2026-08-19

24 篇热帖

1. Beware Management Consultants (about.iceland.co.uk)

这篇文章通过一个讽刺性的赛艇寓言,批判了企业管理中过度官僚化、层级臃肿以及咨询公司逻辑荒谬的现象。

核心冲突

故事对比了两支赛艇队:

  • 绿色队:配置为 7 名划手和 1 名队长,获得比赛胜利。
  • 红色队:配置为 1 名划手和 7 名队长,惨败。

尽管审计结果明确显示红色队失败的原因在于实际劳动力(划手)严重匮乏,而管理层却并未增加划手,而是聘请了咨询公司来寻找“解决方案”。

错误的解决方案

咨询公司认为问题在于“队长与划手的比例”,并建议进行组织架构重组。基于此建议,红色队进行了复杂的层级扩张:

  • 将原本的结构细化为 4 名队长、2 名经理和 1 名高级总监。
  • 所有的管理层级都围绕着那名唯一的划手展开,而实际干活的人员并未增加。

荒诞的结果与反馈循环

第二年比赛中,绿色队的领先优势进一步扩大。面对失败,红色队管理层的反应极其荒谬:

  1. 惩罚执行者:以表现不佳为由解雇了唯一的划手。
  2. 奖励管理者:向管理层(队长、经理、总监)发放奖金,以表彰他们在准备阶段表现出的“领导力”和“激励作用”。
  3. 推卸责任:咨询公司在新的分析中得出结论,认为战略、动机和重组执行均完全正确,问题仅在于所使用的“工具”(暗示划手或船只)不达标。

最终走向

为了解决问题,管理层决定重新设计船只,并为了向股东展示财务和人力资源的“灵活性”,决定将划手业务外包到印度。

3. OpenLogi (openlogi.org)

OpenLogi 项目概述

OpenLogi 是一个使用 Rust 编写的、以“本地优先”(local-first)为核心理念的 Logitech Options+ 替代方案。它旨在通过 HID++ 协议直接驱动 Logitech 鼠标,在提供丰富功能的同时,确保用户隐私,不设账号,不收集遥测数据。

核心功能

  • 按键重映射:支持将 44 种内置动作绑定至物理按键,并允许自定义快捷键、应用程序启动器及脚本操作。
  • DPI 控制:可通过 HID++ 直接设置指针分辨率,并允许用户创建和循环切换 DPI 预设。
  • SmartShift 控制:支持在段落感(ratchet)与自由滚动(free-spin)模式之间手动切换,或根据滚动速度自动切换。
  • 多连接支持:兼容 Logi Bolt、Unifying、Lightspeed 接收器、蓝牙以及有线连接。
  • 实时设备状态:提供设备轮播视图,可实时查看已配对设备的电池百分比和充电状态。
  • 本地化配置:所有设置均直接写入用户拥有的 config.toml 文件中,配置易于迁移和手动编辑。

隐私与安全

OpenLogi 坚持“无账号、无遥测、无云端”的原则。所有操作均在本地完成,配置文件的所有权完全归用户所有,增强了用户对硬件控制的自主权。

平台支持与安装

OpenLogi 提供跨平台的已签名安装包:

  • macOS:支持 Intel 和 Apple Silicon 芯片,推荐通过 Homebrew (brew install --cask openlogi) 或 .dmg 文件安装。
  • Linux:提供 .deb.rpm 和 Arch Linux 的 .pkg.tar.zst 格式。
  • Windows:提供经过 Windows 11 验证的 .msi 安装包。

开发路线图与注意事项

  • 功能规划:即将推出针对不同应用程序的独立配置文件(Per-app profiles)、Unifying/Lightspeed 配对功能,以及长期规划中的 Logitech Flow(跨电脑指针与剪贴板共享)支持。
  • 软件冲突:运行 OpenLogi 时必须退出 Logitech Options+ 或 Solaar,因为它们会争夺 HID++ 访问权限。
  • 权限说明:在 macOS 上,由于需要通过 CGEventTap 实现侧键(前进、后退、中键)的重映射,系统会要求授予“辅助功能”权限。
  • 配置迁移:目前暂不支持直接导入 Options+ 的设置,但用户可以通过简单的 TOML 文件快速重建配置,并可通过复制文件实现跨设备同步。
5. Claude Code May–August 2026 weekly limits promotion (support.claude.com)

Claude Code 2026年5月–8月周使用限额提升优惠活动总结

活动概述

自 2026 年 5 月 13 日至 8 月 31 日,Claude Code 将开展限时优惠活动,为符合条件的订阅用户提供其 Claude Code 周使用限额提升 50% 的权益。

适用详情

适用对象

  • 包含计划:Pro、Max、Team 计划,以及 Enterprise 计划中的传统按席位计费(legacy seat-based)用户。
  • 排除对象:Free(免费)计划以及 Enterprise 计划中的按量计费(consumption-based)席位。

适用产品与范围

  • 适用产品:仅适用于 Claude Code,涵盖其 CLI、IDE 扩展、桌面端和网页端的所有使用场景。
  • 不适用范围
    • 不影响 5 小时使用限额。
    • 不影响 Claude 其他产品(如 Claude 网页版、桌面版、移动版或 Claude Cowork)的使用限额。

关键信息

  • 自动生效:符合条件的计划无需进行任何操作,提升后的限额将自动应用。用户可以通过在 CLI 中运行 /usage 命令来查看更新后的限额。
  • 活动结束:活动于 2026 年 8 月 31 日结束,届时 Claude Code 的周使用限额将恢复至标准水平。此活动不会对用户的订阅计划或计费方式产生任何变更。

条款与条件

该优惠有效期至 2026 年 8 月 31 日 11:59 PM PT。优惠不可兑换现金,不可转让,且不能与其他优惠叠加使用。

6. How does IKEA come up with names for its products? (www.ikea.com)

IKEA 产品命名方法总结

IKEA 的产品命名方式最初是创始人英瓦尔·坎普拉德(Ingvar Kamprad)为了解决记不住数字的问题而采取的一种实用方案,如今已演变成品牌身份和表达的重要组成部分。

核心命名规则

为了构建独特的品牌形象,IKEA 遵循以下两条核心规则:

1. 产品使用瑞典语命名

产品名称旨在体现瑞典的身份、斯莫兰(Småland)的遗产以及品牌价值观,为品牌增添趣味性。命名遵循一套明确的分类系统,例如:

  • 沙发:使用瑞典地名。
  • 书架:使用男性名字。
  • 儿童产品:使用动物和自然元素。

符合条件的名称必须满足以下标准:

  • 必须是真实的单词。
  • 长度在 4 至 12 个字母之间。
  • 优选包含瑞典语特殊字母 Å、Ä 或 Ö 的单词。
  • 发音悦耳。
  • 绝不能是已注册的商标或姓氏。
  • 审核机制:所有名称都会经过仔细检查,以确保在全球范围内没有不良含义,且不涉及政治或宗教关联。

2. 其他事项使用当地语言的描述性名称

对于服务、功能及沟通内容,IKEA 会使用运营所在国家的当地语言进行描述性命名,以确保全球各地的客户都能清晰、易懂地理解。

特殊情况与规模

  • 文化例外:为了传递瑞典文化和传统,IKEA 会特意保留一些瑞典语单词(如:你好、再见、欢迎、欢迎回来以及咖啡等)。
  • 命名规模:IKEA 每年大约会为 2,000 至 3,000 件新产品命名。
7. Norway should buy OpenAI (www.onethousandmeans.com)

摘要:挪威应收购 OpenAI

本文提出了一项激进的政策建议:由挪威政府全球养老基金(GPF-G)收购 OpenAI,以应对人工智能(AI)技术快速发展可能带来的社会、民主及生存风险。

核心问题:AI 带来的权力与财富集中

作者认为,AI 技术的发展速度已超过了现有制度的应对能力。目前的趋势是将巨大的权力和财富集中在少数 AI 系统所有者手中,这可能导致:

  • 民主威胁:AI 可能被用于削弱民主控制。
  • 技术性失业:随着自动化程度提高,大部分工作岗位可能消失,导致财富仅流向少数股东,从而产生“永久底层阶级”。
  • 公地被圈占:AI 模型并非凭空产生,而是利用了人类集体的知识成果(互联网数据、书籍、代码)以及公共基础设施(大学教育、政府研究资助、公共数据集)。作者认为,将这些基于公共投入的技术私有化,本质上是对“人类公地”的圈占。

OpenAI 的转型

文章指出,OpenAI 此前曾是一家非营利组织,设有利润上限及确保技术造福人类的条款。然而,随着其转型为营利性公司,这一对人类共同利益的承诺已被放弃,这被视为人类社区的重大损失。

提议方案:挪威政府介入

作者建议利用挪威政府全球养老基金(GPF-G)的资本力量来收回 AI 的公共属性:

  1. 收购与管理:鉴于 GPF-G 规模巨大(超过 2 万亿美元),足以收购 OpenAI(估值约 8000 亿美元)。
  2. 国际化治理:收购后,应将 OpenAI 的管理权移交给国际多边机构,以确保其开发符合国际社会利益,而非私人利益。
  3. 挪威的优势:挪威是一个稳定的民主国家,拥有成熟的财富管理经验(如石油收入管理)和深厚的国际主义传统。挪威在国际冲突调解、对外援助及维护国际制度方面有良好的记录,使其成为代表全球利益的潜在代理人。

挑战与必要性

尽管该方案面临现实障碍,但作者认为其必要性不言而喻:

  • 实施难度:此举可能需要挪威动用 40% 的投资组合,并违反现有的基金投资授权;同时,该行动极可能遭到美国政府的阻挠。
  • 政策视野的局限:作者批评当前的政治讨论过于狭隘(如仅仅讨论禁止建设数据中心),认为这是一种逃避问题的“地方主义”。
  • 结论:面对 AI 带来的深刻变革,政策制定者需要具备“想象力”,提出打破常规的方案。如果不能改变 AI 实验室的所有权结构并确保民主监管,人类的大多数人将面临被剥夺权力的风险。
8. Turbovec – Google's TurboQuant for vector search in Rust (github.com)

Turbovec 项目概述

Turbovec 是一个基于 Rust 开发的高性能向量索引库,并提供 Python 绑定。它实现了 Google Research 的 TurboQuant 算法,旨在为向量搜索提供极高的压缩比、极快的搜索速度以及低延迟的在线更新能力。

核心特性

  • 在线摄取 (Online Ingest): 无需独立的训练阶段、参数调优或重新构建过程,支持随着语料库增长直接添加向量。
  • 高性能 SIMD 搜索: 通过手写内核针对不同架构进行了深度优化:
    • ARM: 使用 NEON SDOT/SMMLA 指令集。
    • x86: 使用 AVX-512 VNNI 和 vpermb 指令,并提供 AVX2 和标量路径作为回退。
    • 在多项测试中,其搜索速度优于 FAISS IndexPQFastScan。
  • 增量保存 (Incremental Saves): 提供 sync(path) 方法,仅持久化自上次同步以来发生的变化,支持崩溃安全的文件操作,且删除或追加操作的成本极低。
  • 搜索时过滤 (Filtering at Search Time): 支持通过 ID 白名单或位掩码进行过滤。过滤操作直接在 SIMD 内核中完成,在保持召回率的同时避免了过度抓取。
  • 完全本地化: 无需托管服务,数据无需离开本地环境或 VPC,适合构建隐私性强的 air-gapped RAG(检索增强生成)栈。

主要组件与 API

  • TurboQuantIndex 基础索引类,用于存储向量并执行搜索。
  • IdMapIndex 提供稳定外部 ID 支持的索引。它允许通过用户定义的 uint64 ID 进行搜索和 $O(1)$ 复杂度的快速删除。
  • 框架集成: 提供 LangChain、LlamaIndex、Haystack 和 Agno 的掉入式替换方案(Drop-in replacements),方便用户在现有流水线中直接切换。

技术原理

Turbovec 的核心在于利用随机旋转使高维向量坐标分布变得可预测,从而实现高效量化:

  1. 归一化 (Normalize): 提取向量长度并将其转换为单位方向向量。
  2. 随机旋转 (Random Rotation): 通过相同的随机正交矩阵旋转所有向量,使坐标分布趋向于可预测的 Beta 分布(在高维下趋向于高斯分布)。
  3. 逐坐标校准 (TQ+ Calibration): 通过对少量样本进行校准,拟合每个坐标的偏移量(shift)和缩放比例(scale),以补偿有限维度下的分布漂移,从而显著提升召回率。
  4. Lloyd-Max 标量量化: 基于预计算的已知分布,利用 Lloyd-Max 算法确定最优的分桶边界和质心。
  5. 位打包 (Bit-packing): 将量化后的整数值(如 2-bit 对应 4 个桶,4-bit 对应 16 个桶)紧凑存储。
  6. 长度重归一化 (Length-renormalized Scoring): 为了补偿标量量化导致的内积估计偏差,在编码时存储一个标量系数,在搜索时用于消除偏差,实现无偏估计。

性能表现

  • 压缩率: 相比于 float32,压缩效果极其显著(例如:将 31 GB 的数据压缩至 4 GB)。
  • 召回率 (Recall): 在 OpenAI 等高维嵌入模型上,其校准后的 TQ+ 表现优于或等同于 FAISS PQ。
  • 搜索与操作延迟:
    • 在 ARM 和 x86 架构上,搜索速度普遍优于 FAISS FastScan。
    • 插入操作比 FAISS 快 7-15 倍。
    • IdMapIndex 的删除操作具有极低的延迟,相比 FAISS 的重排成本具有压倒性优势。
9. Cerebras CS-4 (www.cerebras.ai)

Cerebras CS-4 产品概述

Cerebras 推出了全新的 CS-4 机架级解决方案,这是一款专为前沿 AI 设计的革命性架构。该系统旨在提供比传统 GPU 更快的推理速度、更高的经济性以及更便捷的大规模部署路径。

核心性能优势

  • 极速推理:得益于 WSE-3 Turbo 引擎,CS-4 的推理速度最高可达 GPU 系统的 30 倍,创下了生产环境中推理速度的新纪录。
  • 高能效吞吐量:与 CS-3 相比,CS-4 的每瓦吞吐量提升了高达 10 倍。它在实现高吞吐量的同时,也能保证极佳的交互性能。
  • 支持超大规模模型:通过将晶圆间互联延迟降低至 2 微秒,CS-4 在处理超过 10 万亿参数的模型时,仍能保持每秒超过 1,000 个 token 的生成速度。

Nexus 机架级平台架构

CS-4 是 Cerebras 全新 Nexus 平台架构的首个迭代版本,采用模块化设计,围绕计算、电力和 I/O 三大核心要素构建,以简化制造、部署、维护和升级过程。

1. 模块化计算背包设计 (Modular Compute Backpack)

Cerebras 重新设计了服务器结构,通过“晶圆级背包”将晶圆、电源转换、直接液冷、高速 I/O 和控制电子元件整合进一个紧凑的 3D 封装中。这种设计使组件数量减少了 50%,并将部署时间从几天缩短至几小时。

2. 高密度供电系统

CS-4 的供电距离处理器仅 0.5 毫米(传统 GPU 板卡约为 50 毫米),极大地减少了板级功率损耗。这使得系统能向 WSE-3T 提供两倍的电力,从而实现更高的运行频率和更快的 token 生成速度。

3. 下一代晶圆 I/O 接口

全新的可编程 I/O 子系统使 I/O 带宽翻倍并降低了延迟。通过晶圆 I/O 模块,晶圆可以在机架内或跨机架进行互联而无需交换机,实现低至 2 微秒的晶圆间延迟,这对于维持超大规模模型的交互性至关重要。

关键规格总结

  • 处理器:每个系统配备三个 WSE-3 Turbo 晶圆。
  • 速度提升:单个晶圆的速度是上一代的 2 倍。
  • 交付时间:首批 CS-4 将于本季度开始发货。
11. And then the men with guns tell you to do it anyway (shkspr.mobi)

技术、权力与紧急警报系统的伦理困境

本文探讨了在紧急警报系统设计中,技术手段、法律强制与政治权力之间难以调和的矛盾,并通过历史案例说明了技术在面对暴力威胁时的脆弱性。

1. 历史教训:埃及革命中的强制性宣传

2011年埃及政治革命期间,电信运营商(如Vodafone)在政府压力下,向民众发送了带有亲政权色彩且隐含暴力倾向的宣传短信。尽管Vodafone全球总部表示抗议,并声称在当地法律和实际压力下别无选择,但这一事件揭示了一个核心问题:当政府利用紧急权力控制通信网络时,企业在履行社会责任与服从当地政权之间面临极大的道德与生存困境。

2. 技术设计的局限性与“公民卫生”

技术专家通常试图通过构建加密证明、故障安全机制或不可滥用的基础设施来解决安全问题。然而,文章指出,无论技术架构多么完善,都无法对抗物理层面的强迫(即“拿枪的人”)。

为此,文章引入了安全专家Bruce Schneier提出的**“公民卫生”(Civic Hygiene)**概念:即在设计技术时,应保持警觉,避免构建那些在未来可能被极权国家用作镇压工具的技术。这涉及到一种微妙的平衡:既要保留必要的访问权限(如法律正当程序下的数据获取),又要防止其演变为监控或操纵民众的手段。

3. 紧急警报系统的设计悖论

以英国采用的“公共警报协议”(Common Alerting Protocol)为例,文章探讨了紧急警报系统的复杂性。设计此类系统时,存在着一系列相互冲突的需求:

  • 高效性与准确性:必须能够快速、覆盖特定地理区域地发送消息,同时要防止因人为错误(如误报导弹袭击)引发恐慌。
  • 身份验证与韧性:系统需要强有力的身份验证以确保消息真实,并能在基础设施受损时保持工作。
  • 运营商的角色:法律是否强制运营商必须发送消息?如果运营商认为消息不具真实性或存在滥用风险,他们是否有权拒绝?
  • 防止滥用:如何确保系统仅用于公共安全(如火灾、飓风预警),而不会被政客用来发送政治宣传或无关信息?

结论

文章总结认为,设计一个既能满足政府在紧急状态下迅速、强制性地提醒民众,又能防止被滥用为政治工具,且具备极高技术安全性的警报系统,在现实中几乎是一个不可能完成的任务。

12. A 3D fruit fly on macOS desktop powered by the real FlyWire connectome (github.com)

DesktopFly 摘要

DesktopFly 是一款运行在 macOS 桌面上的 3D 果蝇模拟程序。其核心特性在于,果蝇的行为并非通过预设脚本实现,而是由基于真实 FlyWire 连接组(connectome)的实时脉冲模拟(spiking simulation)驱动。

核心技术原理

  • 神经模拟:程序利用了 FlyWire v783 数据集中的 23,210 个神经元胞体位置,构建了一个包含 668 个神经元和约 19,000 个真实突触连接的电路。该电路以 1 kHz 的频率运行漏电流整合发放(LIF)模拟。
  • 神经元功能:特定的神经元回路控制着果蝇的各种行为:
    • 逃逸:当鼠标光标快速靠近时,视觉神经元(LC4/LPLC2)触发巨型纤维(Giant Fiber, GF)放电,驱动果蝇起飞。
    • 运动控制:包括行走(DNp09)、转向(DNa01/DNa02)、后退(MDN)及梳理行为(DNg11)。
    • 生理反馈:果蝇的步态节奏会通过本体感受神经元反馈至大脑,形成闭环控制。
  • 建模说明:由于连接组仅提供神经元间的连接结构,程序对神经元的生理动力学(如 LIF 动态)、神经递质性质(ACh+, GABA− 等)以及感官转导过程进行了标准化的数学建模。

桌面生态交互

果蝇能够感知并对 macOS 桌面环境做出反应:

  • 窗口交互:窗口边缘被视为可行走的平台;窗口的移动或关闭会触发果蝇的反应。
  • 环境感官:鼠标光标的移动被模拟为“视觉威胁”;点击操作模拟“风感”;键盘输入被模拟为“震动”。
  • 生物特性:果蝇表现出昼夜节律(白天活跃,夜晚睡眠)以及变温动物特性(Mac 的温度影响其活动速度)。

功能与控制

  • 交互式大脑窗口:用户可以切换显示实时大脑视图,通过点击特定区域进行“光遗传学”模拟,即刺激特定神经元以观察果蝇产生的相应行为(如转向或梳理)。
  • 菜单栏控制:提供暂停/恢复、逃逸测试、多显示器切换、添加/移除果蝇以及惊吓所有果蝇等功能。
  • 安装要求:需 macOS 13+ 及 Xcode Command Line Tools。

许可与数据

  • 代码许可:MIT 协议。
  • 数据许可:衍生数据采用 CC BY-NC 4.0 协议,引用需遵循 FlyWire 相关研究论文。
13. Scientists stunned by children's lung recovery in ultra low emission zone (www.bbc.com)

科学家发现伦敦超低排放区(Ulez)显著促进儿童肺部功能恢复

一项发表在《柳叶刀-公共卫生》(Lancet Public Health)上的研究显示,伦敦实施超低排放区(Ulez)政策后,曾因污染导致肺部发育受阻的儿童,其肺功能出现了令人惊讶的快速恢复。

研究背景与方法

由于空气污染会阻碍儿童肺部生长,增加患哮喘、心脏病和糖尿病的风险,研究人员对伦敦和卢顿(Luton)超过3,400名6至9岁的学龄儿童进行了为期五年的追踪研究。

  • 对比对象:研究对比了伦敦(实施了Ulez政策)与卢顿(污染程度较低但仅采取了小规模措施)的儿童。
  • 评估指标:研究人员每年进行一次肺功能和肺容量测试,主要测量儿童在深吸气后一秒内能用力呼出的空气量。

核心研究结果

  1. 肺容量“追赶”效应:研究初期,伦敦儿童的肺容量由于污染影响明显小于卢顿儿童。但在Ulez实施后的四年内,伦敦儿童的肺增长速度显著加快,最终其肺容量水平已达到与卢顿组几乎相同的水平。
  2. 临床受损比例下降:在伦敦,被判定为“临床受损”(表现为咳嗽或呼吸困难)的儿童比例从14%降至9%;而卢顿组的比例则从9%降至7%。
  3. 污染物浓度下降:数据显示,伦敦儿童接触到的二氧化氮(NO2)水平下降速度快于卢顿。

专家观点与讨论

  • 积极意义:研究负责人之一、伦敦玛丽女王大学的Chris Griffiths教授表示,肺容量“追赶”的速度之快令人震惊,这证明了雄心勃勃的清洁空气区政策可以有效驱动污染水平下降,并迅速修复儿童受损的肺部发育。
  • 潜在变数:独立研究人员指出,在评估效果时还需考虑其他因素,例如政策实施后儿童步行或骑行上学的比例是否增加,以及新冠疫情(Covid-19)对环境和健康可能产生的潜在影响。
  • 后续挑战:研究人员强调,尽管结果令人鼓舞,但目前伦敦和卢顿的空气污染水平仍高于世界卫生组织(WHO)的指导标准,改善工作依然任重道远。

这项研究为全球城市通过建立清洁空气区来减轻儿童呼吸系统健康危害提供了强有力的证据。

14. Degraded performance for multiple models (status.claude.com)

Claude 多模型性能下降事件摘要

事件概述 2026年8月18日,Claude 系列多个模型出现了性能下降及请求错误率升高的异常情况。

受影响范围

  • 受影响模型:包括 Claude Opus 5、Claude Mythos 5、Claude Fable 5、Claude Sonnet 5、Claude Haiku 4.5 等多个模型。
  • 受影响平台:claude.ai、Claude API (api.anthropic.com)、Claude Code 以及 Claude Cowork。

事件时间线 (UTC)

  • 16:11 - 18:23:事件影响持续时段。
  • 16:20:收到多个模型性能下降的报告,开始进行调查。
  • 17:12:确认正在调查 Claude Opus 5 请求错误率升高的现象。
  • 18:26:修复措施已实施,进入结果监控阶段。
  • 19:01:确认 Claude Opus 5 的问题已得到解决。
15. US announces new sanctions on top ICC figures (www.bbc.com)

美国宣布对国际刑事法院(ICC)高级官员实施新制裁

事件概述

美国国务卿马尔科·卢比奥(Marco Rubio)宣布对国际刑事法院(ICC)主席、来自日本的托莫科·阿卡内(Tomoko Akane)以及来自塞内加尔的高级审判律师阿卜杜拉耶·塞耶(Abdoulaye Seye)实施制裁。此举标志着特朗普政府旨在“拆解”该法院运动的进一步升级。

制裁原因与动机

  • 核心指控: 卢比奥称,制裁是因为这些官员参与了ICC的努力,试图起诉那些其政府并未同意接受ICC管辖权的官员。他指责ICC是一个“腐败且严重政治化”的超国家法院,滥用职权并侵犯国家主权。
  • 背景冲突: 此前,ICC针对美国在阿富汗的人员进行调查,并针对包括以色列总理内塔尼亚胡(Benjamin Netanyahu)在内的以色列高层官员发出涉加沙战争罪的逮捕令。尽管美国和以色列均不是ICC成员,但巴勒斯坦已于2015年成为成员。

制裁措施与影响

  • 手段: 制裁措施包括资产冻结、旅行禁令以及限制使用美国公司的服务。
  • 规模: 特朗普政府此前已对至少11名ICC官员(包括9名法官和首席检察官)实施了制裁。
  • 经济影响: 由于涉及美国金融体系,这些制裁会严重阻碍相关人员进行常规金融交易,因为任何与美国有业务往来或使用美元交易的银行通常都必须遵守这些限制。

各方反应

  • 国际刑事法院(ICC): 谴责制裁是对独立司法机构的“公然攻击”,认为这破坏了法治,并表示法院不会退缩,将坚定支持其人员。
  • 人权组织: 人权观察(Human Rights Watch)等组织批评特朗普政府试图通过破坏国际法来为某些政府提供“免死金牌”。相关机构已提起诉讼,指责制裁阻碍了他们与法院合作寻求正义的工作。
  • 法律诉讼: 三名ICC法官已在纽约联邦法院起诉美国政府,指控这些措施旨在通过非司法手段施加压力并胁迫法官。

美国政府立场

美国政府辩称,特朗普总统是根据《国际紧急经济权力法》(IEEPA)合法行使权力实施制裁。卢比奥此前曾呼吁ICC的125个成员国退出该法院,并表示美国将密切观察哪些国家会听从其建议。

16. GrapheneOS in 2027 available on high-end Motorola phones (grapheneos.social)

GrapheneOS 计划于 2027 年支持高端摩托罗拉设备

GrapheneOS 最近发布消息,预计将于 2027 年开始为摩托罗拉(Motorola)设备提供支持。以下是核心要点摘要:

  • 首批支持机型:首批获得支持的将是摩托罗拉的旗舰机型。这些设备的硬件规格将高于 Google Pixel 系列,但价格也会相应更高。
  • 硬件与安全要求
    • 旗舰优于低端:由于低端设备的更新频率和安全特性无法满足 GrapheneOS 的严格要求,因此不会首批支持。
    • 芯片组因素:安全性的差异主要源于高通(Qualcomm)的处理方式,目前最新的骁龙(Snapdragon)旗舰处理器具备最优秀的安全特性。
  • 未来扩展条件:若要在未来支持非旗舰级别的低端设备,GrapheneOS 指出需要摩托罗拉能够为这些设备提供更长时间的系统更新支持。
17. Palomar: A registry of Lean verified mathematics (terrytao.wordpress.com)

Palomar:Lean 验证数学登记库

背景与动机

随着 AI 生成证明(部分已在 Lean 证明助手语言中形式化)的激增,验证一个 Lean 仓库是否确实证明了其声称的结论变得日益困难。对于非 Lean 专家而言,验证过程涉及多个维度:确保形式化陈述具有可类型检查的证明、检查是否存在引入额外公理等“作弊”行为,以及确保形式化陈述与非形式化描述在语义上是一致的。

Palomar 项目简介

Palomar 是一个旨在为 Lean 证明提供类似“预印本服务器”功能的登记库。该项目由 Lean FRO 和 ICARM 发起,并设立了由多位知名数学家组成的科学顾问委员会。Palomar 并不提供同行评审,其核心目的是登记符合最佳实践标准的外部 GitHub 仓库快照(特定的 Commit)。

仓库提交要求

提交至 Palomar 的仓库必须包含以下核心组件:

  • 挑战文件 (Challenge file):包含一段使用 Lean 编写的、人类可读的简短结论描述。
  • 解决方案模块 (Solution module):包含针对挑战文件中结论的证明过程。
  • formalization.yaml 文件:包含结论的非正式语言描述以及其他相关的元数据和披露信息。

验证机制

一旦提交仓库快照,Palomar 将执行两项检查:

  1. 机械检查 (Mechanical check):利用 Lean 工具 Comparator 验证解决方案模块是否准确地证明了挑战文件中声称的结果。
  2. 语义检查 (Semantic check):利用大语言模型 (LLM) 进行非确定性检查,验证 formalization.yaml 中的非正式描述是否与挑战文件中的结论语义匹配。

注意:Palomar 并非同行评审期刊,上述检查仅验证形式化的一致性,并不评估研究的新颖性、学术价值或准确性。

提交信息

Palomar 目前已开放接受新旧结果的形式化提交,无论是人类生成的、AI 生成的,还是两者混合生成的证明均可提交。用户可以通过指定的 Zulip 频道进行讨论与反馈。

18. Mojo is now open source! (www.modular.com)

Mojo 语言正式开源

Modular 公司宣布,Mojo 编程语言现已正式开源。其编译器、工具链及相关构建资源均已在 Apache 2.0 许可(含 LLVM 扩展) 下开放,源代码托管于 Modular 的 GitHub 仓库

核心背景与目标

Mojo 是一款新型通用编程语言,旨在通过整合最新的编译器与编程语言研究成果,充分释放 GPU、AI 加速器及其他先进计算能力的性能。在 Mojo 达到 1.0 版本(实现源码稳定性)后,Modular 决定将其整个编译器和工具链全面开源。

开源策略

Modular 采取了循序渐进的开源策略:

  • 分阶段开放:首先开源了 Mojo 标准库、数以十万计的 Mojo 编写的内核代码及相关工具,随后才开放编译器。
  • 设计理念:公司认为精简的设计团队有助于确立语言的“灵魂”,而广泛的社区反馈对于避免“信息茧房”并促进语言成熟至关重要。
  • 许可优势:采用 Apache 2.0 许可,为开发者提供了极大的灵活性;LLVM 扩展则进一步保障了在构建和分发 Mojo 编译的二进制文件时的自由度。

构建与使用指南

开发者可以通过克隆 modular 仓库并使用 Bazel 构建系统进行操作:

  1. 克隆仓库

    git clone https://github.com/modular/modular.git
    cd modular
    
  2. 从源码构建并运行: 使用 --config=build-mojo 标志强制从本地源码编译所有内容:

    ./bazelw run --config=build-mojo KGEN:mojo -- run hello.mojo
    
  3. 运行测试: 若修改了编译器或库代码,可运行以下命令进行测试:

    ./bazelw test --config=build-mojo mojo/stdlib/test/...
    
  4. 使用预构建版本: 若无需修改编译器本身,可以使用 --config=prebuilt-mojo 标志。该模式会下载最新的 nightly 二进制分发版,从而节省编译时间。

贡献说明

  • 标准库:自 2024 年起已持续接受社区贡献。
  • 编译器与工具链:目前暂不接受针对编译器和工具链的贡献。Modular 计划在今年年底前开放此类贡献,并届时公布详细细节。

社区用户可以通过 Modular 论坛进行交流、提问或分享使用心得。

19. The Mojo language (by Modular, now Qualcomm) is now open-source (www.modular.com)

Modular 平台重大更新:Mojo 语言开源及生态扩张

Modular(现隶属于 Qualcomm)宣布了其 Modular 平台的重大进展,旨在为异构硬件环境下的 AI 工作负载提供统一的开放软件平台。

1. Mojo 语言全面开源

Mojo 1.0 已正式发布,标志着该语言进入稳定且适用于生产阶段。更重要的是,Mojo 语言及其编译器和所有工具链现已根据 Apache 2.0 许可证完全开源。这使得开发者能够自由地扩展语言、将其引入新平台并构建各类应用程序。此外,通过与微软团队的合作,Mojo 即将推出原生 Windows 支持,此前开发者主要通过 WSL 在 Windows 上使用。

2. Modular Cloud 正式可用

Modular Cloud 作为生产级服务,为开发者提供高效的模型推理能力,同时屏蔽了在异构基础设施上部署、优化和运行模型的复杂性。

  • 服务模式:提供兼容 OpenAI 标准的按量计费(pay-per-token)共享端点,以及在专用实例或自有计算资源上运行的专用部署。
  • 性能表现:该服务已在实际生产中展示了极高的延迟和吞吐量表现。例如,企业客户 MiniMax 利用 Modular 栈部署其 M3 模型,支撑每分钟数十亿个 token 的生产流量。

3. 硬件支持的跨越式扩展

Modular 平台正在突破传统的 CPU 和 GPU 限制,扩展至多种定制 AI 加速器,实现了“一次编写,随处运行”的开发模式。目前已支持的硬件包括:

  • AWS Trainium
  • Google TPUs
  • Qualcomm Cloud AI 100
  • Qualcomm Dragonfly 这种跨平台的特性允许开发者在不同硬件架构间切换时无需重构软件栈。据称,这种方法将适配新 AI 硬件的工程量降低了 10 倍以上。

4. MAX 授权模式与生态联盟

为了构建异构计算的共同软件基础,Modular 正在推动以下举措:

  • MAX 授权变更:MAX 授权不再包含设备使用限制,并将转变为**源代码可用(source-available)**模式,并配合开放联盟计划。
  • 建立生态联盟计划:Modular 正在构建一个涵盖硬件厂商、模型提供商、云服务商和数据中心运营商的行业联盟。该计划旨在让合作伙伴能够直接参与 MAX 的集成与优化,共同塑造平台的发展方向,从而解决当前 AI 创新被单一架构软件栈限制的问题。
20. GLM-5.3 Artificial Analysis Benchmarks (artificialanalysis.ai)

Artificial Analysis 智能基准测试框架概述

本文档详细介绍了 Artificial Analysis Intelligence Index v4.1.1 的评估体系、衡量维度及其计算方法,旨在为不同类型的模型(包括开源权重模型与闭源模型)提供全面的性能分析。

1. 智能评估 (Intelligence)

Artificial Analysis 智能指数通过 9 项核心评估标准来衡量模型的综合能力,涵盖了智能、推理、知识、长文本推理、代理工具使用及定量分析等维度。

  • 核心评估标准:包括 GDPval-AA v2、$\tau^3$-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 和 AA-LCR。
  • AA-Omniscience 指数:专门用于衡量知识可靠性幻觉率
    • 评分机制:分数范围为 -100 到 100。奖励正确回答,惩罚幻觉(错误回答),但不惩罚拒绝回答的行为。0 分表示正确与错误回答数量持平,负分表示错误回答更多。
  • 模型分类:区分开源权重模型与商业闭源模型,并对限制商业使用的权重模型进行标注。

2. 成本与 Token 使用 (Cost & Token Use)

该框架通过加权平均的方法,将智能水平与经济性进行对比分析。

  • 单项任务成本:基于输入、缓存命中(Cache Hit)、缓存写入、推理(Reasoning)及回答 Token 的价格,结合各项评估的权重,计算执行智能指数任务的加权平均成本(美元/任务)。
  • Token 使用量:计算运行智能指数任务时,加权平均所需的输出 Token 数量。
  • 定价细节:提供每百万 Token 的价格,特别强调了缓存命中(Cache Hit)的折扣价格。

3. 上下文窗口 (Context Window)

  • 定义:衡量模型能够处理的最大输入与输出 Token 总量。
  • 应用价值:较大的上下文窗口对于需要处理大量数据检索与推理的 RAG(检索增强生成)工作流至关重要。

4. 速度与延迟 (Speed & Latency)

评估模型在实际生成过程中的响应效率:

  • 输出速度 (Output Speed):模型生成 Token 的每秒速率(tokens/s)。
  • 任务解码时间:执行智能指数任务的加权平均解码时间(不含首字延迟及其他开销)。
  • 首字延迟 (TTFT):从发送 API 请求到接收到第一个 Token 的时间。对于推理模型,该指标包含了模型在提供答案前的“思考”时间。
  • 端到端响应时间 (End-to-End Response Time):输出 500 个 Token 所需的总时间。其计算逻辑由三部分组成:
    1. 输入时间:接收到首个 Token 的时间。
    2. 思考时间(仅限推理模型):模型在生成最终答案前用于推理的 Token 输出时间。
    3. 回答时间:生成 500 个输出 Token 所需的时间。

注:对于没有官方 API 的模型,性能数据取其主要提供商的中位数。

21. Apple announces changes for apps in the European Union (www.apple.com)

Apple 针对欧盟应用分发规则的变更摘要

1. 统一业务条款与佣金结构

针对在欧盟地区分发应用的开发者,Apple 制定了以下差异化的佣金标准:

  • 使用 Apple 应用内购买 (In-App Purchase): 标准佣金率为 26%。对于 App Store 小企业计划 (Small Business Program)、Mini Apps 合作伙伴计划或视频合作伙伴计划的开发者,以及订阅满一年后的自动续订订阅,佣金率为 15%
  • 使用替代支付方式: 标准佣金率为 20%。上述特定计划内的开发者可享受 10% 的优惠费率。
  • 应用内链接至外部完成购买: 标准佣金率为 15%。上述特定计划内的开发者可享受 10% 的优惠费率。
  • 通过替代应用市场或网页分发: Apple 将收取 5% 的核心技术佣金 (Core Technology Commission)。

2. 儿童安全保护措施

为降低针对儿童的诈骗与欺诈风险,Apple 在欧盟实施了以下安全限制:

  • “儿童”类别应用: App Store 中归属于“儿童”类别的应用严禁包含指向外部网站完成交易的链接。
  • 18 岁以下用户: 凡是使用替代支付方式或通过链接跳转至外部网站进行交易的应用,必须包含“家长门槛” (parental gate),要求未成年人在购买前须获得家长或监护人的许可。
  • 13 岁以下用户: 为防范针对低龄儿童的诈骗,此类应用严禁通过链接跳转至外部网站进行交易。

3. 运营替代应用市场或网页分发的准入资格

开发者若需在欧盟运营替代应用市场或通过网页进行应用分发,必须满足以下条件之一:

  • 达到 Dun & Bradstreet 评估的适度财务稳定性标准。
  • 为上市公司或由上市公司持有。
  • 已获得成熟投资机构的风险投资。
  • 已完成由执业会计师进行的财务审计。
  • 为政府实体、教育机构或非营利组织。
22. Claude Code Teaching macOS to Natively Print to the HP Laser 1008a (cdn.kuber.studio)

Claude Code 实现 macOS 原生驱动 HP Laser 1008a 打印机总结

项目背景

HP Laser 1008a 是一款在 macOS 系统上从未获得过官方支持的打印机,导致用户无法在 Mac 环境下直接进行打印。

技术实现方案

为了解决驱动兼容性问题,该方案采用了以下技术路径:

  • 逆向工程:对 HP 的 SPL3 光栅语言 (raster language) 进行了逆向工程研究。
  • 容器化技术:通过在 Linux 容器 中运行 HP 官方的真实编解码器 (codec),实现了在 macOS 上处理打印指令的功能。

关键信息

  • 实现时长:整个技术实现过程约耗时 4 小时。
  • 核心目标:使 macOS 能够原生支持并驱动这款原本不受支持的 HP 激光打印机。
23. AI usage patterns in software teams (linear.app)

软件团队中的 AI 使用模式报告摘要 (2026年版)

本报告基于 Linear 平台的数据,分析了 2024 年至 2026 年间软件开发团队在 AI 辅助下的工作流变化、采用模式及产出情况。

1. AI 采用情况:全员化与高层化

AI 的应用已渗透到软件开发的所有环节,呈现出以下特征:

  • 职能覆盖广泛:所有职能部门的 AI 活跃用户比例均实现了翻倍。其中,产品部门 (Product) 的增长最快(从 12% 升至 34%),即便与代码库关系较远的 市场/交付部门 (GTM) 也实现了显著增长。
  • 高管积极参与:决策层并未脱离技术,高管的 AI 使用率甚至超过其团队。特别是规模在 201 人以上的公司 CEO,其 AI 活跃度从 9% 飙升至 36%。
  • 规模无关性:无论初创公司还是大型企业,AI 的采用率普遍实现了约三倍的增长,显示出技术扩散的普遍性。

2. 工作流的变化:执行力的增强与协作成本的增加

AI 正在重塑团队如何处理任务,但尚未改变决策模式:

  • Issue 创建由 AI 主导:目前,Linear 中近一半的 Issue 是由 AI(代理或 MCP 客户端)创建的,这一比例在过去两年中实现了指数级增长。
  • 执行 vs 规划:AI 对“执行”阶段的影响远大于“规划”阶段。团队在处理客户需求、文档和项目规划上的时间保持稳定,说明 AI 改变了任务的完成方式,而非决策过程。
  • 新增的工作层:与 AI 对话以及向 Agent 委派任务已成为一种全新的工作类别。值得注意的是,这些新任务并未取代现有工作,而是叠加在现有工作之上,导致总体的开发协作时间有所增加。

3. 产出分析:代码提交的爆发式增长

AI 显著提升了团队的交付频率:

  • 非工程人员参与编码:AI 降低了技术门槛,产品经理(3% $\rightarrow$ 10%)和设计师(1% $\rightarrow$ 8%)提交 Pull Request (PR) 的比例显著上升,角色边界正在模糊。
  • PR 总体量激增:过去两年,每工作区每周提交的 PR 数量增长了 111%
  • Coding Agent 的驱动作用:产出的增长主要由连接了编程代理 (Coding Agent) 的团队驱动。此类团队的每周 PR 数量从 21 个增加到 65 个,而未采用代理的传统团队产出仅有微增。

4. 核心结论

  • 角色模糊化:AI 正在让组织内的每个人都向“构建者 (Builder)”转型。
  • 杰文斯悖论 (Jevons Paradox):AI 的应用并未如预期般通过节省时间来减轻负担,反而因为增加了新的交互层和协调需求,导致整体开发投入的时间变多了。
  • 衡量标准的演进:报告指出,相比于衡量 Token 消耗量,通过 PR 数量来衡量 AI 对产出的贡献是更接近实际工作价值的指标。
24. Solo – a .so loader for static Linux binaries (github.com)

SoLo:针对静态 Linux 二进制文件的 .so 加载器

SoLo 是一个专为静态链接的 Linux 二进制文件(特别是使用 musl libc 构建的)设计的 .so 加载器。其核心目标是打破“完全静态二进制文件”与“使用系统 GPU 驱动”之间的隔阂,允许静态程序在运行时加载由 glibc 链接的主机 GPU 驱动(如 Vulkan 和 OpenGL),而无需使用容器、AppImage 或在进程中引入第二个 libc。

核心功能与实现原理

SoLo 通过提供一套 dlfcn 风格的源码 API,结合其自研的 ELF 加载器和 glibc-to-musl ABI 桥接层来实现跨越边界的加载:

  • ELF 加载器 (elf_loader.cpp):支持 x86-64 和 aarch64 架构。它负责映射 ELF 段、遍历 DT_NEEDED、解析版本化符号、应用重定位、支持 ELF TLS/TLSDESC、实现 IFUNC 以及运行初始化程序。它还能递归加载依赖项。
  • glibc ABI 桥接 (glibc_shim.cpp):为了避免加载完整的 glibc,SoLo 将 glibc 的导入(如 malloc@GLIBC_2.2.5)映射到进程现有的 musl 运行时适配器上。对于尚未实现的 glibc 函数,SoLo 会通过特殊的存根(stubs)进行处理,若被调用则会明确报错,防止程序静默损坏。
  • 静态提供者注册表:允许应用程序将已链接到二进制文件中的符号(例如 Wayland 库)作为依赖项提供给被加载的 DSO,从而允许程序内置最新版本的特定库。

技术亮点

与以往的实现方案相比,SoLo 在处理跨运行时边界的复杂性方面表现出色:

  1. 统一的 C++ 异常处理:通过将外部(glibc 编译)框架的 _Unwind_* 导入绑定到静态执行文件中的单一解开器(unwinder),实现了跨世界的异常抛出与捕获。
  2. 完整的 TLS 支持:支持四种 TLS 模型,包括通过 surplus arena 处理 initial-exec 模型,确保了单进程内线程局部存储的一致性。
  3. 真实的 ld.so 语义:严格遵循全局作用域拦截、RTLD_DEEPBIND、符号版本化、延迟 PLT 绑定、GNU/SysV 哈希查找等标准动态链接行为。
  4. 跨世界内省:支持 backtrace() 遍历静态与 glibc 帧,并允许调试器通过 /proc/self/maps 查看真实的物理路径映射。

验证与应用

SoLo 提供了一个端到端的 Vulkan 证明示例:一个完全静态的执行文件通过 SoLo 加载主机未修改的 Vulkan ICD 驱动,运行计算着色器并将结果写入 PNG 图像。该示例已在 AMD、Intel、NVIDIA 以及 Apple M1 (Asahi Linux) 上通过测试。

与其他方案的对比

  • gcompat:属于系统级兼容层,依赖于预加载 libgcompat.so;而 SoLo 是自包含的,直接在静态执行文件中嵌入加载器和桥接层。
  • Detour / Cosmopolitan Libc:通常会引导主机 ld-linux 或引入第二个 libc 运行时;SoLo 则通过 ABI 转换避免了第二个 libc 的存在。
  • 容器 / AppImage:通过打包整个发行版来解决依赖问题,导致体积巨大且增加了调试复杂度;SoLo 保持了单个、可观测的轻量级执行文件。

范围与限制

  • 平台:仅限 Linux,支持 x86-64 和 aarch64。
  • 运行时模型:采用“一次加载”模型(dlclose 会成功但不会实际卸载镜像)。
  • ABI 覆盖:重点关注 Mesa/Vulkan ICD 的依赖闭包,目前已通过对 Debian 前 1000 个最常用包(约 2100 个对象)的测试。对于未实现的 ABI 调用,程序会主动中止并报告具体符号。