
  • 优先购买商业产品: DoW 鼓励优先购买现成的商业产品(COTS),并仅在必要时进行定制开发。
  • 精益方法: 采用精益方法,设定增量和迭代交付目标,允许在战场上不断更新和改进技术。
  • 加强合作: 强调所有武器系统之间的互操作性,并要求供应商提供至少两个合格来源。
  • 战争生产单元 (WPU): 负责确保供应链稳定,应对危机时快速扩大生产能力。
  • 战争采购大学: 对采购专业人员进行再培训,侧重于实践、团队合作和行业经验。
  • 取消 JCIDS: 取消了 Joint Capabilities Integration & Development System 流程,设立了 Joint Acceleration Reserve (快速交付能力储备金)、Requirements and Resourcing Alignment Board (需求与资源协调委员会) 和 Mission Engineering and Integration Activity (任务工程与集成活动) 以提升效率。

潜在影响:

  • 中国和国防承包商的担忧: DoW 的改革可能会对中国和传统的国防承包商构成挑战,因为他们需要适应更快的交付速度和更灵活的采购流程。
  • 初创企业机遇: DoW 的改革为初创企业提供了前所未有的机遇,可以参与到国防采购中来。
  • 对行业的影响: DoW 改革的实施可能会对国防工业的传统商业模式产生重大影响。

总而言之,美国国防部的改革旨在加速武器交付,提高效率,并拥抱商业领域的创新,从而提升美国的军事实力。

Benchmarking leading AI agents against Google reCAPTCHA v2

AI模型应对Google reCAPTCHA v2挑战的性能评估:总结

本文评估了三种领先的AI模型(Claude Sonnet 4.5、Gemini 2.5 Pro和GPT-5)在解决Google reCAPTCHA v2挑战时的表现,并分析了其原因。

主要发现:

  • 整体成功率: Claude Sonnet 4.5表现最佳,成功率达到60%,略高于Gemini 2.5 Pro的56%。GPT-5表现明显较差,成功率仅为28%。 (见图1)
  • 挑战类型影响: 模型在不同类型的reCAPTCHA挑战中表现差异显著。所有模型在Static挑战中表现最佳,在Cross-tile挑战中表现最差。
    • Static: Claude Sonnet 4.5: 47.1%, Gemini 2.5 Pro: 56.3%, GPT-5: 22.7%
    • Reload: Claude Sonnet 4.5: 21.2%, Gemini 2.5 Pro: 13.3%, GPT-5: 2.1%
    • Cross-tile: Claude Sonnet 4.5: 0.0%, Gemini 2.5 Pro: 1.9%, GPT-5: 1.1% (见图2)
  • 模型分析: GPT-5的较差表现主要归因于过度和痴迷的推理。它花费更长的时间进行推理,并生成更多的“Thinking”输出(见图3)。此外,GPT-5表现出不良的规划和验证能力,反复点击和取消点击相同的方块,导致超时错误。
  • 挑战类型分析:
    • Reload挑战: 由于Browser Use的推理-动作循环,模型在Reload挑战中遇到困难。刷新图片或reCAPTCHA的提示会使模型误解为错误,导致重复点击和时间浪费。
    • Cross-tile挑战: 暴露了模型的感知弱点,尤其是在处理部分遮挡或跨越多个方块的物体时,模型倾向于选择完美的矩形。
  • 结论: 并非推理越深就越好,快速、自信和高效的决策同样重要。在实时环境中,过长的推理延迟可能导致任务失败。

实验方法:

  • 实验设计: 使用Browser Use框架,指示AI模型访问Google reCAPTCHA demo页面并解决挑战。 挑战类型包括Static、Reload和Cross-tile。
  • 任务指令: 模型需要识别匹配提示的图像,并在点击“Verify”之前进行双重检查。如果答案错误或图像更改,则需要进行修正。
  • 评估标准: 模型在5次尝试内成功完成挑战被视为成功,否则为失败。
  • 数据收集: 共有388次尝试,跨越75次试验。

关键要点:

  • reCAPTCHA v2挑战分为Static、Reload和Cross-tile三种类型。
  • Claude Sonnet 4.5在三种模型中表现最佳。
  • GPT-5的过度推理和不良规划是其表现不佳的主要原因。
  • Cross-tile挑战暴露了模型在感知方面的局限性。
  • 研究强调了在实际应用中,快速决策和适应性比单纯的深度推理更重要。
Canadian military will rely on public servants to boost its ranks by 300k

加拿大军队计划依靠公务员充实军备,目标增加30万人

主要内容:

根据加拿大国防部的一份指令,加拿大军队计划通过招募公务员来充实军备,目标是增加30万军人,作为一项动员计划的一部分。

关键细节:

  • 动员计划: 加拿大军队正在制定一项动员计划,旨在将军备力量增加到30万人。
  • 公务员参与: 该计划将优先招募联邦和省级/地区政府的公务员参与军事服务。
  • 培训: 公务员志愿者将接受为期一周的军事训练,学习如何使用枪支、驾驶卡车和操作无人机。
  • 补充预备役: 这些公务员将加入补充预备役部队,该部队目前由不活跃或退役军人组成。在紧急情况下,补充预备役部队将扩充到30万人。
  • 入伍标准: 入伍标准将比现有的预备役部队更宽松,包括年龄限制、身体和体能要求。
  • 服役要求: 公务员每年需要进行一周的军事训练,但不发配制服。医疗保障将提供,但服役时间不计入养老金。
  • “老虎小组”: 国防部成立了一个“老虎小组”,负责制定国防动员计划,并研究所需的法律变更。
  • 整体社会参与: 该计划需要整个社会的参与,由 Privy Council Office 领导,以促进公民对国防的意识和参与。
  • 借鉴芬兰经验: 加拿大将借鉴芬兰在国防动员方面的经验,芬兰实行强制征兵制。
  • 招聘挑战: 尽管该计划正在推进,但加拿大军队目前面临招聘挑战,可能影响动员计划的执行。
  • 战略竞争: 该指令指出,全球安全形势受到国家间的战略竞争影响,因此需要加强国防能力。
  • 潜在冲突: 一些加拿大军方领导人认为,加拿大可能在2028年至2030年间与中国或俄罗斯发生冲突。

其他信息:

  • 文章引用了国防部长的指令,以及审计长的报告,强调了加拿大军队面临的招聘问题。
  • 文章提供了订阅《渥太华公民报》的链接,以获取更多信息和独家内容。
  • 文章还提供了联系国防部和加拿大军队的联系方式。

希望以上总结能够满足您的需求。

The Future of Fact-Checking Is Lies, I Guess

总结:关于 Factually.co 的担忧

本文主要批评了 Factually.co 网站的“事实核查”服务,认为其本质上是一种利用大型语言模型 (LLM) 生成文本的系统,而非真正的调查性新闻,并可能传播虚假信息。

主要观点:

  • 虚假核查案例: 文章举例说明 Factually.co 曾发布关于芝加哥牧师被冰 (ICE) 机构用辣椒球击中的“事实核查”文章,但该文章基于选择性的、不相关的资料,与实际报道严重不符。实际情况是,有视频证据显示冰机构的确击中了牧师。
  • 来源选择问题: Factually.co 声称基于“提供的材料”进行核查,但实际上它会自行选择来源,并利用 LLM 将其塑造成符合特定叙事的文本,这与新闻工作者的调查过程截然不同。
  • LLM 的局限性: 文章指出,Factually.co 使用 LLM 生成文本,这些模型缺乏对事实的真正理解和推理能力,容易产生错误或误导性的信息。
  • 类比和比喻: 作者将 Factually.co 的文章比喻为“事实核查风格的糊状物”、“高档的填字游戏”,强调其缺乏新闻调查的严谨性和可信度。
  • 更广泛的担忧: 文章批评 Factually.co 这样的服务会加剧虚假信息传播的问题,并质疑其“支持独立报道”的口号,因为其运作方式与传统新闻报道的定义相悖。
  • 其他错误案例: 文章还列举了 Factually.co 在其他领域(如白宫历史、移民事件、数据库技术)中出现的错误,进一步佐证其核查准确性的问题。

总结:

作者认为,Factually.co 的“事实核查”服务本质上是一种利用 LLM 生成文本的自动化系统,而非真正的新闻调查。其选择性地使用来源,并利用 LLM 产生文本,可能导致虚假信息传播,损害了事实核查的意义,并对公众的民主对话造成负面影响。作者呼吁停止这种做法。

Show HN: Gametje – A casual online gaming platform

Please provide the content you want me to summarize. I need the text of "GAMETJE" to be able to fulfill your request and generate a concise, accurate summary in Chinese markdown format, under 800 words, without personal opinions. Once you provide the text, I will process it and give you the summary.

Listen to Database Changes Through the Postgres WAL

Postgres WAL 监听:实现数据库变更实时追踪 (Postgres WAL 监听:实现数据库变更实时追踪)

本文深入探讨了 Postgres 的 Write-Ahead Log (WAL) 以及如何利用它监听数据库变更,从而实现实时通知或审计日志等功能。

问题:

希望追踪 Postgres 数据库的变更,例如发送实时通知或维护审计日志。最初尝试 NOTIFY/pg_notify,在小型数据库中有效,但在大型、高吞吐量数据库中导致查询性能急剧下降。

NOTIFY/pg_notify 的局限性:

  • 单点队列: 所有通知通过单个队列,造成瓶颈。
  • 消息大小限制: 8000 字节,可能需要额外查询数据库获取完整数据。
  • 不可靠: 不等待确认,且不重试消息,如果监听器故障,则通知丢失。
  • 性能问题: 在触发器中使用会产生大量通知。

解决方案:Postgres WAL

Postgres 的 WAL 记录了数据库的每一次变更。它能延迟将数据页写入磁盘,提高吞吐量,并支持以下功能:

  • 数据库复制: 通过重放 WAL 变更实现数据库复制。
  • 在线备份: 实时备份数据库。
  • 点对时间恢复 (PITR): 根据 WAL 重建数据库到指定时间点。
  • 变更数据捕获 (CDC): 实时监听数据库变更。

配置数据库

要监听 WAL,需要将 wal_level 设置为 logical。此级别记录了更高级的变更信息,例如“某行插入/删除”而非“哪些字节被写入”。 需要重启数据库才能使配置生效。

代码结构

代码灵感来自 Filipe Cabaço 的探索,并参考了 Supabase Realtime 的实现。

关键概念

  • Publication (发布): 定义要追踪的表和操作 (插入、更新、删除)。
  • Replication Slot (复制槽): 跟踪监听器读取 WAL 的进度,并保留未确认的 WAL 记录,以便在监听器故障时重发。
    • Temporary Slot (临时槽): Postgres 在监听器断开连接时自动清理。
    • Persistent Slot (持久槽): Postgres 会一直保留 WAL 记录,即使监听器离线。

实现步骤

  1. 创建 Publication: 使用 CREATE PUBLICATION 命令指定要监听的表和操作。
  2. 创建 Replication Slot: 使用 pg_create_logical_replication_slot 创建持久化复制槽。
  3. 监听器实现:
    • 使用 Postgrex.ReplicationConnection 连接到 Postgres。
    • 发送 START_REPLICATION SLOT 命令,指定复制槽和 publication。
    • 处理 XLogData 消息,使用 Wal.Decoder 解析数据。
    • 处理 Primary Keep-Alive Message,响应 Postgres 的 heartbeat 请求。

总结

通过监听 Postgres WAL,可以实现高效可靠的数据库变更实时追踪,避免 pg_notify 的性能瓶颈。 需要注意消息的幂等性,确保监听器可以正确处理重复消息。

ClickHouse acquires LibreChat, open-source AI chat platform

ClickHouse 收购 LibreChat:打造开放式 Agentic 数据栈 (ClickHouse Acquires LibreChat: Building an Open-Source Agentic Data Stack)

ClickHouse 宣布收购 LibreChat,这是一款领先的开源 AI 对话平台,提供统一界面与各种大型语言模型 (LLM) 交互,赋予用户和组织对数据、代理和对话的完全控制权。LibreChat 的创始人 Danny Avila 以及整个团队和社区已加入 ClickHouse 大家庭。

核心要点:

  • Agentic 数据栈: LibreChat 将成为 ClickHouse “Agent-Facing Analytics” 愿景的核心组成部分,共同构建一个真正开放的 Agentic 数据栈。通过结合 LibreChat 的用户体验和 AI 代理框架与 ClickHouse 的大规模分析能力,可以更轻松地构建能够利用代理代表用户访问海量数据集的分析代理。
  • 用户反馈: Shopify、cBioPortal、Fetch 和 SecurityHQ 等公司已在使用 LibreChat 及相关技术。
    • Shopify: 使用 LibreChat 构建了 RFP 助手,可以从公司数据中提取信息,评估响应置信度并不断改进。
    • cBioPortal: 推出 cBioAgent,允许用户使用自然语言与基因组数据集交互。
    • Fetch: 利用 ClickHouse 和 LibreChat 构建了 FAST,一个 AI 驱动的工具,将家庭购买行为转化为商业智能。
    • SecurityHQ: 构建了基于 ClickHouse MCP 和 LibreChat 的 Agentic AI 解决方案,并计划推出 LibreHouse 云解决方案。
    • Daimler Truck: 内部部署 LibreChat,为所有员工提供安全访问聊天工具和数据代理。
  • ClickHouse 内部使用: ClickHouse 内部也使用 LibreChat 进行数据分析,已经处理了 70% 的数据仓库查询。
  • AgentHouse 演示: 提供公共 AgentHouse 演示 (https://clickhouse.com/blog/agenthouse-demo-clickhouse-llm-mcp),展示了 Agentic 数据栈的力量。
  • 开源承诺: LibreChat 将继续以 MIT 许可证保持 100% 开源,并坚持社区优先的发展模式。
  • LLM 挑战与解决方案: 强调了在生产环境中处理 LLM 的挑战,并指出为 LLM 提供最大和最准确的上下文对于减少幻觉至关重要。
  • 未来规划: ClickHouse 将发布与 ClickHouse 集成更紧密的定制功能,包括:
    • 无缝集成 ClickHouse Cloud 实例
    • 增强的数据可视化渲染支持
    • OAuth 认证、用户识别、安全和治理方案
    • 语义层支持

重要通知:

  • LibreChat Code Interpreter API: 计划在 2026 年 5 月 1 日前停止提供此 API,并会与用户联系以协调过渡。

行动号召:

总而言之,此次收购旨在通过结合 ClickHouse 的分析能力和 LibreChat 的 AI 代理框架,共同推动 Agentic 数据栈的发展,并为用户提供更快、更直观、更强大的数据分析体验。

Advent of Code on the Z-Machine

幻想控制台:Z 机器与文本冒险的复兴

这篇文章探讨了幻想控制台的概念,并以 Infocom 开发的 Z 机器为例,展示了其在游戏开发中的独特价值。幻想控制台提供了一个标准化的、带有创造性限制的环境,允许开发者探索游戏创意。

Z 机器:早期幻想控制台

1979 年,Infocom 为了解决将文本冒险游戏移植到各种平台上的难题,创造了 Z 机器。他们构建了一个虚拟机,并开发了编译器将游戏代码编译成字节码,以便在任何安装了 Z 机器的平台上运行。 这种方法在当时非常创新,如今已被 Flash、Java 等技术广泛采用。Z 机器存在多个版本,早期版本 3 得到了广泛支持,而后续版本则提供更强大的功能,但牺牲了一定的可移植性。

Z 机器的现状与编程入门

Z 机器仍然存在并被使用。虽然 Glulx 虚拟机是目前许多文本冒险游戏的默认选择,但仍有开发者使用 Z 机器。 学习 Z 机器编程有多种途径:

  • 直接编写字节码: 一种学习方式,但可能比较困难。
  • Zil: 一种低级的 Lisp 风格语言,可以生成 Z 机器字节码。但由于缺乏文档和相对较低的抽象级别,使用 Zil 并不常见。
  • Inform 6: 一种编译成 Z 机器字节码的语言。Inform 6 类似于 Zil,因为它也是基于 Z-machine 字节码。它由逆向工程原始 Z 机器创建,提供了一套独立的 C 源代码文件,可以编译成 Z 机器字节码。

Z 机器的限制与挑战

尽管 Inform 6 具有方便的特性,但 Z 机器的 16 位整数限制带来了一定的挑战。为了解决这个问题,开发者需要使用数组来存储和进行长整数运算。文章中展示了 Inform 6 中实现长整数运算的代码,包括加法、赋值、数组存储和读取等函数。

对象与游戏开发

Inform 6 也支持对象,允许开发者模拟世界交互。文章介绍了如何使用对象来解决 Advent of Code 的问题,并展示了如何创建继承自 Report_Approver 类的 multi_approver 对象,用于判断报告的有效性。

学习 Inform 6 的意义

学习 Inform 6 的意义在于它可以将编程语言与其标准库分离,允许开发者使用不同的库来提供基本的交互和世界模型。例如,作者计划使用 PunyInform,一个与 Z 机器版本 3 兼容的库,以进行游戏开发。

总而言之,Z 机器代表了一种独特的游戏开发方法,其影响至今仍然存在。通过学习 Inform 6 和类似的技术,开发者可以探索文本冒险游戏的创作,并体验在有限的资源下进行游戏设计的乐趣。

Welcome, the entire land – "Hello, world" in hieroglyphics (2009)

“你好,整个土地”:一个古埃及象形文字的“Hello World”

这篇文章讲述了作者在参加dConstruct网络会议后,与朋友们的一次有趣的经历,以及由此产生的将“Hello World”翻译成古埃及象形文字的“愚蠢”项目。

主要内容:

  • 灵感来源: 作者和朋友在布莱顿的博物馆参观了“埃及人”展览,其中一个朋友戏称博物馆的翻译“做得不错”。这引发了作者的思考:如果有人能读懂古埃及象形文字,能否将其应用于有趣的项目?
  • 项目构想: 作者突发奇想,想要制作一件印有“Hello World”的象形文字T恤。
  • 挑战与解决: 象形文字中缺少字母“L”,因为古埃及语中没有这个字母。为了解决这个问题,作者寻求了埃及学专家的帮助,并考虑使用更接近“Hello World”含义的古埃及语表达,例如“GREETINGS EARTH”或“GREETINGS FROM RA”。
  • 最终翻译: 经过与埃及学家的沟通,最终确定了“Welcome, the entire land” (欢迎,整个土地) 作为翻译。作者认为,这可能是5000多年来首次出现这句话的象形文字表示,具有独特的意义。
  • 象形文字解释: 文章详细列出了组成“Welcome, the entire land”的十二个象形文字,并解释了每个象形文字的含义。这些象形文字从左到右,从上到下排列,构成了一种灵活且具有艺术风格的文字系统。
  • 设计与发布: 作者将翻译结果进行艺术化处理,并将其印在了T恤上。作者表示,这个项目虽然可能只有极少数人能理解其中的含义,但仍然感到自豪。
  • 版权声明: 作者将设计和翻译成果置于公共领域,鼓励其他人将其应用于各种物品,认为古埃及人应该乐于看到他们的文化遗产被分享和传播。

关键细节:

  • 项目参与者: 作者、Mike、Remy、Josh,以及一些埃及学专家。
  • 特别鸣谢: Mike Stenhouse (联系翻译人员) 和 Egypt Exploration Society (进行翻译)。
  • 可下载文件: 提供了一个“HELLO WORLD Hieroglyphs (EPS)” 的矢量文件,供他人使用。
  • 核心思想: 将一个现代计算机编程中的基础概念 (“Hello World”) 通过古埃及象形文字表达出来,创造了一种跨越时空的文化交流。

总结:

这篇文章讲述了一个关于古埃及象形文字和计算机编程之间有趣联系的“愚蠢”项目。作者通过与埃及学家的合作,成功地将“Hello World”翻译成古埃及语,并将其设计应用于T恤上,创造了一个具有独特文化意义的艺术品。 整个过程体现了对知识的热情、对跨文化交流的渴望,以及对古老文明的尊重。

Zig / C++ Interop

Learn how we use macros to make it less painful to use Zig structs in C++ (and vice versa)