Count Binface 在克拉克顿补选中取得历史性突破

在最近举行的克拉克顿（Clacton）补选中，自称“星际太空战士”的讽刺候选人 Count Binface 获得了 9,455 张选票，占总票数的 26.9%。这是他职业生涯中表现最好的一次。尽管改革党（Reform UK）领导人奈杰尔·法拉奇（Nigel Farage）以 63.3% 的得票率重新赢得席位，但 Binface 成功位列第二。

候选人背景

Count Binface 的真实身份是牛津大学毕业生、喜剧演员乔恩·哈维（Jon Harvey）。他曾为 BBC 的讽刺喜剧节目《The Thick of It》和《Have I Got News For You》撰写剧本。

参选历史回顾

哈维通过扮演不同的奇葩角色挑战多位英国首相及政治领袖：

• 2017年：以“Lord Buckethead”身份挑战时任首相特蕾莎·梅（Theresa May），获得 249 票。
• 2019年：更换为“Count Binface”形象挑战鲍里斯·约翰逊（Boris Johnson），获得 69 票。
• 2024年：挑战里希·苏纳克（Rishi Sunak），获得 308 票。
• 2026年6月：挑战安迪·伯纳姆（Andy Burnham），获得 95 票。

英国的政治传统与选举规则

Count Binface 的参选反映了英国深厚的“奇葩候选人”传统。这类候选人（如“疯狂乱党”Monster Raving Loony Party 的创始人 Screaming Lord Sutch）的主要目的是通过讽刺手段挑战政治精英的傲慢，并为选民提供一种“抗议投票”的选择。

相关规则与机制：

• 参选门槛：在英国，年满 18 岁、缴纳 500 英镑押金并获得 10 人签名即可参选。
• 押金制度：如果候选人未能达到 5% 的得票率，其 500 英镑押金将被没收。由于 Binface 此前的表现通常未能达标，他多次损失了押金。
• “平等平台”：英国选举计票时有一个传统，即所有候选人（无论地位高低）必须并排站在台上听取结果。这一制度为像 Binface 这样的候选人提供了与首相同台展示的机会。

Firefox 成为唯一仍支持 uBlock Origin 的主流浏览器

Firefox 最近通过社交媒体确认，将继续支持 uBlock Origin。这一声明是在 Microsoft Edge 即将限制基于 Manifest V2 架构的广告拦截扩展之际做出的。

技术背景：Manifest V3 的影响

随着 Microsoft Edge 向 Manifest V3 架构迁移，广告拦截扩展将无法获得识别和拦截网站及视频广告所需的完整功能。由于 Edge 基于 Chromium 引擎，而 Google 已在 Chrome 中启动了从 Manifest V2 到 V3 的迁移，因此包括 Opera、Brave、Vivaldi 和 Samsung Browser 在内的多数主流浏览器都将遵循这一趋势。

浏览器支持现状

在当前主流浏览器中，支持情况如下：

• Firefox：作为少数不基于 Chromium 的浏览器之一，它是目前唯一仍能完整支持 uBlock Origin 的主流浏览器。
• 其他非 Chromium 浏览器：Safari 和 DuckDuckGo 均不支持 uBlock Origin。
• Chromium 系浏览器：由于转向 Manifest V3，这些浏览器将无法有效运行原有的 uBlock Origin 扩展。

用户选择

对于依赖 uBlock Origin 的用户来说，Firefox 是目前唯一无需在功能和拦截效果上做出妥协的选择。在其他浏览器上，用户若想实现广告拦截，通常只能使用功能较弱、拦截成功率较低的 uBlock Origin Lite，或是依赖浏览器内置的广告拦截功能。

身份误判：不存在的“Sean Byrne”及其带来的系统性风险

本文讲述了一名名为 Sean Joseph Byrne 的开发者因姓名与美国政府制裁名单中的虚假身份匹配，导致其在商业活动中屡次遭遇身份障碍的经历，并探讨了自动化筛选工具可能带来的系统性风险。

事件核心：虚假身份导致的误报

作者发现，由于他的姓名与美国商务部工业和安全局（BIS）实体清单（Entity List）上的一个条目匹配，他被 Apple 拒绝访问 App Store Connect。

该名单上的“Sean Byrne”实际上是一个虚假身份。调查显示，在 2009 年，一家名为 Mac Aviation 的爱尔兰公司为了向伊朗非法出口美国飞机零部件，在文件中使用“Sean Byrne”作为别名以伪造公司规模。尽管美国司法部后来意识到这是一个别名而非真实存在的个人，但该条目仍留在政府的合并筛选名单（Consolidated Screening List）中。由于该条目仅包含姓名和地址，缺乏出生日期、护照号或中间名等关键识别信息，导致任何姓名相同的真实人员都会被系统判定为“完全匹配”。

企业处理的差异

作者在过去几年中多次遇到此类“误报”情况：

• Nasdaq 与 DHL/SpaceX：在要求作者提供护照等身份证明并核实后，均成功解决了误报问题。
• Apple：尽管作者提供了护照、驾照以及详细的澄清说明，Apple 仍坚持其身份与受限方完全匹配，并停止了进一步的沟通。

行业趋势与潜在的系统性风险

作者指出，这种因数据库信息不全导致的误报正面临被放大的风险：

1. 自动化筛选工具的兴起：为了应对远程招聘中的身份欺诈问题，新兴的招聘产品（如 Tofu、Brainner）正在被开发。这些工具旨在应聘者提交简历的初始阶段就进行制裁名单比对。
2. 误报的自动化传播：这类工具往往通过 API 在整个客户网络中共享识别结果。如果筛选系统仅基于姓名和国家进行比对，一旦产生误报，该负面信号可能会在整个招聘生态系统中传播，导致无辜的应聘者在尚未接触到人类招聘人员之前，就被系统性地拒之门外。

结论

目前的身份核查机制存在缺陷：一方面，政府名单中的条目缺乏足够的区分性数据（如出生日期）；另一方面，企业和招聘平台正趋向于使用更早期的自动化筛选，这可能导致“幽灵身份”对真实个人造成长期的职业伤害。作者目前已向美国工业和安全局（BIS）提交复核申请，试图纠正这一由于历史遗留别名导致的错误记录。

RustDesk 实现 Wayland 无人值守远程访问

RustDesk 近期实现了在 Wayland 环境下的真·无人值守远程访问功能。此前，Wayland 的支持一直是 Linux 远程桌面领域的一大难题。

核心功能特性

• 无需人工授权：远程连接不再需要目标机器上的用户进行手动批准。
• 多显示器支持：支持多显示器设置。
• 登录界面访问：在完成初始设置后，用户可以在机器重启后的登录界面阶段直接进行远程连接，实现完全无人值守的操作。

当前发布状态

目前，该功能仅作为预览版发布，专门针对 x86_64 Debian/Ubuntu 系列系统（提供 .deb 安装包）。

行业对比

在 Wayland 支持方面，RustDesk 目前处于领先地位：

• AnyDesk：其 Linux 入站会话目前仍需要 Xorg 环境。
• TeamViewer：对于常见桌面环境的 Wayland 支持仍被描述为“实验性”阶段。

未来计划

RustDesk 团队计划在功能稳定后，采取以下步骤：

1. 将无人值守的 Wayland 访问功能扩展至更多 Linux 发行版，包括 Fedora 和 Arch Linux。
2. 最终将此功能整合进 RustDesk 的标准正式版本中。

目前，开发团队正在寻求用户（特别是使用多显示器 Wayland 环境的用户）进行实测并提供反馈，以优化稳定性。

地震事件摘要

事件概况

• 震级：7.7级
• 地点：印度尼西亚，恩德（Ende）西北偏北68公里处

技术信息

• 应用支持：地震事件页面应用程序支持大多数现代浏览器。
• 相关服务：提供实时通知、馈送（Feeds）及 Web 服务。

https://www.reuters.com/world/frances-top-court-rules-social-media-ban-curtails-freedom-expression-2026-08-14/

AI 驱动的安全提升与执法部门的“变暗”危机

本文探讨了一个看似矛盾的担忧：人工智能（AI）可能会使软件变得“过于安全”，从而导致美国情报与执法机构再次面临“变暗”（Going Dark）的困境——即失去其获取加密数据和非法通信内容的技术能力。

历史背景：“变暗”的演变

在 2000 年代初期，电子监听相对简单。然而，随着智能手机的兴起和端到端加密技术（如 WhatsApp）的普及，执法部门获取信息的难度大幅增加。

• 加密挑战： 2010 年前后，移动设备开始大规模采用存储加密，执法部门无法通过常规手段获取设备数据。
• 法律与技术的博弈： 在著名的“苹果诉 FBI”案中，执法部门试图通过法律手段强制厂商提供访问权限，但遭到拒绝。
• 黑客技术的弥补： 最终打破僵局的并非厂商配合，而是第三方漏洞挖掘技术。执法部门通过购买专门的黑客工具（如 GrayKey 或 NSO Group 的 Pegasus）来利用软件漏洞进行远程攻击或强制解锁，从而在加密时代维持了其侦查能力。

AI 时代的双刃剑

目前，AI 正在改变漏洞挖掘的格局。

1. 进攻端： 新一代 AI 模型（如 Anthropic 的 Mythos 等）在发现软件漏洞方面表现出极高的效率，这在短期内增强了黑客和执法机构的能力。
2. 防御端： 软件开发者正将 AI 集成到 CI（持续集成）工具链中，利用 AI 进行自动化的漏洞扫描和修补。

作者预测，随着防御方利用 AI 大规模修复历史遗留漏洞，大型软件中可供远程利用的漏洞将在未来两年内趋于枯竭。这意味着依靠“漏洞挖掘”来绕过加密技术的执法模式将难以为继。

潜在的风险与后果

如果执法部门无法通过漏洞获取数据，他们可能会重新推动对“特权访问”（Exceptional Access，即后门）的需求，这可能带来以下严重后果：

• 重燃后门争议： 执法机构可能向技术行业施压，要求重新设计系统架构，以确保政府能够获得访问权限。
• 自残式的安全性削弱： 这种对“后门”的需求可能仅限于要求提供这些能力的国家（如美国）。这会导致美国自身的系统安全性被刻意削弱，从而为外国对手留下攻击契机。
• 全球技术格局变化： 为了规避此类风险，非美国政府可能会逐渐放弃对美国软件的依赖，转向其他技术生态。

总结

作者认为，我们正处于一个技术转折点。当防御方利用 AI 逐步提升基础设施安全性的同时，这种安全性的提升反而可能迫使政府采取更具破坏性的手段（如强制后门）来维持其侦查能力，从而在实现安全化的关键时刻造成自我破坏。

Eigendrum 项目概述

Eigendrum 是一个交互式在线工具，旨在模拟和探索鼓面形状与其振动频率（特征值）之间的数学关系。

数学原理与求解方法

鼓面的振动遵循拉普拉斯方程的特征值问题：$-\nabla^2u = \lambda u$（在形状内部），且边缘条件为 $u = 0$。每一个解 $u$ 代表一种振动模态（驻波），而 $\lambda$ 决定了频率。

由于大多数形状没有解析解，Eigendrum 采用有限元法 (Finite Element Method) 进行数值求解：

1. 将形状覆盖为三角形网格。
2. 构建有限元刚度矩阵 $K$ 和质量矩阵 $M$。
3. 通过求解 $K\phi = \lambda M\phi$ 来获取最小的特征值。

该求解器经过严格测试，在处理圆（基于贝塞尔函数零点）和矩形（基于特定公式）时，误差小于 0.1%。由于采用了符合有限元法，其结果保证是略微的高估而非低估。

交互与模拟特性

• 敲击模拟：模拟器通过将木槌投影到各个模态上来决定激发程度。敲击位置不同，激发的模态组合也不同；若敲击位置处于某个模态的驻点，则无法激发该模态。用户也可以直接点击列表中的行来单独播放某个特定频率。
• 形状生成：用户可以通过手动描绘轮廓或编写数学方程来创建形状。支持极坐标方程 $r(t)$ 和参数方程 $x(t), y(t)$，能够生成极其精确且复杂的形状（如多瓣花形、超椭圆等）。形状信息以文本形式编码在 URL 的锚点（#）中，方便分享和编辑。
• 物理参数控制：
  • 波速（张力与密度）：通过滑块调节音高。
  • 衰减（Damping）：采用瑞利阻尼 (Rayleigh damping)，高频泛音衰减更快，使声音随时间变得沉闷。
  • 木槌参数：可调节木槌宽度，影响激发的模态范围。

科学背景：你能听出鼓的形状吗？

项目引入了著名的数学问题——“你能听出鼓的形状吗？”（Mark Kac, 1966）。1992年的研究证明了答案是否定的，即存在两种形状不同但频谱（声音）完全相同的物体（同谱形状）。Eigendrum 提供了“Kac drum I”和“Kac II”两种通过重新排列七个三角形构建的形状，用户可以通过对比听出它们虽然外形不同，但声音完全一致。

技术实现与隐私

• 全客户端运行：网格生成、数值求解和音频合成均在用户的浏览器本地完成，无需后端服务器处理。
• 隐私保护：形状数据仅存在于 URL 的 # 之后，浏览器不会将其发送到服务器，符合隐私设计原则。
• 开源与访问：项目托管于 eigendrum.com，源代码及测试用例可在 GitHub 上找到。

如何最大化 Claude Code 会话的价值

本文旨在指导用户如何通过理解 Token 成本模型、提示词缓存机制以及上下文管理，来优化 Claude Code 的使用效率并降低成本。

1. 输入与输出 Token 的成本差异

Claude 的请求分为两个阶段，其计费方式不同：

• Prefill（预填充/输入阶段）： 模型读取系统提示词、CLAUDE.md、用户消息及对话历史。这是输入 Token。
• Decode（解码/输出阶段）： 模型生成思考过程、工具调用及文本。由于输出是逐个 Token 生成的，其对 GPU 的占用时间更长，因此输出价格约为输入的 5 倍。
• 优化技巧： 通过 /effort 指令控制思考 Token 的量。对于纯体力活，可以使用 MAX_THINKING_TOKENS=0 来关闭思考功能以节省成本。

2. 提示词缓存 (Prompt Caching) 机制

为了降低重复计算的成本，服务器会缓存请求开头的相同 Token。

• 成本优势： 从缓存中读取内容的成本仅为输入价格的 0.1x。
• 如何避免缓存失效： 缓存是基于请求开头的顺序匹配的。以下操作会破坏缓存并导致重新计算全量输入（全额输入价格）：
  • 更改 /model（模型）或 /effort（努力程度）。
  • 开启或关闭 Fast mode。
  • 使用 /compact 指令（它会重写整个对话）。
  • 缓存过期（订阅用户 1 小时，API 用户 5 分钟）。
• 优化建议： 如果只想撤销最近的几次错误尝试，请使用 /rewind 而不是 /compact，因为 /rewind 不会改变之前的缓存状态。

3. 上下文管理与 Token 消耗控制

会话中的每一项内容（文件内容、命令输出）在随后的每一次对话中都会被重新发送。

• 优化文件引用： 尽量使用 @文件名 的方式引用文件。这会将文件直接附带在首个请求中，避免模型通过额外的 Read 调用来获取文件，从而节省一次输出 Token 和后续的重复输入。
• 控制命令输出： 冗长的命令输出（如带有大量成功信息的测试运行器）会迅速占满上下文。建议在 CLAUDE.md 中预设带有静默参数（quiet flags）的命令。
• 管理会话长度：
  • 一个长会话的成本会随着轮次增加而呈指数级上升。
  • 完成一个子任务后，应使用 /compact。
  • 开始全新任务时，使用 /clear 以清空不再需要的上下文。

4. 使用子代理 (Subagents)

子代理拥有独立的上下文窗口，不会将任务过程中的大量细节带入主会话。

• 适用场景： 处理产生大量输出的任务（例如分析超长日志）。
• 优缺点： 优点是保持主会话上下文精简；缺点是子代理可能需要重新读取主会话已有的信息，存在一定的开销。对于频繁进行的繁重任务，可以为其定义特定的模型（如使用较廉价的 Haiku 模型）。

总结：成本控制优先级

在优化过程中，应优先关注以下四个方面（按成本影响程度排序）：

1. 不必要的上下文/文件内容
2. 冗余的命令输出
3. 过长的会话轮次
4. 未优化的文件引用方式

https://www.ft.com/content/47dd5308-dd17-404a-a615-61046defd697

关于“停止提交巨型 PR”的观点总结

本文表达了开发者对近期提交规模过大的 Pull Request (PR) 趋势的强烈不满，主要核心观点如下：

1. 巨型 PR 带来的评审负担

• 评审难度增加：由于 AI 工具能够“一次性”生成完整的功能，导致出现了动辄数千行的巨型 PR。这给维护者和评审者带来了沉重的负担。
• PR 规模的核心目的：提交小规模 PR 的初衷并非为了交付零碎的功能，而是为了确保代码是可消化、可评审且易于理解的。
• 复杂度指数级增长：作者认为，理解一段代码所需的时间会随着代码行数的增加而呈指数级增长。为了追求一次性交付完整功能而牺牲评审质量是不合理的。

2. 代码注释与命名规范

• 反对冗余注释：作者反对为显而易见的代码逻辑编写长篇累牍的注释（例如解释变量名的含义）。
• 提倡清晰命名：与其通过注释来解释含义模糊的变量，不如通过改进变量命名来提升代码的自解释性。

3. 对 AI 辅助评审的质疑

• 效率问题：针对“使用 AI 来评审 AI 生成的代码”这一做法，作者认为这是一种浪费，因为本质上是在让 AI 重新处理已被 AI 处理过的信息。
• 评审流程逻辑：如果开发者认为 AI 已经能够胜任评审工作，那么将未经整理的巨型代码块提交给人类评审的必要性就会受到质疑。

4. 核心逻辑与总结

• 工具进化不应改变标准：虽然 AI 提高了编写代码的速度，但这不应成为改变 PR 评审标准（即维持小规模、易读性）的理由。编写效率的提升不应以牺牲评审质量为代价。
• 潜在的博弈行为：作者最后指出，存在一种担忧，即部分开发者可能通过故意提交巨型 PR，利用评审者的疲劳感来诱导其直接通过（Approve）。

RISC-V 架构设计批评总结

本文对 RISC-V 指令集架构（ISA）提出了严厉批评，认为其设计存在根本性缺陷，无法同时满足低端微控制器（MCU）和高端高性能计算的需求。作者认为其设计过程过于学术化且缺乏实际工程经验，导致了生态碎片化和编码效率低下。

1. 核心应用场景的错位

• 低端微控制器（MCU）：
  • 中断延迟高： 与 ARM Cortex-M0 相比，RISC-V 在处理中断时由于缺乏硬件自动压栈机制，需要额外的指令来保存寄存器，导致中断开销显著增加。
  • 代码密度问题： 尽管有压缩扩展（C extension），但在处理某些指令（如字节/半字存储）时，其偏移量范围极窄，且部分指令甚至不属于基础压缩扩展，影响了代码密度。
• 高端高性能处理器：
  • 解码困难： 高性能核心需要快速并行解码，而 RISC-V 的压缩指令增加了确定指令边界的难度，阻碍了流水线效率。
  • 缺乏高效寻址： 缺少类似于 ARM 的“寄存器 + 比例缩放寄存器”寻址模式。虽然后来引入了 Zba 扩展，但其实现方式并未从根本上解决数组访问效率低下的问题。

2. “过度可选性”导致的碎片化

作者认为 RISC-V 的“可选性”设计是其最大的失败：

• 标准失效： 由于几乎所有核心功能（如乘除法、特权模式、CSR、压缩指令等）都是可选的，导致所谓的“符合标准”变得毫无意义，不同实现之间的兼容性极差。
• 软件开发困难：
  • 特性检测难： 检测硬件特性的机制（如 misa CSR）本身也是可选的，且由于权限限制，用户态代码无法可靠地检测硬件能力。
  • 实现定义的问题： 例如系统定时器的地址是“实现定义”的，而非固定标准，这极大地增加了编写通用内核的难度。
  • 中断模式不确定： 中断向量模式也是可选的，导致编写通用操作系统时面临巨大的不确定性。

3. 编码与指令设计的缺陷

• 编码混乱： 指令中的立即数（immediates）在不同格式中位置分散，极其不规则，增加了模拟器和硬件解码器的复杂度。
• 压缩指令集极其复杂： 16 位压缩指令拥有过多的格式，且在相同位位置对立即数进行不同的编码，设计逻辑混乱。
• 语义不稳定性（严重风险）： 不同的扩展组合可能导致同一段二进制代码在不同硬件上产生完全不同的语义（例如，在一种核心上是浮点存储，在另一种核心上变成了跳转指令）。这种设计可能导致难以排查的随机崩溃和数据损坏。
• 缺失基础指令： 缺少极其常用的“测试位并跳转（test bit and branch）”以及高效的位域操作（bitfield operations）指令。

4. 对未来发展的预测

• 低端市场将获胜： 凭借低廉的授权成本，RISC-V 将在低端单片机和机器学习（ML）加速器的控制逻辑领域占据主导地位。在这些领域，性能并非首要指标，成本才是。
• 高端桌面市场难有作为： 由于架构设计缺陷以及生态系统的缺失，RISC-V 很难在需要高性能、高交互性的桌面和移动设备市场与 ARM 竞争。
• 关于“配置文件（Profiles）”的评价： 尽管 RISC-V 基金会推出了 RVA23 等配置文件试图解决碎片化问题，但这实际上是为已经失败的“可选性”设计增加了一层补救性的标准，且目前硬件实现与这些新标准之间存在严重脱节。

Racket v9.3 版本更新摘要

Racket v9.3 正式发布，本次更新涵盖了工具链增强、教学语言优化、性能改进以及多项 API 功能的扩展。

工具与包管理

• 文档生成：raco setup 命令新增了 --doc-markdown 选项，支持生成 Markdown 格式的文档。
• 包安装：raco pkg install 命令增加了更多安装时配置选项（包括 --adjacent-deps、--destdir 和 --attach），并对 --skip-installed 进行了优化，提升了安装的灵活性。

语言与编辑器改进

• 教学语言：通过 #lang 使用的教学语言（如 BSL、ISL+ 等）已与通过语言对话框选择的语言达到功能一致，官方推荐使用 #lang 方式。
• DrRacket 性能：DrRacket 的后台扩展现在会禁用 errortrace 标注，以加快语法检查的速度。

API 与库功能增强

• 核心与基础库：
  • racket/base 模块减少了对内部模块和实例化的依赖。
  • file/zip 包提供了全新的 zip 文件生成机制，支持使用内存中的文件源以及对单个文件进行压缩控制。
  • tcp-listen 0 在遇到“地址已被占用”错误时将自动重试。
• FFI 与路径定位：ffi/unsafe/runtime-lib 库引入了 define-runtime-lib 机制，类似于 define-runtime-path，允许开发者定位相对于源文件的库。
• 合同（Contracts）与错误处理：
  • prompt-tag/c 合同生成器在未开启 #:call/cc 选项时，不再对 call/cc 进行检查。
  • impersonate-prompt-tag 函数新增了一个参数，用于检查和更新可组合延续（composable continuations）的结果。
  • error-syntax->srcloc-handler 参数增强了对错误处理中语法形式与源码位置映射的控制。

Ploopy A+ 轨迹球发布摘要

Ploopy 宣布推出其 Adept 轨迹球设计的迭代版本 —— A+。这款产品在保留原版开源特性的基础上，在功能、硬件配置和交互体验上进行了全面升级。

主要新特性

• 更多按键与旋钮：按键数量从原版的 6 个增加到 8 个。其中包含 2 个旋钮，默认用于高分辨率的水平和垂直滚动，但用户可以根据需求对其进行重新编程。
• 可拆卸手托：A+ 配备了一个可以根据使用习惯进行拆卸或通过螺丝固定的手托，提供了更高的使用灵活性。
• 手势功能 (Gestures)：基于 QMK 社区的研究，用户在按住特定按键的同时，可以通过向八个方向拨动轨迹球来触发指令（例如：剪切、复制、粘贴、切换桌面或媒体控制）。
• 分层设计 (Layers) 与设备端配置：
  • 导航层：用于日常交互。
  • 控制层：通过按下右旋钮进入，允许用户直接在设备上进行配置，包括：切换左手模式、在高分辨率滚动与步进滚动之间切换、调整旋钮模式、更改 LED 亮度以及调整 DPI 等。
• 内置 LED 灯：配备两个明亮的内部 LED，用于指示当前所处的层级或提供配置辅助信息。

核心技术规格（延续原版优秀特性）

• 传感器：采用 Pixart PMW-3360 鼠标传感器，具备极高的准确性和速度，支持 1,000Hz 轮询率。
• 按键开关：使用 Omron D2LS-21 开关，提供清脆、响应迅速的操作手感。
• 固件与兼容性：支持 QMK 和 VIA，配置可直接存储在设备上，具有极高的便携性。
• 开源属性：维持 100% 开源，设计文件、固件及组装说明均在 GitHub 上通过 CERN OHL-V2s 和 GPLv3 协议免费提供。

预售信息

• 预售时间：2026 年 8 月 19 日（星期三）上午 10 点 (ET)。
• 预售价格：$99 CAD（套件形式）。

《简化与重构入门微积分》(Simplifying and Refactoring Introductory Calculus) 摘要

核心内容概述

本文探讨了大学一年级微积分教学中存在的现状与改进方向。作者指出，当前的微积分教学模式往往给学生带来了过重的学习负担，其主要原因在于教学内容过于琐碎。

存在的问题

目前微积分的教学方式要求学生记忆大量多样化的操作流程。尽管这些流程在本质上往往是在执行相同的任务，但由于缺乏统一的框架，学生不得不将其视为互不相关的独立步骤进行机械记忆。

改进方案

文章提出了一种“简化与重构”的教学思路：

• 精简流程：通过对微积分过程进行整合与优化，减少冗余的计算步骤。
• 强化核心概念：利用更少、更具通用性的核心概念来构建知识体系。
• 提升能力：通过减少对机械记忆的依赖，增强学生在处理数学问题时的灵活性和综合应用能力。

文档信息

• 作者：Jonathan Bartlett
• 发表年份：2018年（收录于 Communications of the Blyth Institute, 2019）
• 学科分类：数学历史与综述 (math.HO)
• 主要目的：通过优化微积分的教学结构，降低学习难度并提高教学效率。

Better Home & Finance 前 CEO Vishal Garg 寻求复职

事件背景

Better Home & Finance 的前首席执行官 Vishal Garg 正在寻求重新掌管公司。Garg 此前因在 2021 年圣诞节前通过 Zoom 视频会议解雇 900 名员工而备受争议。在他的领导下，公司经历了显著的波动：在疫情期间抵押贷款利率低迷时，公司估值曾高达 80 亿美元；但随着利率上升及业务萎缩，目前公司市值仅为 3 亿美元。此外，公司还经历了 SPAC 合并失败导致股价暴跌 93% 以及多次监管调查等困境。

权力更迭与争议

Garg 声称自己于 8 月 3 日被解雇，接任者是 Daniel Lewis。Garg 指责 Lewis 采取了“欺骗”手段，通过在社交媒体上赞扬公司战略并赢得董事会信任，最终在加入董事会仅一周后便成功取代了他的职位。Garg 认为 Lewis 并非真心致力于公司发展，而是蓄意谋求 CEO 之位。

业绩辩护与转型成果

尽管面临诸多负面评价，Garg 坚称他在被解雇时正带领公司走向转型的关键阶段（即“到达 5 码线”）。他提出了以下转型论据：

• 销售额增长：公司年销售额预计将从 2023 年的 7000 万美元增长到今年的 2 亿美元。
• 技术驱动：通过训练 AI 模型快速处理抵押贷款，大幅提升了处理速度。
• 业务扩张与合作：与 Neo Home Loans 合作降低了 50% 的贷款发起成本；并与 Intuit、Coinbase 和 OpenAI 等公司建立了合作伙伴关系。
• 贷款量提升：声称贷款量已增长了三倍，且接近实现盈利。

复职行动与现状

自 Lewis 接任以来，公司股价已下跌 45%。据 Garg 表示，许多感到不安的投资者已联系他，请求他重返 CEO 之位。

为了夺回控制权，Garg 已采取以下行动：

1. 法律手段：聘请了资深律师 Alex Spiro 代表自己。
2. 正式要求：向董事会致信，要求恢复其 CEO 职位。
3. 薪酬承诺：提议在公司恢复盈利前，每年仅领取 1 美元的薪水，并在实现盈利后离职。
4. 投票权优势：Garg 声称凭借其持有的 B 类股（具有特殊投票权）以及部分早期投资者的支持，他拥有足够的票数赢回控制权。