iPhone Duo 产品总结

iPhone Duo 是苹果推出的首款折叠屏 iPhone，旨在通过重新设计的 iOS 体验（iOS 27）提供全新的多任务处理、折叠形态及交互方式。

核心设计与显示

• 折叠形态：采用可折叠设计，兼顾大屏体验与便携性。机身采用 5 级钛金属框架和铰链盖，具备 IP68 级防水防尘能力，并配备 Ceramic Shield 屏幕保护。
• 双屏系统：
  • 内屏：7.6 英寸 Super Retina XDR 显示屏，面积比 iPhone 18 Pro Max 大 50%。采用 10 层超薄设计，具有定制纳米纹理涂层以减少眩光，并集成屏下 FaceTime 摄像头，提供无遮挡的视觉体验。
  • 外屏：5.4 英寸 Super Retina XDR 显示屏，适用于单手操作。
• 显示性能：两块屏幕均支持最高 3000 尼特峰值亮度及 120Hz ProMotion 技术。

影像系统

iPhone Duo 配备了 48MP 双融合（Dual Fusion）相机系统，包括 48MP 主摄和 48MP 超广角镜头，以及 12MP Center Stage 前置摄像头。其独有的影像功能包括：

• Smart Take：自动检测拍摄时机并拍照。
• Duo Preview：通过外屏为被摄者提供实时预览。
• Kid Cue：通过外屏动画吸引儿童注意力，以便拍摄。
• Duo FaceTime：允许附近的朋友通过外屏加入视频通话。

性能与 AI 能力

• 芯片：搭载 A20 Pro 芯片，配备双 16 核神经网络引擎，专为处理高强度 AI 工作负载而设计。相比 A19 Pro，其 6 核 CPU 速度提升达 20%，内存带宽提升达 50%。
• 散热与 AI：采用带有蒸气室（Vapor Chamber）的先进热管理系统。深度集成 Apple Intelligence 和增强版 Siri AI，支持智能照片编辑、生产力增强及个人化上下文理解。

电池、连接与规格

• 续航与充电：采用 iPhone 首创的双电池架构，并通过仅限 eSIM 的设计优化内部空间以增加电池容量。内屏视频播放时长可达 31 小时，外屏可达 44 小时。支持快速有线充电，约 20 分钟可充至 50%。
• 存储与生物识别：提供 256GB 至 2TB 的存储选项。通过侧边按钮集成 Touch ID 进行身份验证。
• 兼容性：支持 Apple Pencil (USB-C)。
• 上市信息：预计于 2026 年 10 月 23 日起发售。

DeepSeek-V4.1-Flash 模型发布摘要

DeepSeek 正式推出了 DeepSeek-V4.1-Flash 模型。该模型是 DeepSeek 全新架构系列中的最小规模成员，旨在提供更智能、更快速且更高效的体验。

核心特性

• 原生视觉理解：该模型具备原生视觉理解能力（Native visual understanding）。
• 架构定位：作为新架构家族中的轻量化模型，其设计兼顾了能力的提升与向更大规模模型扩展的可能性。

设计目标与性能优化

• 更强的能力：在提升智能化水平的同时保持高效。
• 推理加速：通过优化设计，实现更快的推理速度。
• 高吞吐量：旨在提供更高的吞吐性能，以应对大规模应用需求。

“如果光速是 5 km/h” 模拟演示总结

该内容介绍了一个模拟演示程序，通过将光速设定为人类步行速度（5 km/h），直观地展示了狭义相对论中的各种物理现象。

核心物理效应

由于光速被大幅度降低，用户在移动时可以明显观察到以下效应：

• 相对论效应：包括长度收缩（Length contraction）、时间膨胀（Time dilation）以及特雷尔旋转（Terrell rotation）。
• 多普勒效应：
  • 蓝移 (Blueshift)：位于观察者前方的物体。
  • 红移 (Redshift)：位于观察者后方的物体。
  • 横向多普勒效应 (Transverse Doppler effect)：在运动物体上可见。
• 渐进极限：演示了光速是无法超越的，只能无限趋近。

操作指南

用户可以通过以下按键进行交互：

• 移动与控制：使用 W/A/S/D 或 方向键 进行加速；按 Space 键停止；按 R 键重置。
• 视角控制：使用 鼠标 环顾四周。
• 功能切换：通过 L G C B 按键切换不同的视觉效果。

AirPods 5 发布摘要

Apple 宣布推出全新的 AirPods 5，旨在开放式设计中提供行业领先的主动降噪（ANC）功能，并显著提升音质与智能交互体验。

核心音频与降噪技术

• 突破性降噪： 采用全新的开放式 ANC 技术，与 AirPods 4 相比，可减少高达 50% 的外部噪音。
• 音质提升： 配备全新的多端口声学架构和下一代自适应均衡器（Adaptive EQ），提供更具沉浸感的音频体验。
• 自然通透模式： 提供更加自然的通透模式，提升环境感知能力。

智能功能与 Siri AI 交互

结合 Apple Intelligence（需配合运行 iOS 27 的支持设备），AirPods 5 实现了深度的智能体验：

• 高度对话能力的 Siri AI： Siri 能够理解用户的个人上下文（如消息、电子邮件、照片内容），并能处理复杂的指令（例如根据邮件中的确认信息导航）。Siri AI 支持更自然的表达，且用户可自定义其语音。
• 免提交互： 用户可以通过头部动作（Head Gestures）回应 Siri，实现完全的免提操作。
• 实时翻译（Live Translation）： 支持跨语言沟通功能。
• 精准听写： 显著提升了语音听写的精确度。

价格与上市信息

• 定价（美国市场）：
  • 标准版：129 美元。
  • 配备无线充电盒版：149 美元。
• 发售时间： 即日起开启预订，将于 2026 年 9 月 18 日（星期五） 起在商店发售。

服务与技术要求

• 软件依赖： 完整功能需配合运行最新操作系统（如 iOS 27）且支持 Apple Intelligence 的 Apple 设备使用。Siri AI 将首先以 Beta 版形式推出。
• AppleCare 服务： 提供 AppleCare+ 以及 AppleCare One（涵盖多产品保护，包括在美国提供的 AppleCare One Family 家庭计划），提供意外损坏、丢失保护及电池更换等服务。
• 环保说明： 产品使用了回收及可再生材料。

流媒体订阅费用上涨分析报告

本文对比了九种主流流媒体服务的定价变化，展示了从2021年3月至今订阅成本的显著增长。

核心数据对比

通过对 Netflix、Disney+、Hulu、HBO Max、Apple TV+、Paramount+、Peacock、YouTube Premium 和 Spotify 这九项服务的旗舰层级进行对比，结果如下：

• 月度费用：从2021年3月的 $95.91 上涨至目前的 $154.41，涨幅达 61%。
• 年度费用：从 $1,150.92 上涨至 $1,852.92，这意味着用户每年为完全相同的服务需多支付 $702。

各服务涨幅明细

在统计的九项服务中，各平台的涨幅差异较大，具体如下：

关键结论与说明

• 涨价常态化：记录显示，流媒体服务的提价已从例外情况变为常规行为，部分服务甚至在一年内多次提高价格。
• 统计方法：为了确保对比的有效性，本次统计选择在2021年3月（即这九项服务均已存在的首个月份）作为基准点，并对比各服务的标准/旗舰层级。
• 排除项：由于 YouTube TV（直播电视组合）和 Prime Video（会员附加项）不属于独立的点播订阅服务，因此未包含在此次“服务篮子”的对比中。

https://news.ycombinator.com/item?id=49643556

Apple today introduced iPhone Duo, the first foldable iPhone.

Apple announced iPhone 18 Pro and iPhone 18 Pro Max, delivering an advanced pro camera system and improved battery life and performance.

Shopify 移动端开发架构转型：从 React Native 回归原生

Shopify 宣布决定将其移动端开发架构从 React Native 迁移回原生开发（iOS 使用 Swift，Android 使用 Kotlin）。这一决策标志着公司在 2020 年转向跨平台开发战略后的重大转向。

决策背后的原因

在 2020 年，Shopify 选择 React Native 是为了解决“重复构建功能”、“开发人员跨栈协作”以及“维持平台功能一致性”的问题。然而，随着 大语言模型（LLM）和 AI Agent（智能体） 的飞速发展，核心开发假设发生了改变：

1. 降低了双平台开发的成本：过去，为两个平台编写相同的逻辑意味着双倍的工作量。现在，AI Agent 可以参考 iOS 版本在 Android 上实现相同功能，或者反之，极大地降低了维护平台一致性的门槛。
2. 增强了开发效率：AI 能够辅助开发者在非擅长领域（如跨平台语言）进行高效贡献。
3. 原生优势回归：原生开发能让团队更贴近平台底层能力和官方工具链，减少框架和依赖层带来的复杂性。

开源库的处理计划

Shopify 承诺将平稳过渡其维护的 React Native 开源项目：

• React Native Skia：Shopify 将赞助至 2026 年底。随后，该项目将由社区分支（Fork）并更名，原仓库将归档。
• FlashList：Shopify 将继续修复影响兼容性的关键问题，并正在寻求其他公司的长期托管。
• Restyle：该项目将被归档，Shopify 将支持其运行至 2026 年底，并欢迎他人接手。

迁移策略与技术实现

Shopify 放弃了传统的“棕地（Brownfield，渐进式）”迁移模式，转而选择 “绿地（Greenfield，全新构建）” 模式。主要原因是 AI 能够辅助开发者利用现有的 React Native 代码作为参考，以极快的速度重新编写原生代码。例如，Shop App 已在 12 周内通过 AI 辅助完成了从概念到原生应用的重建。

为了确保迁移质量并克服 AI 开发的局限性，Shopify 开发了两项关键技术：

1. Helix 系统（防止 AI 生成低质量代码）

为了避免 AI 生成难以维护的“代码垃圾（Slop）”，Helix 采用了一种基于“检查点（Checkpoints）”的循环机制：

• 将任务分解为微小的、有序的工作切片。
• 每个切片必须通过自动化测试、视觉对比（匹配运行中的 App）、通过对抗性代码审查，并最终获得人工确认。
• 系统会记录每次审查的反馈，使迁移过程中的 AI 越来越自主且准确。

2. 针对 Agent 的架构设计（加速反馈循环）

传统的移动端测试依赖模拟器，速度较慢且难以被 AI 稳定控制。Shopify 重新设计了应用架构，实现了 “业务逻辑与 UI 完全解耦”：

• 命令行界面 (CLI) 驱动：业务逻辑可以在桌面端“无头（Headless）”运行。AI Agent 可以通过 CLI 在毫秒级完成状态检查、导航和动作执行，无需启动缓慢的模拟器。
• 远程模式：当需要 UI 测试时，CLI 可以通过远程模式驱动模拟器，无需依赖不稳定的辅助功能树或截图，从而实现极速的端到端（E2E）测试。

未来展望

Shopify 的目标不仅是简单的语言重写，而是利用 AI 构建一套能够让“人类与 Agent 都能快速理解、测试和修改”的新一代移动应用架构。公司将通过产品交付速度、应用质量以及 AI 任务的自主完成度来衡量此次转型的成功。

Anthropic 构建针对活动人士的预测性监控系统

根据相关职位公告和高级安全官员的访谈，前沿 AI 实验室 Anthropic 正在建立一套广泛的监控体系，旨在监视反对人工智能快速发展的活动人士，并采用“预犯罪”（pre-crime）策略，试图在事件发生前进行预测并向警方报案。

核心监控策略与技术

Anthropic 的安全架构不仅限于监视高管附近的抗议活动，还试图实现从“反应式”向“预测性”和“预防性”威胁管理的转型。其核心手段包括：

• 实时风险检测： Anthropic 与风险检测公司 Samdesk 合作，通过获取实时情报（如抗议活动的时间变更）来为高管规避风险并重新规划路线。
• “关注人员”流程： 公司通过追踪特定人员的行为模式来识别潜在的冲突升级趋势。
• 预测性执法： 安全管理人员表示，目标是实现预测性威胁管理，这涉及在犯罪发生前识别并报告嫌疑人。

政策转向与争议

Anthropic 试图塑造“负责任的 AI 替代者”形象，但其监控计划与其立场存在矛盾。尽管该公司此前曾拒绝国防部关于大规模国内监控的要求，但目前正转向“国家安全销售”领域，并招聘“企业情报专家”来调查地缘政治、恐怖主义以及“活动主义”（activism）等全球威胁。

此外，Anthropic 在执法合作中也面临争议。例如，该公司曾因用户在 Claude 平台上的威胁言论向警方报案，但在警方要求查看证据时，却以内部政策为由拒绝提供实际的对话记录。

宏观影响与内部矛盾

• 基础设施与情报获取： 随着将 AI 认定为“关键基础设施”的呼声增加，领先的 AI 实验室可能获得更多联邦情报产品的访问权限，并有能力将针对其利益的公民参与行为定性为“极端主义”或“恐怖主义”。
• 劳资纠纷： 在加强外部监控的同时，Anthropic 的内部管理也面临挑战。其校园安保人员因薪资过低（在旧金山仅为时薪 22 美元）已授权举行罢工，对此 Anthropic 建议员工转为居家办公。

OpenAI 被指控窃取重大数学证明

数学家 Andreas Thom 指控 OpenAI 可能在其模型 Astra 解决的十个数学问题中，利用了其未发表的研究成果。

核心指控内容：

• 研究成果争议： Thom 指出，OpenAI 的模型 Astra 宣称解决了 Gromov 的 soficity 猜想（Gromov’s soficity conjecture），但有证据表明，OpenAI 可能利用了他与 Gábor Kun 在研究该猜想过程中的对话内容进行了模型训练。
• 本质问题： 如果指控属实，这意味着 OpenAI 将人类尚未发表的研究工作吸收进模型中，并将其作为 AI 自身的突破向世界展示，这超出了单纯的归属权争议。

严重性与背景：

• 专家背景： Andreas Thom 是研究 sofic 和 hyperlinear 群的权威专家，在该领域已有二十年的研究积累。
• 潜在丑闻： 文中提到，若 Levent Alpöge、Tristan Buckmaster 以及 Andreas Thom 的指控均得到证实，这可能并非孤立事件，而可能演变成科学史上重大的知识产权丑闻。
• 核心质疑： 文章认为，这表明 AI 并非在进行真正的数学发现，而是在“窃取”人类的发现成果。

自动驾驶汽车提高道路安全性的证据日益增加

尽管公众对自动驾驶汽车（AV）仍存疑虑，但越来越多的研究表明，自动驾驶技术及其组成部分在减少事故和伤害方面具有显著优势。

高级驾驶辅助系统 (ADAS) 的贡献

研究显示，自动驾驶技术的基石——高级驾驶辅助系统（ADAS）——正在有效降低事故率。

• 自动紧急制动 (AEB)： 美国公路安全保险协会（IIHS）发现，能够识别行人的 AEB 系统可减少 27% 的行人碰撞事故。此外，自动制动使追尾事故减少了 50%，相关伤害减少了 56%。
• 降低索赔： 拥有 AEB 的车辆财产损失索赔减少了 13%；而集成了 AEB、自适应巡航和车道偏离预警等功能的车辆，其保险索赔率最高可降低 39%。

L4 级自动驾驶的安全性表现

在 L4 级自动驾驶领域，Waymo 的数据显示其 Robotaxi 的安全性显著高于人类驾驶员。

• 事故率大幅下降： Waymo 的独立研究表明，其在发生致命或严重伤害事故方面的比例比人类驾驶员低 92%，在交叉路口发生的伤人事故减少了 96%。
• IIHS 的验证： IIHS 通过对“警察可报告事故”的研究发现，Waymo 在凤凰城、洛杉矶和旧金山等城市的整体碰撞率比人类驾驶员低 68%，且每英里发生的伤害性碰撞减少了 81%。

数据透明度与标准化挑战

尽管自动驾驶数据透明度较高，但对比人类驾驶数据仍面临挑战。

• 数据偏差： 研究估计，约有一半的人类碰撞事故和三分之一的伤害性事故未被报告（因担心保险涨价），这可能导致人类驾驶员的数据看起来比实际更安全。
• 监管需求： 目前自动驾驶行业缺乏统一的国家性能和安全标准，各州法律的不一致性增加了事故率对比的难度。为此，NHTSA 正在与 SAE 合作通过“A2SCEND”计划制定首个国家级自动驾驶性能标准。

监管进展与公共卫生意义

• Zoox 的豁免： 美国国家公路交通安全管理局 (NHTSA) 已向亚马逊旗下的 Zoox 公司授予豁免权，允许其在没有方向盘和踏板的特殊设计下进行商业化运营。
• 公共卫生干预： 医学专家和公共卫生研究人员认为，不应仅将自动驾驶视为技术突破，而应将其视为关键的公共卫生干预手段。全球每年有约 116 万人死于交通事故，若自动驾驶技术能将事故率降低 50% 至 90%，每年可挽救数十万人的生命，其社会经济效益将极其巨大。

Windows XP 初始用户头像选择算法解析

本文解释了 Windows XP 在首次创建账户时，如何从默认目录（%ALLUSERSPROFILE%\Application Data\Microsoft\User Account Pictures\Default Pictures）中随机选择初始用户头像的原理。

随机数生成机制

Windows XP 使用 RtlRandomEx 作为随机数生成器（RNG），并使用 GetTickCount() 的当前值作为初始种子。

核心算法：单次遍历选择法

该系统采用了一种**单次遍历（one-pass）的随机选择算法，这实际上是蓄水池采样（reservoir sampling）**在 $k=1$ 时的简化特例。

算法逻辑： 在处理包含 $n$ 个项目的集合时，第 $n$ 个项目被选中的概率为 $1/n$。如果该项目未被选中，则从前 $n-1$ 个项目中随机选择一个。通过这种递归逻辑，可以确保每个项目被选中的概率最终都相等。

伪代码实现：

selectRandomFromIterator(iterator)
{
    var count = 0;
    var winner = null;

    while (iterator.moveNext()) {
        ++count;
        // 如果生成的随机数等于当前计数，则更新获胜者
        if (uniform_random(min: 1, max: count) == count) {
            winner = iterator.current();
        }
    }

    return winner;
}

算法优势

相比于传统的“两阶段”算法（先统计文件总数 $n$，再生成一个 $1$ 到 $n$ 的随机数进行第二次遍历），单次遍历算法具有以下优点：

1. 提高效率：减少了对文件系统的调用次数，而文件系统访问通常是性能瓶颈。
2. 增强鲁棒性：避免了在代码运行过程中，如果目录内的文件数量发生变化而导致的逻辑复杂性或错误。

安全机制

为了防止因目录中文件过多（例如达到百万级）而导致病态的性能问题，该算法设置了一个安全上限：程序在采样达到 100 张图片后就会停止。

摘要：好奇心驱动式游戏与数学直觉的探索

数学家 Terence Tao 通过引用安托万·德·圣-埃克苏佩里《小王子》中的名言——“所有的大人都曾是孩子，但只有少数人记得”，引出了关于保护好奇心驱动式游戏（curiosity-driven play）重要性的思考。

核心案例：数学游戏的自发性

Tao 举了一个孩子们玩“谁能说出最大的数字”的游戏为例。在这个过程中，孩子们在互动中自发地接触到了非平凡的数学概念：

• 无穷的概念：当一个孩子意识到可以通过在任何给出的数字上“加一”来击败对手时，他们实际上在实践中证明了自然数没有最大值。
• 逻辑证明：这种“加一”的策略体现了通过否定（Tao 在文中指出技术上更倾向于“否定证明”而非“反证法”）来展示自然数无界性的逻辑过程。

主要观点

Tao 认为，成年人若过早地介入并终止这类游戏——例如通过进行关于“无穷”或“自然数无界性”的正式讲座来直接提供答案——会破坏游戏的初衷。

他强调，游戏的本质目的在于：

1. 探索：在未知领域进行自主尝试。
2. 学习与发展：通过实践过程构建认知。
3. 纯粹的乐趣：享受发现过程本身。

通过这种自发的探索，孩子们能够在没有被灌输结论的情况下，自然地理解复杂的数学思想。

OpenAI 被指利用用户对话进行训练并将其宣称为技术突破

近期，有研究人员指控 OpenAI 在模型训练过程中使用了用户的对话数据，随后又将基于这些数据获得的成果宣布为自身的科研突破。这一指控在社交媒体上引发了广泛讨论，主要观点包括：

1. 核心指控与证据迹象

• 算法“回馈”现象：有用户提供案例称，其朋友在研究特定领域时，发现 ChatGPT 会“建议”该朋友几个月前在对话中讨论过的研究思路。这引发了外界对 OpenAI 是否在未经许可的情况下，将用户的私人研究思路纳入模型训练的强烈怀疑。
• 缺乏透明度：由于模型训练过程在服务器端完成，用户无法验证其数据是否被用于训练。评论者指出，即便服务条款（ToS）承诺不使用数据，用户也只能处于“盲目信任”的状态。

2. 商业与伦理风险

• 与客户竞争：有观点认为，OpenAI 不应从事与其客户直接竞争的业务。如果公司利用客户提供的专业数据来开发竞争性产品，将会导致客户流失。
• 数据利用的逻辑性：部分评论认为，利用高质量、生产级别的代码或专业对话进行训练是实现技术突破的最有效途径，因此 OpenAI 极具动力去这样做。
• 隐性知识获取：即便用户选择了不参与训练或数据经过了“去标识化”处理，OpenAI 仍可能通过观察聚合后的数据使用模式，获取行业趋势和研究方向的灵感。

3. 争议与不同声音

• 技术巧合论：部分评论质疑，这可能仅仅是由于不同团队在同一时间研究相同的问题，或者是因为大家都使用了 OpenAI 的软件而产生的巧合。
• 动机质疑：也有观点认为，此类指控可能源于未能取得同等突破的研究人员所产生的挫败感。
• 行业背景：有评论指出，大语言模型（LLM）训练的基础本身就涉及大量版权争议，这使得针对 OpenAI 的指控在某种程度上具有复杂性。

Apple Watch Series 12 发布摘要

Apple 推出了全新的 Apple Watch Series 12，该设备搭载了全新的 S11 芯片和健康传感系统，旨在提供行业领先的心率监测精度以及全新的智能功能。

核心技术与健康监测

• S11 芯片与传感系统：S11 芯片不仅是目前功能最强大的穿戴设备芯片，还驱动了全新的健康传感系统，能够实现更高频率的心率及心率变异性 (HRV) 测量，并支持全新的“准备程度评分”(Readiness score)。
• 健康应用升级：iPhone 端的健康应用将推出重新设计版本，新增“长寿”(Longevity) 标签，其中的“健康年龄”(Health Age) 功能可显示用户的各项健康指标相对于其年龄的追踪情况。
• 全面健康管理：设备集成了心电图 (ECG)、睡眠呼吸暂停通知、跌倒检测、紧急 SOS 等功能。此外，周期追踪功能现已支持围绝经期和绝经期监测。

音频智能 (Audio Intelligence)

结合 S11 芯片、Apple Intelligence 模型及私有云计算技术，Series 12 引入了一系列旨在提升用户参与度和感知能力的音频功能：

• 声音识别 (Sound Recognition)：为听障或听力受损用户识别并提醒警报、门铃、婴儿哭声等重要声音。
• 实时回溯 (Live Rewind)：用户可以通过双击数码表冠，查看过去 15 秒对话的文本片段，以便快速回顾错过的信息。
• Siri 回顾 (Siri Recap)：自动为对话生成标题和要点摘要，用户可在 Siri 应用中稍后查阅。
• Shazam 集成：在智能堆栈 (Smart Stack) 中可即时识别并显示周围播放的音乐信息。

watchOS 27 与交互体验

• Siri AI：通过 watchOS 27，Siri 具备了更强的个人上下文理解能力和广泛的知识储备。
• 交互优化：引入了单手点击手势，用户可通过食指和拇指点击来便捷地打开智能堆栈中的小组件。
• 智能化界面：包括动态应用网格（显示 Siri 建议的最常用应用）以及根据场景自动触发的智能堆栈小组件建议（例如地图建议或生日提醒）。
• Workout Buddy：即使在没有 iPhone 的情况下，也能为用户提供运动动机和见解。

产品规格与上市信息

• 售价：美国起售价为 399 美元。
• 表带选择：推出了多种新颜色（如橄榄绿、勃艮第红等）以及采用创新喷墨打印技术的运动型表环（包含格纹图案）。
• 上市时间：支持在 50 多个国家和地区预订，将于 9 月 18 日起在零售店发售。
• 系统要求：watchOS 27 将于 9 月 14 日发布，支持 Apple Watch Series 9 或更新机型、Apple Watch SE 3 以及 Apple Watch Ultra 2 或更新机型。

Microsoft 将 Rust 列为一级语言 (Tier-1 Language)

核心摘要

微软已正式将 Rust 列为“一级语言”（Tier-1 language），其地位与 C++、C# 和 TypeScript 并列。这意味着 Rust 在微软内部已拥有完整的开发路径，涵盖了从本地开发到生产环境的全过程，包括安全的工具链、高效的开发工具、质量工作流、深度的平台集成以及符合微软 SDL（安全开发生命周期）要求的合规性。

rustc_codegen_utc 的推出

为了实现 Rust 与 Windows 平台的深度融合，微软推出了 rustc_codegen_utc。这是一个为 rustc 设计的替代代码生成后端，它将 Rust 编译器的共享机制与 MSVC（即 UTC）后端连接起来。

主要功能与优势：

• 统一的代码生成平台：通过将 Rust 连接到 MSVC 后端，为 Windows 上的 Rust 和 C++ 提供了统一的代码生成基础。
• 高度的生态系统兼容性：确保与 Windows 工具链和 ABI（应用二进制接口）的高度兼容。
• 增强的安全与性能特性：
  • 支持二进制加固和代码安全特性。
  • 支持跨语言内联、优化以及样本剖析引导优化 (SPGO)。
  • 支持后链接合规性、分析和服务（包括 Hotpatch）。
• 完善的开发工具支持：提供卓越的调试、崩溃转储分析、性能剖析、诊断和覆盖率测试能力。
• 无缝的混合语言互操作性：为 Rust/C++ 混合项目提供更强的互操作基础，类似于 Clang 在其他平台上通过 LLVM 实现的效果。

战略意义

1. 降低维护与演进成本：由于 Rust 与 C++ 共享底层代码生成平台，MSVC 和 Windows 平台的任何创新（如新的安全特性、诊断技术或服务技术）都能直接应用于 Rust，减少了重复的工程投入。
2. 融入 Windows 原生生态：使 Rust 能够直接参与到微软的 Windows 原生工程生态中，适用于从固件、驱动程序、内核、虚拟机到微服务和应用的各种场景。
3. 混合项目的基石：为未来长期共存的 Rust/C++ 混合系统提供了一个平等的开发工作流基础。

落地进展

rustc_codegen_utc 是微软长期投资 Rust 全生命周期（包括获取、工具、质量、安全、平台集成及长期支持）的重要组成部分。

• 状态：该项目自 2026 年初起已达到生产就绪状态。
• 版本：自 Rust 1.90 起实现自托管。
• 采用情况：目前已有超过 100 个微软项目仓库正在使用该后端进行构建。

索尼因数字游戏“所有权”误导消费者面临诉讼

案件概述

四名加州消费者对索尼互动娱乐公司（Sony Interactive Entertainment, LLC）提起诉讼，指控 PlayStation Store 通过误导性语言让用户误以为购买了数字游戏的所有权，而实际上用户仅获得了受限的、可撤销的使用许可。原告认为，索尼在结算过程中使用了“立即购买”（Buy Now）和“确认购买”（Confirm Purchase）等词汇，但其关于“仅限许可而非出售”的披露文本字号极小且未进行显著标注，违反了加州关于数字商品透明度的法律要求。

法律依据

该诉讼涉及以下法律条款：

• 加州商业与专业法典第 17500.6 条（AB 2426）： 禁止卖家在未进行清晰且显著披露的情况下，使用“购买”等足以让理性消费者理解为获得“不受限制的所有权”的术语来销售数字商品。
• 加州虚假广告法。
• 加州消费者法律补救法 (CLRA)。

原告寻求实际损害赔偿、追缴索尼的不当收益、法定赔偿、禁令救济以及律师费。

索尼的辩护立场

索尼已向法院提交动议，要求根据 PlayStation 服务条款进行强制仲裁，并寻求撤销诉讼。索尼的主要辩论点包括：

1. 理性消费者标准： 索尼认为，在数字时代，理性消费者不会认为自己获得了数字游戏的所有权。
2. 服务条款声明： 索尼强调其软件产品许可协议中明确规定“软件是许可给您的，而非出售给您的”。
3. 多人游戏逻辑： 索尼辩称，由于数字游戏是多人在线参与的，消费者不可能认为自己拥有该游戏的独家所有权。

证据冲突：所有权术语的使用

诉讼指出，尽管索尼在服务条款中坚称用户不拥有产品，但其官方网站、支持页面及产品列表在实际使用中频繁使用“所有权”相关的表达，存在自相矛盾之处：

• 升级与支持页面： 索尼在指导用户升级游戏（如从 PS4 升级至 PS5）时，常使用“您已拥有的数字游戏”等表述。
• 产品描述： 在提及 DLC（可下载内容）或游戏更新（如《Ghost of Yotei》或《巫师 3》）时，索尼常使用“所有者”（owners）一词。
• 功能说明： 在“Share Play”功能页面，索尼提到“无论谁拥有它（who owns it），双方都可以享受同一款游戏”，这被指在口头上承认了玩家的“所有权”地位。
• 用户评论： 索尼的评价系统要求必须是“经过验证的所有者”（verified owner）才能进行评分。

行业背景与案件现状

随着索尼计划从 2028 年 1 月起停止为新 PlayStation 游戏生产实体光盘，数字分销已成为核心。数据显示，截至 2026 年 3 月底，索尼 85% 的游戏销售额来自数字渠道。

目前，该案件仍处于活跃状态，法院已定于 2026 年 10 月 1 日举行听证会。

Qwen 3.8 追踪 GPT-5.5 Pro 推理预填充实验总结

本报告总结了关于开源模型对 GPT-5.5 Pro 推理预填充（Reasoning Prefills）响应能力的实验研究（v1.1 版本）。

实验方法

实验旨在测试目标模型在给定教师模型（GPT-5.5 Pro）部分推理过程的情况下，其输出结果与教师模型答案的趋同程度。

• 测试流程：针对每个问题，为每个目标模型生成两种响应：
  1. 普通响应：无预填充的常规生成。
  2. 预填充响应：在目标模型的推理通道中，先插入 GPT-5.5 Pro 前 1% 的推理内容，随后由目标模型自由生成可见答案。
• 评估指标：测量目标模型前 100 个 token 中包含教师模型可见答案的比例。得分采用 unigram（一元语法）、bigram（二元语法）和 trigram（三元语法）召回率的平均值。
• 数据集：包含 45 个问题，分为三类：STEM（15个）、非 STEM（15个）以及合成谜题（15个）。

实验结果

全量问题表现

Qwen 分类别表现

核心结论

1. Qwen 3.8 的高度趋同性：Qwen3.8 A95B 在预填充后表现出显著的性能跃升，总增量达 18.18 个百分点，其中在 STEM 领域的增益最为惊人（+26.99 pp）。
2. 训练数据关联推测：由于 Qwen 在面对 GPT-5.5 Pro 的预填充时表现出的跟随能力远超其在之前实验中面对 Opus 4.8 的表现（尤其是在私有合成谜题上），数据表明 Qwen 可能在训练过程中接触过 GPT-5.5 Pro 或与其高度相关的模型。
3. Kimi K3 的特性：Kimi K3 在未进行预填充时就已经拥有与 GPT-5.5 Pro 最高的一致性（31.11%），但其对预填充的响应增益（+4.54 pp）远低于 Qwen。

Automattic 创始人 Matt Mullenweg 被要求休假，由 CFO 接任临时 CEO

事件核心

Automattic 创始人兼首席执行官 Matt Mullenweg 在公司内部 Slack 频道宣布，他已被董事会决定进入“带薪休假”状态。与此同时，公司首席财务官（CFO）Mark Davies 已被任命为临时首席执行官（interim CEO）。

双方立场

• Matt Mullenweg 的说法： Mullenweg 表示自己对该决定投了反对票。他指责 CFO Mark Davies 与董事会成员（Ann Dunwoody、Toni Schneider 和 Sue Decker）在“背后”串通达成了这一决定。他强调，自己仅在会议开始前 50 分钟才收到相关决议，并曾多次请求留出时间咨询独立法律顾问，但均被拒绝。
• 董事会与管理层的说法： 董事会成员 Toni Schneider 证实了董事会的决定，称公司已要求 Mullenweg 暂时离开 CEO 职位并进入休假状态。Davies 表示将以透明、沟通和团队协作的方式带领公司，并强调公司的日常运营不会因此发生改变。Automattic 发言人也证实了这一情况，并表示董事会对 Davies 的领导能力以及团队执行公司优先事项的能力充满信心。

管理层变动细节

• 临时 CEO： Mark Davies。
• Mullenweg 的地位： 他将继续保留董事会成员身份，在设定公司方向和决策方面仍拥有发言权。

背景与争议

Mullenweg 作为运营 WordPress、Tumblr 和 Pocket Casts 等知名品牌的 Automattic 创始人，近年来因管理方式引发了多项争议：

• 法律与舆论纠纷： 近年来与 WP Engine 进行了激烈的法律斗争，并在社交媒体和个人博客上与反对者公开争论。
• 员工离职补偿方案： 2024 年，他推出了“对齐方案”（Alignment Offer），允许对公司立场持不同意见的员工选择领取六个月薪资或 3 万美元以离职，条件是当晚失去工作权限且不得重新入职。该方案导致 159 人离职。
• 对待媒体的态度： 他曾威胁会对向媒体发表言论的员工进行解雇，并称其应“优雅地退出，否则明天就会被开除且没有遣散费”。
• 商标争议： 最近，Automattic 还试图对“automatic”一词申请商标所有权。

The exact circumstances surrounding the changes aren't clear, but Meta execs have accidentally tagged the band instead of their AI agent.

文章摘要：我对互联网的厌恶

本文作者通过阅读 Sarah Wynn-Williams 的著作《Careless People》，表达了对 Meta（原 Facebook）及其所代表的互联网文化的深刻失望与厌恶。

1. 退出社交媒体的历程

作者通过逐步注销社交账号，完成了从数字社交中的抽离：

• Facebook：由于内容价值低下（充斥着与现实生活无关的信息）以及个人数据被货币化的担忧，作者已于 2018 年注销了账号。
• Instagram 与 WhatsApp：由于 Meta 平台涉及的政治操纵（如 Brexit、Trump 事件）、仇恨言论、虚假信息及 AI 生成的低质内容（AI slop），作者于去年删除了这些账号。
• 结果：退出社交媒体并未导致社交孤立，反而让作者减少了低价值内容的消耗，并建立了更有意义的线下社交关系。

2. 对科技行业与硅谷文化的批判

作者对科技巨头的价值观提出了严厉批评：

• 初衷与现实的背离：社交网络宣称要“连接世界”，但其根源往往并非出于道德驱动。
• 硅谷模式的弊端：作者批判了硅谷“快速行动，打破常规”（move fast and break things）的口号以及剥削性的超资本主义心态，认为这种心态腐蚀了互联网。
• 负面社会影响：互联网已成为恶意行为者的工具，用于诈骗、传播种族主义、诱导犯罪以及政府操纵。

3. 数字生活的沉重负担

作为一名 IT 从业者，作者感到一种职业上的矛盾与厌倦。现代生活已过度依赖互联网，使其从一种便利变成了必须忍受的负担：

• 被迫的数字化：支付停车费、银行事务、政府预约等基础生活功能均需通过 App 或在线账户完成。
• 沉重的维护成本：为了维持基本的数字生活，用户必须承担极高的精力成本，包括管理复杂的密码、处理多因素身份验证（MFA）、频繁更新系统与应用、应对网络钓鱼、使用 VPN 保护隐私以及为昂贵的硬件设备提供持续的维护。

4. 总结与反思

作者对这种“过度纠缠”的生活方式感到精疲力竭，并对没有智能手机的时代表示怀念。作者认为互联网夺走了社会的纯真、好奇心与偶然性。目前，作者正尝试将 iPhone 转变为“功能机”（dumb phone），以寻求一种更简单、更脱离数字束缚的生活方式。

https://www.gamespot.com/articles/blizzard-workers-win-historic-union-contract-that-could-set-a-new-standard-for-game-developers

Apple Watch 新推出的音频智能功能摘要

在 2026 年 9 月的苹果发布会上，Apple Watch Series 12 和 Ultra 4 带来了全新的“音频智能”（Audio Intelligence）功能，其中最核心的改进是 Siri Recaps。

核心功能介绍

• Siri Recaps：这是一项通过 Apple Watch 传感器为用户提供每日生活摘要的功能。它能够总结用户一天的活动，包括发生的对话内容。该功能集成在 Siri 应用中，用户可以通过设置日程或通过 Smart Stack 进行切换。对于需要记录会议内容的专业人士而言，这具有潜在的实用价值。
• Live Rewind：这是另一项音频智能功能，允许用户在手表界面上获取过去 15 秒音频内容的转录文本，无论当时是否使用了唤醒词。

隐私争议与社会影响

由于这些功能使 Apple Watch 具备了“始终监听”的能力，引发了关于隐私和监控的广泛担忧：

• 知情权问题：在进行对话时，周围的人可能在不知情的情况下被记录或总结，这可能导致社交场合的不适感。
• 行业对比：文章将此与 Meta 的智能眼镜进行了对比。Meta 的智能眼镜因被用于未经授权的秘密录制而面临社会污名化，并在部分公共场所（如电影院）面临禁令。

Apple 的隐私保护机制

针对上述隐私顾虑，Apple 通过技术手段强调其数据的安全性与合规性：

• 非存储式处理：Apple 声称系统不会录制或存储音频文件，也不会提供永久性的转录文本。音频数据通过 Siri AI 进行实时处理，转化为可操作的笔记，原始音频数据不会进入永久存储。
• 数据安全性：利用设备端 AI 和“私有云计算”（Private Cloud Compute）技术，确保音频数据在处理过程中对 Apple 也是不可见的。
• 自动删除机制：Siri Recaps 生成的内容会在 7 天后自动删除。
• 可验证性：Apple 表示，独立安全专家可以随时对这些隐私承诺进行验证。

Automattic 董事会强制 CEO Matt Mullenweg 休假

Automattic 董事会已强制其创始人兼首席执行官 Matt Mullenweg 进入带薪休假状态，并任命首席财务官（CFO）Mark Davies 为临时首席执行官。

事件核心细节

• 争议性的停职：Mullenweg 在公司 Slack 频道中公开表示，此次停职是违背其意愿的。他指责 CFO Mark Davies 与董事会成员 Ann Dunwoody、Toni Schneider 和 Sue Decker “合谋”，在他不知情的情况下进行了投票。Mullenweg 声称，他在会议开始前仅 50 分钟收到决议，并多次请求时间由独立法律顾问进行审查，但遭到拒绝。
• 临时领导层：Automattic 官方确认了 Mullenweg 休假的消息，并表示完全信任 Mark Davies 的领导能力。Davies 目前将负责领导公司执行既定优先级。
• 对 WordPress.org 的影响：WordPress.org 执行总监 Mary Hubbard 澄清，此次商业公司的领导层变动不会影响开源项目 WordPress.org。Mullenweg 仍将继续担任 WordPress 项目的领导者。

公司背景与近期争议

Automattic 是 WordPress.com 的母公司，旗下还拥有 Tumblr、WooCommerce 和 Pocket Casts 等品牌。近年来，在 Mullenweg 的领导下，公司面临多重挑战：

• 法律诉讼：公司与 WordPress 托管竞争对手 WP Engine 陷入了长期的法律纠纷。WP Engine 指控 Automattic 诽谤并滥用权力；而 Mullenweg 此前曾要求 WP Engine 为使用 WordPress 品牌支付 8% 的月收入作为版税。
• 内部动荡与裁员：2024 年，Mullenweg 曾要求不同意其观点的员工离职，导致 159 名员工离开。2025 年 4 月，公司又裁减了 16% 的员工。
• 社区关系紧张：Mullenweg 此前曾因涉及开源项目分叉的争议，注销了多名开源社区成员的账户，引发了广泛争议。

可能的原因推测

目前尚不清楚董事会做出此决定的具体原因。Mullenweg 在 X（原 Twitter）上的发帖暗示，这可能与正在进行的法律纠纷有关。他提到，对方可能会试图让法官认定他“恶意破坏证据以隐瞒某些事情”，但他对此予以坚决否认，并表示担心会面临后续的“抹黑攻击”。

亚马逊因拒绝为怀孕员工提供合理便利而面临集体诉讼

诉讼核心指控

四名前亚马逊仓库员工在美国纽约东区联邦法院提起集体诉讼，指控亚马逊歧视怀孕员工。原告声称，亚马逊拒绝为怀孕员工提供法律认可的基本合理便利（Accommodations），包括：

• 如厕时间。
• 额外的15分钟休息。
• 允许在工作时坐着而非一直站立。

此外，诉讼指控亚马逊存在报复行为。原告称，当她们因医疗必要性进行休息或因病就医时，亚马逊会扣除其有限的无薪休假（unpaid time off）额度，并在额度耗尽后威胁或直接终止其雇佣关系。

法律依据与监管机构介入

该诉讼主要依据2022年美国通过的**《孕妇公平法案》（PWFA）**。该法案要求雇主为受怀孕、分娩或相关医疗状况影响的合格员工提供“合理便利”，只要这些要求不会给企业运营带来过度负担。

• EEOC 的立场：美国平等就业机会委员会（EEOC）在2024年曾指示雇主，对于饮水、如厕、进食或坐着工作等简单且常见的怀孕相关需求，要求提供医疗证明是不合理的。
• 调查结果：原告之一 Jennifer Hatch 的指控已被 EEOC 评估为具有可信度。EEOC 发现亚马逊在未能为全国范围内的女性仓库员工提供怀孕相关便利方面存在歧视行为，并已向 Hatch 发出了起诉通知。

亚马逊的回应

亚马逊否认违反了联邦法律，并表示诉讼内容存在不准确之处，未能反映其实际的便利程序。亚马逊强调：

• 公司致力于提供安全支持的环境，每年为数万名员工提供怀孕便利。
• 去年，超过 99.9% 的怀孕相关便利申请（包括额外休息、职责调整或坐姿岗位）均已获得批准。
• 为符合条件的生育父母提供长达 20 周的有薪假（包括 4 周产前假及回归计划）。

具体案例详情

• Willamina Barclay：尽管提交了医疗证明，但亚马逊拒绝允许其在工作时使用椅子，仅允许其每天进行四次额外的15分钟休息。在一次因严重呕吐请假后，尽管提供了医生证明，亚马逊仍因其无薪假额度耗尽而将其解雇。
• Jennifer Hatch：由于高龄属于高风险妊娠，她请求减轻负重（30磅以下限制）并每四小时进行15分钟的坐姿休息，但均被拒绝。在感到头晕时，她仍被现场经理要求进行重体力劳动。

诉讼目标

该集体诉讼由非营利倡导组织 "A Better Balance" 代表，旨在代表全美范围内的亚马逊员工以及纽约州的子类员工。原告要求亚马逊提供复职、补发工资、补偿损失的福利以及惩罚性赔偿。

RSA-260 分解任务总结

Cognition 研究团队通过使用 AI 软件工程代理 Devin，成功分解了 RSA-260，刷新了 RSA 分解挑战（RSA Factoring Challenge）的世界纪录。

核心成果与技术突破

本次任务并非依靠传统的暴力破解，而是利用 Devin 开发了一套针对 GPU 高度优化的**通用数域筛法（GNFS）**实现。该实现对开源软件 CADO-NFS 进行了深度修改，其核心突破在于构建了全球性能最高的 GPU 格点筛法（GPU lattice siever），使得分解成本比此前的技术降低了 10 倍。

关键技术环节包括：

• 多项式选择（Polynomial Selection）： 适配了 GPU 的第一阶段算法。
• 格点筛法（Lattice Sieving）： 这是 GNFS 中计算量最大的部分。Devin 解决了 GPU 在处理大量伪随机内存访问时的性能挑战，充分利用了 GPU 的高内存带宽。
• 线性代数（Linear System Solving）： 优化了 Block Wiedemann 算法，使其能在 GPU 上通过并行化高效运行。
• 平方根计算（Square Root）： 采用了 GPU 加速的 NTT（数论变换）乘法。

经济成本与安全影响

研究团队提供了关于 RSA 分解难度的成本估算：

• RSA-260： 总成本约为 4,900 GPU 天，按当前市场价格计算约为 40 万美元。
• RSA-1024（约 309 位）： 据估算，分解一个 RSA-1024 数字的成本约为 3,000 万美元。这意味着大型超算中心或前沿 AI 实验室可能具备经济性地分解 RSA-1024 的能力。
• RSA-2048： 其难度比 RSA-1024 高出约 10 亿倍，目前的技术和优化手段对其安全性几乎没有实质性影响。

Devin 的角色与工作流程

在整个为期三周的项目中，Devin 扮演了高度自主的软件工程师角色。

• Devin 的职责： 执行端到端的优化循环，包括设计并运行实验、解释结果、选择改进目标、实现代码、管理集群操作、进行大规模计算编排以及调试。
• 人类的角色： 侧重于“执行功能”（Executive Function），包括设定优先级、建立基准测试、识别效率低下的工作流、提供宏观的技术方向（如建议使用 NVLink）以及确保整体目标的对齐。
• 验证过程： 在冲击 RSA-260 之前，团队驱动多个 Devin 会话通过分解一系列规模递增的数字（如 C155、C173、C311 等）来逐步验证算法的扩展性和性能。

结论

该实验证明，利用自主 AI 代理进行复杂的计算数论和 GPU 性能工程研究，可以极大地降低科学研究的门槛。通过将人类的领域知识（如 CADO-NFS 的现有架构）与 AI 的工程执行能力相结合，研究人员能够以极快的速度解决传统需要多月甚至数月人工才能完成的复杂计算问题。

《南方公园》创作者宣布将剧名更改为《南美洲》以示讽刺

动画剧集《南方公园》（South Park）的创作者马特·斯通（Matt Stone）和特雷·帕克（Trey Parker）宣布，该剧的新系列将更名为《南美洲》（South America）。这一举动被视为对美国总统唐纳德·特朗普（Donald Trump）试图更改地理名称行为的政治讽刺。

核心背景与讽刺意图

此次更名直接针对特朗普此前的一系列行政行为。特朗普曾签署行政命令，试图将安大略湖（Lake Ontario）更名为“美洲湖”（Lake America），并宣布将墨西哥湾（Gulf of Mexico）更名为“美洲湾”（Gulf of America）。此外，特朗普还曾通过AI生成的视频展示将“新墨西哥州”（New Mexico）更名为“新美洲”（New America）的构想。

创作者在声明中提到，他们受到了Apple和Google“勇敢与爱国精神”的启发，因为这两家科技巨头已在其地图应用中根据相关要求更改了地名。

媒体并购背景

在更名声明中，创作者还以讽刺的口吻将母公司派拉蒙（Paramount）称为“Skydance Capitulation”。目前，派拉蒙与Skydance的合并计划因面临多州发起的反垄断诉讼（担心损害竞争并导致消费者价格上升）而被迫暂停，原定于2027年6月前的合并进程受到影响。

剧集历史与成就

《南方公园》自1997年开播以来，长期通过讽刺手段针对特朗普及其政府，这使其创作者多次遭到白宫及支持者的批评。在最近获得艾美奖“最佳动画节目奖”后，该剧宣布了这一更名计划。

目前尚不清楚“南美洲”这一名称是永久性的还是临时性的。该剧新系列预计将于9月16日首播。

联合国挑战五世纪的地图制图传统

核心事件：联合国推动地图投影变革

联合国近期通过了一项决议，旨在推广能够准确反映大陆真实面积的地图。这一举措旨在挑战并取代已使用约 500 年的墨卡托投影（Mercator projection）。该决议得到了非洲联盟的支持，在投票中获得 164 个国家的赞成，仅有美国投了反对票。

墨卡托投影的问题

墨卡托投影由 1569 年创造，其设计初衷是为了辅助航海，因为地图上的任何直线都代表恒定的罗盘方位。然而，这种投影在地理表现上存在严重缺陷：

• 面积失真：随着纬度远离赤道，面积的夸大程度会不断增加。
• 认知偏见：这种失真使得欧洲、俄罗斯和北美洲看起来比实际规模大得多（例如，格陵兰岛在地图上看起来与非洲相当大，但实际面积仅为非洲的 1/14）。这种视觉上的比例失衡可能在潜意识中强化了“北方优越于全球南方”的观念。

地图投影的演变与替代方案

为了解决面积失真问题，制图界提出了不同的替代方案：

1. Gall-Peters 投影（等面积投影）

   • 优点：它是一种等面积视角，能够准确反映各国相对于其他国家的实际面积比例。
   • 缺点：为了维持面积比例，形状会发生严重扭曲（赤道附近的陆地会被垂直拉伸，两极附近的陆地会被垂直压缩）。
   • 案例：波士顿公立学校曾尝试使用该投影以“去殖民化课程”，但因其形状过于扭曲而受到制图界的争议。

2. Equal Earth 投影（现代首选）

   • 背景：于 2018 年针对波士顿公立学校的争议而设计。
   • 优点：它结合了 Gall-Peters 的面积准确性，同时通过使用曲线而非直线来模拟地球形状，从而减少了形状的极端扭曲。它是联合国目前倾向推广的投影方式。

总结与意义

地图的制作本质上是一种关于“什么更重要”的选择。联合国认为，纠正大陆面积的制图失真不仅是地理上的准确，更是一种**“认知正义与纪念补偿”**的行为。

其他补充投影

• Winkel Tripel (1921)：旨在最大限度地减少面积、方向和距离三种失真，被《国家地理》采用，但在计算上较复杂。
• Dymaxion (1943)：由巴克敏斯特·富勒创建，将地球展开为多面体，虽然在导航上不实用，但有助于人类学家观察大陆间的关系和历史迁徙。

个人开发者以 $998 训练 3.8B 参数大模型的实践总结

本文记录了一位开发者如何利用有限的预算（约 1000 美元）和租用的 B200 GPU，从零开始训练一个名为 little-lm 的 3.8B 参数大语言模型（LLM）的过程。该模型在 65B token 的训练下，于 43 小时内达到了 0.384 的 CORE 评分，显著超越了 GPT-2（1.5B 参数，0.2565 CORE）。

核心成果与配置

模型架构

该模型采用类 Llama 架构，包含以下特性：

• 基础组件：RMSNorm、RoPE、GQA（24 个 Query 头，8 个 KV 头）、relu² MLPs、QK-norm、logit softcap、每层可学习的残差标量。
• Value Embeddings：采用了 ResFormer 风格的 Value Embeddings，占总参数量的 19%（721.2M 参数），分布在每隔一层的 14 个表中。

训练策略与成功经验

作者通过早期失败的实验（训练一个 858M 参数的模型时表现不佳）总结了五个关键的改进点：

1. 梯形学习率调度 (Trapezoidal LR Schedule)：放弃传统的余弦衰减（Cosine decay），改用在训练后期（最后 50% 步数）进行线性冷却（Linear cooldown）的方案，确保模型在训练结束前持续学习。
2. 混合优化器：对矩阵参数使用 Muon 优化器，对其他参数使用 AdamW。虽然 Muon 单步计算较慢，但整体收敛速度更快。
3. 数据集选择：改用 ClimbMix 数据集，显著提升了收敛速度。
4. FP8 训练与词表填充：利用 FP8 进行训练，并将词表从 50,257 填充至 50,304（64 的倍数），以利用 Tensor Core 提升约 33% 的吞吐量。
5. 上下文长度：将上下文从 1024 增加到 2048。

吞吐量优化技术

为了最大化每一美元的价值，作者实施了多项优化以提升训练吞吐量：

• Liger Fused Linear Cross-Entropy：通过融合算子减少显存占用，允许更大的 micro-batch size，从而抵消了单步计算略微变慢的影响。
• 非门控 MLP (Non-gated MLPs)：将 SwiGLU 替换为 relu²，减少了矩阵乘法次数并节省了显存。
• bf16 主权重 (bf16 master weights)：将优化器主权重设为 bf16 而非 fp32，在极小损失模型质量代价下，将吞吐量提升了 2.2 倍。
• 硬件利用：在 B200 上实现了约 25% 的 MFU（相对于 Blackwell 的 FP8 峰值）。

关键消融实验与发现

Value Embeddings 的价值

实验表明，增加 19% 的参数量用于 Value Embeddings，几乎不增加 FLOPs 消耗（因为是查表操作），却能带来约 3.2% 的 CORE 提升，效果相当于额外增加了约 1200 步的训练量。

上下文长度的影响

作者发现 1024 的上下文长度在某些任务（如 SQuAD 和 boolq）上会导致严重的性能下降，因为长 Prompt 会被截断，导致模型无法看到必要的示例（few-shot 演示）。将上下文增加到 2048 后，CORE 分数从 0.338 提升至 0.384。虽然 2048 长度会降低约 9% 的吞吐量，但对于获取准确的性能衡量至关重要。

结论

该项目证明，随着硬件（如 B200）的演进和优化算法（如 Muon, FP8）的成熟，个人开发者在业余时间利用少量资金，也能训练出在性能上足以媲美甚至超越早期顶尖实验室成果的语言模型。