AI 数学研究成果发布与共享计划

概述

该公告宣布发布一系列由内部前沿模型生成的全新数学研究成果。此次发布旨在通过建立标准化的共享流程，推动人类数学知识的边界。

发布方式与标准

• 协作与合规： 在制定发布最佳实践的过程中，团队咨询了高等研究院（Institute for Advanced Study）的“数学与人工智能咨询小组 (AGMAI)”，并遵循其建议和公开指南。
• 发布平台： 目前研究成果托管在 GitHub 仓库中，并制定了论文修订和引用的相关协议。未来将探索符合委员会指南的其他社区托管替代方案。
• 持续改进： 团队承诺在未来的发布中，通过改进引用规范、数学阐述和结果呈现方式，进一步提升论文质量。

技术细节与透明度

• 形式化证明： 为了便于计算机验证，GitHub 仓库中包含了许多证明的 Lean 语言形式化版本。团队将持续向仓库中添加更多形式化证明。
• 科学透明度： 为促进开放性，仓库中还公开了获取结果过程的详细信息，包括：
  • 10 份模型推理摘要。
  • 计算量估算（以 ChatGPT Pro 的使用量为标准）。
  • 尝试问题的统计数据。
  • 注： 平均每个结果消耗的计算量约相当于 3 小时的 ChatGPT Pro “思考”时间。

未来目标与支持

• 学术推动： 为促进对 AI 生成重大数学结果的理解，团队将资助一系列研讨会、会议和特别项目。
• 赋能科学研究： 团队致力于通过负责任地发布模型，为科学家提供尖端能力。通过持续在数学及其他科学领域评估内部前沿模型，加速相关学科的发展。
• 社区反馈： 团队将根据社区反馈，不断更新重大科学进展的披露标准。

Chrome 正式支持 JPEG XL 格式

概述

从 Chrome 155 版本开始，Chrome 已正式引入对 JPEG XL (.jxl) 图像格式的解码支持。JPEG XL 是一种专为现代 Web 开发和摄影需求设计的下一代图像格式，其核心优势包括：

• 更高压缩率：相比 JPEG 可提升 30-50% 的压缩效率。
• 功能丰富：支持无损压缩、内置 HDR 支持以及旧版 JPEG 的无损转码。
• 应用场景：特别适用于高保真或无损压缩需求（尤其是摄影图像），以及需要精细渐进式解码的场景。

技术实现：安全与性能的平衡

为了应对图像解码器这一浏览器核心攻击面可能带来的安全风险，Chrome 团队在实现过程中重点关注了内存安全与执行效率。

1. 使用 Rust 提升内存安全性

传统的 C++ 解码器容易受到越界读取、堆溢出和释放后使用（use-after-free）等内存安全漏洞的威胁。为了从源头消除这些风险，Chrome 集成了由纯 Rust 编写的 jxl-rs 解码器，利用 Rust 的语言特性来确保内存安全。

2. 高性能设计与 SIMD 优化

为了确保内存安全后的性能不低于非安全语言实现，团队采取了以下优化措施：

• 利用 SIMD 指令：通过 Rust 的 target_feature_11 特性，实现了在不使用 unsafe 代码的前提下，安全地调用现代设备的 SIMD（单指令多数据）硬件加速。
• 构建抽象层：开发了受 Google Highway 库启发的 SIMD 抽象层 jxl_simd。这使得团队能够编写跨平台的高性能库，同时将 unsafe 操作严格限制在极少数经过高度审查的代码区域内。
• 验证手段：通过模糊测试（Fuzzing）和 AI 代码审查等前沿技术对 jxl-rs 进行了验证，确保其在实现过程中未发现内存安全漏洞。

开发者反馈与互操作性

引入 JPEG XL 是基于对开发者长期反馈的响应（通过 Developer Signals Project 和 Interop Project 获取）。为了确保该格式在不同浏览器间的互操作性，Chrome 团队参与了 “Interop 2026 JPEG XL Investigation”，确保 JPEG XL 的所有功能特性在 Chrome 中均通过了完整的测试覆盖。

总结

随着 JPEG XL 在 Chrome 中的落地，Web 开发者和内容创作者可以开始在工作流中使用 .jxl 图像及动画，以构建更快速、更丰富且更安全的 Web 环境。

C64 Keyboard 字体项目摘要

本项目是一款基于经典 Commodore 64 键盘键帽照片重建的字体，旨在提供经过优化、形状整洁且比例一致的字符设计。

核心特性

• 设计来源：字体完全基于一台中欧版 Commodore 64 键盘的键帽照片进行重建。
• 字符内容：
  • 大写字母、数字、标点符号、箭头、英镑符号 (£) 及 π。
  • 选定的变音字母（包括匈牙利语字符）。
  • 功能键标签（f1–f12）。
  • 全部 63 个 PETSCII 图形前置图例（PETSCII front legends）。
• 视觉逻辑：为了模拟键帽上的印刷图例，输入小写字母时会显示为大写。该字体旨在还原物理键帽上的字符，而非屏幕显示的位图字体（bitmap font）。

技术实现

• 重建方式：字符是通过重建轮廓生成的，并非简单的照片描摹。开发者根据键盘照片推断出边框厚度、曲线和印刷比例，以确保几何形状的平滑。
• PETSCII 支持：通过特定的字符编码处理 PETSCII 图形。用户需配合该字体才能正确显示这些特殊符号。
• 文件格式：提供 TTF、OTF、Webfont 等多种格式，并提供包含可编辑轮廓（glyphs）和构建工具（scripts）的完整软件包。

使用与授权

• 使用方式：安装 TTF 或 OTF 文件后即可在应用程序中使用。项目提供了在线预览工具以便测试字符。
• 许可协议：本项目仓库中的所有内容（包括字体文件、可编辑轮廓、构建脚本、文档和预览图等）均根据 CC0 1.0 Universal 协议贡献于公有领域。用户可以自由地使用、修改和分发，包括用于商业用途，且无需署名。
• 法律说明：该字体是独立的、非官方的重建版本，并非由 Commodore 公司认可。CC0 协议不涵盖原始键帽设计中可能存在的第三方权利或商标权。

Visa、Mastercard 及主要银行因涉嫌“反竞争”费用面临新诉讼

一家圣迭戈的披萨店近期发起了一项拟议的集体诉讼，指控 Visa、Mastercard 以及包括美国银行（Bank of America）、第一资本（Capital One）、大通银行（Chase Bank）、花旗银行（Citibank）和富国银行（Wells Fargo）在内的美国大型银行，通过共谋人为抬高商家在信用卡交易中支付的费用。

诉讼核心指控

该诉讼长达 134 页，指控被告实施了一系列反竞争规则，旨在维持高额的交换费（interchange fees，即商家必须向发卡银行支付的非议价费用）。诉状认为，这些费用构成了对全美几乎每一笔信用卡消费的“死重税”，产生了数百亿美元的“垄断租金”。

具体反竞争手段包括：

• 强制接受规则：迫使接受 Visa 或 Mastercard 的商家必须接受该品牌下的所有信用卡，无论其成本高低。这消除了发行银行通过降低费用来争取市场的竞争动力。
• 限制引导支付：阻止商家引导客户使用低成本支付选项（例如禁止商家根据客户使用的特定卡片类型收取附加费）。
• 抬高网络费用：指控 Visa 和 Mastercard 利用这些市场限制，进一步抬高了其自身的网络费用（包括每笔交易费用和固定费用）。

诉状指出，商家目前每年支付给 Visa 和 Mastercard 的费用超过 1,000 亿美元，这些费用在损害商家利益的同时，也使被告从中获利。

与此前和解案的区别

尽管在 2019 年 12 月，法院曾批准了一项针对此类行为的集体诉讼和解协议，并向商家提供了超过 50 亿美元的经济赔偿，但该协议的赔偿范围仅涵盖截至 2019 年 1 月 24 日的交易期。

本项新诉讼的核心理由在于，商家在 2019 年 1 月 25 日之后仍需承担被告持续实施的反竞争行为所带来的高额费用，但在之前的和解中并未获得任何针对该时间段之后的补偿。

诉讼范围

该集体诉讼旨在代表所有从 2019 年 1 月 25 日起，在美国境内接受 Visa 或 Mastercard 品牌信用卡的个人、企业及其他实体，寻求针对被告持续性反竞争行为的法律救济。

EmbeddingGemma 2 模型概述

Google DeepMind 推出了 EmbeddingGemma 2，这是一款专为设备端（on-device）设计的轻量级、高性能多模态嵌入模型。该模型能够将文本、图像、音频、视频和代码统一映射到一个共享的嵌入空间中，为开发者提供强大的本地检索与理解能力。

核心技术特性

• 架构与规模：基于 Gemma 4 架构构建，拥有 7.4 亿参数。模型采用 Apache 2.0 开源协议，具有商业许可权限。
• 模块化设计：支持按需配置以优化资源占用。纯文本负载仅需 2.7 亿参数；若需完整多模态支持，可添加可选的视觉编码器（1.7 亿参数）和音频编码器（3 亿参数）。
• 存储优化：利用 Matryoshka 表示学习 (MRL) 技术，开发者可以将输出向量从 768 维动态缩减至 512、256 或 128 维，从而实现高达 6 倍的本地向量数据库和内存占用缩减。
• 扩展上下文：具备 8K token 的上下文窗口（是前代模型的 4 倍），能够直接在本地处理约 5.5 分钟的音频、29 张图像、58 帧视频或它们的交错组合。
• 设备端优化：针对资源受限环境进行了深度优化。在量化后，全模态模型在 Google Pixel 11 Pro 上仅需约 567MB 的活动内存（RAM），纯文本模式仅需约 191MB。

性能表现

EmbeddingGemma 2 在 10 亿参数以下的规模中表现出顶尖的质量：

• 基准测试：在 MTEB Code（代码）和 MAEB（音频）等基准测试中取得了领先分数，在某些任务上甚至超越了规模大其两倍以上的专用模型。
• 代码能力：代码性能较前代有了显著提升（在 MTEB Code 中从 68.76 提高到 78.68），非常适合本地代码库索引和语义代码搜索。

应用场景与优势

• 本地 RAG 与语义搜索：通过在边缘设备上本地生成嵌入，可以确保数据隐私、降低延迟并支持完全离线的跨模态搜索与检索。
• 统一流水线：由于 EmbeddingGemma 2 与 Gemma 4 共享文本分词器和音频编码器，开发者可以将两者结合构建设备端 RAG 流水线，从而降低整体内存占用。

生态支持与部署

• 获取途径：模型权重已在 Hugging Face 和 Kaggle 上发布。
• 部署工具：
  • Google AI Edge：通过 MediaPipe 进行开箱即用的任务处理，或使用 LiteRT 进行自定义模型集成。
  • 浏览器端：支持 transformers.js 和 WebGPU。
  • 推理框架：兼容 transformers、sentence-transformers、MLX、vLLM、llama.cpp、SGLang、Ollama 和 LMStudio。
  • 向量存储：可配合 Qdrant 等工具使用。
• 微调：可通过 Unsloth 等工具进行针对特定用例的微调。

2026年诺贝尔化学奖：Henri B. Kagan 与 Kenso Soai

瑞典皇家科学院宣布，将2026年诺贝尔化学奖授予 Henri B. Kagan（法国巴黎大学）和 Kenso Soai（日本东京理科大学），以表彰他们在不对称有机合成中发现非线性效应和自催化作用所做出的贡献。

研究背景：手性之谜

在化学中，某些分子（如氨基酸）存在两种互为镜像的变体，这被称为“手性”。尽管这些镜像分子在化学性质上非常相似，但生物体通常具有高度的选择性。例如，生命体表现出“同手性”（Homochirality），即生物体内的蛋白质仅由特定一种镜像形式的氨基酸组成，而另一种镜像形式在自然界中极少见。

长期以来，化学家面临一个难题：在实验室中进行化学反应时，通常会产生等比例的两种镜像分子（外消旋体）。然而，在开发药物等需要与生物体互动的分子时，通常只有一种特定的镜像分子能产生预期的疗效。

核心贡献

两位获奖者的研究为解释同手性如何自发产生以及如何人工实现同手性提供了关键方案：

• Henri B. Kagan：他在1986年迈出了决定性的一步，发现了一种操纵化学反应的新方法。这一发现使得化学家能够创造出比以往认为的更多的单一镜像分子过量，即发现了非线性效应。
• Kenso Soai：他在1995年描述了首个具有同手性潜力的化学反应设计，并于2003年最终成功实现。他展示了一种通过自催化作用，仅产生两种可能镜像中其中一种的反应。这一成就模拟了生命本身实现同手性的过程。

科学意义与应用

Kagan和Soai的研究揭示了同手性如何能够在化学环境中自发涌现。他们的发现对于现代化学工业，特别是药物制造领域具有至关重要的意义，帮助化学家能够更精准地设计反应，以生产出具有特定手性的纯净药物分子。

Paramount Skydance 完成与 Warner Bros. Discovery 的 1110 亿美元合并

Paramount Skydance 今日宣布已正式完成与 Warner Bros. Discovery 总额达 1110 亿美元的合并交易。合并后的新公司定名为 Skydance。

业务规模与构成

新成立的 Skydance 整合了两大巨头资产，打造成为全球娱乐领域的领导者，其业务涵盖：

• 影视制作与流媒体： 包括两大电影制片厂，以及 Paramount+ 和 HBO Max 流媒体服务。
• 广播与媒体： 包括 CBS 电视台和 CNN 新闻网。
• 体育赛事： 拥有包括 CBS Sports 和 TNT Sports 在内的直播体育组合。
• 其他资产： 庞大的节目库以及广泛的品牌和特许经营权。

法律挑战与最终裁定

此次合并进程曾因法律诉讼而面临延迟：

• 反垄断诉讼： 加利福尼亚州及其他 11 个州此前提起诉讼，指控该合并案可能大幅减少市场竞争并违反反垄断法。
• 和解方案： 最终，加利福尼亚州与其他相关州达成了和解。尽管部分言论自由及媒体倡导组织对和解协议表示不满，认为其未能充分保护公众利益，但加州地方法官 Araceli Martínez-Olguín 批准了该协议，认为其是解决争议的合理法律妥协，避免了漫长的审判风险与费用。
• 最终结果： 在最高法院大法官 Elena Kagan 驳回了阻止交易的最后尝试后，合并程序得以顺利完成。

和解协议的关键条款

为了应对反垄断方面的担忧，和解协议包含以下特定要求：

1. 电影发行： 设定了在国内电影投资及发行方面的最低门槛。
2. 有线电视分发： 要求针对两家实体的基本有线电视资产，进行持续且独立的发行谈判。

GitHub 服务故障事件总结

事件状态： 已解决

事件概述

GitHub 在 2026 年 10 月 7 日遭遇了一次影响多个核心服务的故障，导致部分功能出现性能下降或可用性降低。

受影响的服务

本次事件影响的服务范围包括：

• Git Operations (Git 操作)
• Pull Requests (拉取请求)
• Actions (自动化工作流)
• Webhooks (网络钩子)
• Issues (议题)

事件时间线 (UTC)

• 15:06 - 15:16：GitHub 经历了广泛的服务影响。
• 15:14：官方开始调查 Actions、Git Operations 和 Pull Requests 的可用性下降问题。随后，Webhooks 和 Issues 也相继报告了性能下降。
• 15:21 - 15:35：各服务状态出现波动，Git Operations、Pull Requests 和 Webhooks 持续经历性能下降或可用性问题。
• 15:41：观察到所有系统开始出现部分恢复。
• 15:47 - 15:58：Issues、Webhooks、Git Operations、Pull Requests 及 Actions 的性能下降问题陆续得到缓解，进入稳定性监测阶段。
• 16:23：所有系统（包括 Git Operations、Pull Requests 和 Actions）均已完全恢复并趋于稳定。
• 16:25：事件正式宣布解决。

当前状态与后续行动

目前所有受影响的服务均已恢复正常运行。GitHub 已识别出故障的根本原因，并正在实施缓解措施以防止此类问题再次发生。详细的根本原因分析 (RCA) 将在准备就绪后发布。

Decisions API 公测概览

OpenAI 推出了处于公开测试阶段（Public Beta）的 Decisions API。该 API 旨在评估文本、图像或两者结合的内容，并返回结构化的类型化答案，其处理速度比 Responses API 快约 10 倍。开发者可以利用这些答案来实现内容分类、请求路由和任务优先级排序。

核心技术细节

• 当前模型：目前仅支持 gpt-6-luna 模型。
• API 端点：使用专用的 POST /v1/decisions 端点。
• 请求结构：请求包含三个部分：model（指定模型）、input（共享的证据，包括文本或包含文本/图像的用户消息）以及 questions（待评估的问题列表，包含类型、指令及选项/等级）。

问题类型与结果

Decisions API 提供三种特定的问题类型，以满足不同的逻辑需求：

使用建议：

• 若需生成符合自定义 JSON Schema 的对象，请使用 Responses API 的 Structured Outputs。
• 若需模型请求工具调用，请使用 Function Calling。
• 对于 choice 类型，建议包含一个“其他（other）”选项作为兜底。
• 对于 score 类型，相邻等级应定义清晰且具有区别性的标准。

输入与限制

• 图像处理：图像必须以 inline base64 data URLs 的形式提供。目前不支持托管的 HTTP/HTTPS URL 或 file_id。
• 多问题处理：可以在同一个请求中通过 questions 数组放入多个独立问题，以评估相同的输入。若问题间存在逻辑依赖，则需分多次请求处理。

计费与合规性

• 定价模型：仅针对输入 Token 计费，费用为 $0.10 / 1M tokens。该 API 不收取输出 Token、缓存读取或缓存写入的费用。
• 合规与数据：支持零数据保留（ZDR）和 HIPAA 使用。数据驻留和区域处理支持在美国及欧洲（包括 EEA 和瑞士）进行。

AnyPS5 项目概述

AnyPS5 是一个旨在将 PS5 二进制文件自动移植到 Linux 和 Windows 平台的工具。其核心特点是不使用模拟器或独立的运行时进程，而是通过直接转换实现目标系统的原生运行。

核心技术组件

• Relinker（重链接器）： 负责将 PS5 的可执行文件转换为目标系统（Linux 或 Windows）的原生格式。
• System PRX Libraries（系统 PRX 库）： 提供适用于动态链接的系统库实现。项目的开发进度通过已声明的系统函数比例来衡量（目前已映射约 87% 的已知库函数）。
• Shader Recompiler（着色器重编译器）： 能够生成 SPIR-V 着色器，并可通过 Spirv-Tools 进行验证。

功能特性

• 输入映射：
  • 支持通过 SDL 映射的游戏控制器（包括模拟摇杆和扳机键）。
  • 支持通过 anyps5-input.ini 配置文件进行键盘和鼠标的控制配置。
• 错误处理： 当程序遇到不支持或非预期的状态时，会抛出 std::runtime_error，将错误信息打印到 stderr 并终止进程。
• 性能表现： 示例显示 2D 平台游戏 Dreaming Sarah 在中端配置（如 GTX 1050 Ti / i5-7500）上可实现稳定的 60 fps 运行。

免责声明与许可

• 用途限制： 该项目仅用于互操作性、研究、存档及兼容性目的。项目本身不包含、不分发也不要求提供任何受版权保护的软件、固件、加密密钥或专有库。
• 许可协议： 项目采用 GNU General Public License version 2 (GPL v2) 协议。

ESP32-C3 Adblock 项目摘要

项目简介

ESP32-C3 Adblock 是一个运行在低成本 ESP32-C3 芯片上的类 Pi-hole DNS 广告拦截器。其核心目标是在无需 PSRAM（外部扩展 RAM）的情况下，实现对大量广告域名的快速拦截。

核心技术创新

该项目的主要突破在于优化了内存使用方式。传统的 ESP32 DNS 拦截器通常将域名字符串加载到 RAM 中，这需要昂贵的 PSRAM。本项目改用以下策略：

• 哈希存储：将域名转换为 40 位（5 字节）的 FNV-1a 哈希值。
• Flash 存储：将这些排序后的哈希值存储在 Flash 闪存中，而非 RAM。
• 二分查找：通过在 Flash 中进行二分查找来匹配查询请求。

技术优势：

• 低内存占用：仅需约 50 KB RAM，无需 PSRAM。
• 高容量：14.1 万个域名仅占用约 0.67 MB Flash。
• 高效查询：查询延迟约为 10 毫秒（含 WiFi 往返时间）。
• 低冲突率：40 位哈希在 14.1 万个域名下几乎无碰撞；在 53.7 万个域名下预计仅有 1 个碰撞。

硬件与部署

• 硬件需求：任何具备 4 MB Flash 的 ESP32-C3 开发板（经测试可在 C3 SuperMini 上运行）。
• 供电：可通过稳定的 USB 源（如路由器 USB 端口）供电。
• 部署方式：将设备的 DNS 指向 ESP32-C3 的 IP 地址，或将其作为主要 DNS 后面的辅助解析器。

主要功能

• Web 控制面板：通过浏览器访问，查看统计数据、封禁或解封特定域名。
• OTA 更新：支持通过 WiFi 进行固件更新和拦截列表更新。拦截列表可以设置远程 URL 进行定时自动更新。
• WiFi 配置：若无法连接预设网络，设备会进入 Captive Portal（强制门户）模式，允许用户通过手机连接并配置网络。
• 灵活的列表支持：支持 hosts 文件、纯域名列表以及 AdGuard/Adblock 基本规则格式。

安全性说明

• 身份验证：所有涉及状态变更的操作（如 /ban、/upload、OTA 更新）均需通过 secrets.h 中配置的 HTTP Basic Auth 进行身份验证。
• CSRF 防护：通过要求自定义 HTTP Header (X-Requested-With: c3-adblock) 来防止跨站请求伪造（CSRF）攻击。
• 局限性：由于芯片性能限制，设备仅运行明文 HTTP 协议，不提供 TLS 加密。Basic Auth 仅能防御局域网内的未经授权访问，无法抵御能够嗅探局域网流量的攻击者。

开发工具

• 使用 PlatformIO 进行构建和烧录。
• 提供 Python 脚本 build_blocklist.py 用于将不同的拦截列表格式预处理为二进制哈希文件。

内容摘要：用于网页的动画 ASCII 艺术

本文档的主题为**“用于网页的动画 ASCII 艺术” (Animated ASCII Art for Web Pages)**。

其核心内容是一段复杂的 ASCII 艺术图形。该图形通过大量不同的字符（包括 ,, ., -, ~, :, ;, =, +, *, #, %, @ 等）进行排列组合，利用字符密度的差异来模拟视觉上的光影效果、纹理和形状。

虽然标题指明了其用途是用于网页动画，但提供的文本内容仅展示了静态的 ASCII 字符构成图，并未包含具体的动画实现代码或技术说明。

https://www.zohaib.cc/blog/smartest-claude-code-feature

研究摘要：Navier–Stokes Lost in Translation

核心议题

本文探讨了“自动形式化”（Autoformalisation）在验证数学文本（尤其是 AI 生成的证明）时存在的可靠性问题。自动形式化的过程是将自然语言（NL）编写的数学论证翻译成形式语言（如 Lean），以便通过机械化手段进行逻辑验证。

主要挑战与理论分析

文章指出，当前的自动形式化过程可能无法实现语义忠实性（semantically faithful），即翻译后的形式化语言可能无法准确反映原始自然语言论证的真实含义。其核心挑战在于：

1. 语义歧义的处理：为了实现忠实的翻译，必须解决数学自然语言文本中的歧义问题。
2. 极高的复杂度：作者从理论层面证明，解决数学自然语言中的语义歧义问题在可解性复杂度指数（Solvability Complexity Index, SCI）或算术层级（arithmetical hierarchy）中处于极高的位置（$SCI = \infty$）。这意味着，实现语义忠实的自动形式化在计算难度上超过了著名的“停机问题”（Halting problem，其 $SCI = 1$）。

实例分析

为了展示上述理论影响，作者提供了多个 AI 在将自然语言陈述和证明翻译为 Lean 时出现错误的实际案例。这些案例表明，自然语言证明与其在 Lean 中的“验证结果”之间存在逻辑不匹配。

其中，作者特别针对 OpenAI 宣布的关于 Navier-Stokes 方程解的“爆破”（blow-up）证明进行了分析。研究表明，该证明的形式化 Lean 版本实际上与原始的自然语言证明并不对应。

结论

由于自动形式化在翻译过程中难以保证语义的准确传递，因此，仅仅通过形式化语言的验证通过，并不能为原始自然语言论证的正确性提供充分的信心。

Bigwords.page 产品概述

Bigwords.page 是一款轻量级的 Web 工具，旨在将任何设备的屏幕（如手机、平板、笔记本电脑或智能电视）快速转换为全屏告示牌、计时器或信息展示界面。该工具的核心理念是“URL 即应用”，用户无需注册账号、无需安装 App，也不需要在服务器上存储任何数据。

核心功能

• 自适应布局 (Auto-fit)： 文字能够自动调整大小以填满任何尺寸的屏幕，从手机小屏到大型显示屏均可实现。
• 跨设备兼容： 支持所有主流浏览器，可在手机、平板、笔记本电脑及智能电视上运行。
• Markdown 支持： 支持基本的 Markdown 语法，包括加粗 (**)、斜体 (*)、标题 (#, ##) 以及实际的换行符。
• 幻灯片模式 (Slides)： 用户可以使用 || 分隔不同内容，通过定时器实现内容的自动轮播。
• 倒计时功能 (Countdowns)： 通过在文本中插入 {countdown} 语法，并结合 &until=（指定日期）或 &timer=（指定时长）参数，即可实现动态倒计时。
• 本地生成二维码与图像： 支持在浏览器本地生成二维码（包含 Wi-Fi 连接、链接、电话、短信和电子邮件信息）以及图像，无需调用任何第三方服务。

隐私与安全性

该工具采用“隐私优先”的设计：

• 无服务器存储： 所有显示信息都直接存储在 URL 的片段（Fragment）中。
• 数据安全： 由于 URL 片段不会被浏览器发送到服务器，因此内容完全保留在客户端，确保了极高的私密性。

应用场景

• 接机/接站： 在手机上显示全屏姓名告示牌。
• 活动展示： 在电视或大屏幕上设置活动倒计时。
• 信息传递： 在前台或服务台展示 Wi-Fi 密码或重要通知。

Penguin Mail 功能概述

Penguin Mail 是一款专为 x86_64 Linux 系统开发的开源邮件客户端，采用 Rust 语言编写，并遵循 GPL-3.0 协议。它将邮件、日历和联系人管理集成在一个快速响应的桌面应用中。

核心功能

• 多账户集成：支持 Gmail、Microsoft (Outlook.com, Hotmail, Live, Microsoft 365)、Fastmail、iCloud、Yahoo 以及任何 IMAP、POP3 和 SMTP 服务器。程序能够根据用户地址自动查找服务器设置。
• 统一收件箱与通知：用户可以在一个统一的收件箱中阅读所有账户的邮件，也可以分账户查看。应用通过系统托盘进行同步，并提供未读计数和可交互的通知。
• 日历与联系人管理：
  • 日历：支持 Google、Microsoft 及 CalDAV 协议，提供日、周、月和议程视图，并能直接通过邮件回复日程邀请。
  • 联系人：支持 Google、Microsoft 及 CardDAV 协议，并在输入收件人时提供智能建议。
• 邮件规则：支持 Gmail 过滤器、Microsoft 收件箱规则以及 Sieve 规则，并以直观的表单形式进行管理。
• 高级邮件处理：
  • 收件箱分类：提供类似于 Gmail 的分类功能（主要、更新、推广、社交）。
  • 定时发送与撤回：支持设置邮件发送时间；发送后提供短暂的“撤回（Undo）”机会。
  • 防骚扰机制：利用 Gmail 的“加号地址”功能实现“隐藏我的邮件（Hide My Email）”，用户可以为不同网站创建独立地址，并在收到垃圾邮件时通过关闭该地址来拦截。

AI 助手

Penguin Mail 提供了一个可选的 AI 助手功能：

• 本地化运行：用户可以通过 LM Studio 或 Ollama 在本地计算机上运行 AI 模型，确保数据隐私。
• 智能问答：用户可以通过快捷键（Ctrl+J）询问关于邮件的问题，例如“哪些已发送的邮件尚未收到回复？”或“促销邮件里有什么？”。
• 安全控制：AI 在执行发送邮件或更改设置的操作前，必须征得用户的同意。

隐私与安全性

• 端到端通信：应用不设自有服务器，无广告，无追踪。邮件直接通过客户端与 Google 或 Microsoft Graph 等服务商通信，确保第三方无法获取邮件内容。
• 加密支持：支持通过用户本地的 GnuPG 进行 OpenPGP 和 S/MIME 签名与加密。应用本身不会持有用户的密钥，也不会要求输入密码，从而保障了密钥的安全。

软件博客写作中的反模式总结

本文总结了初级软件博客作者常见的错误模式（反模式），旨在帮助作者通过改进写作技巧，提升读者的阅读体验和文章的影响力。

1. 冗长的开头 (The Meandering Intro)

这是最常见的错误。作者往往会花费大量篇幅描述背景故事或历史上下文，导致读者无法快速获取核心信息。

• 核心挑战：读者在阅读时会迅速判断两点：“这篇文章是否适合我？”以及“阅读它能带来什么好处？”
• 改进建议：应通过标题和前三句话直接回答这两个问题。提供的价值可以是教授新技能、解释新概念或提供独特的视角。此外，过多的前言（如冗长的个人简介、无关的引用）也会消耗读者的注意力。

2. 过度假设读者的知识储备 (“The reader knows everything I know except this one thing”)

作者常错误地认为读者拥有与自己完全相同的知识结构，从而直接使用专业术语而未作解释。

• 改进建议：应尽量减少对读者的假设。通过将新概念与读者熟悉的旧概念进行类比，或者提供简单的定义，来降低理解门槛。在写作时，可以想象一个具体的“目标读者”并对照其知识水平进行检查。

3. 过度依赖链接 (Overreliance on Links)

作者有时为了偷懒，通过链接代替对某个术语的解释。

• 问题所在：这会中断读者的阅读流。如果读者必须离开当前页面去阅读一篇长篇大论才能理解你的文章，他们很可能会放弃阅读。
• 改进建议：链接应该是**“加分项”而非“前提条件”**。作者应在文中提供最基本的解释，确保读者即使不点击任何链接，也能从头到尾理解文章内容。

4. 续作注入错误 (The Sequel Injection Bug)

许多文章以“在上一篇中我们学习了……”作为开头，默认读者已经读过前作。

• 问题所在：大多数读者并不会为了读当前文章而去翻阅之前的旧文，这会增加他们的心理负担。
• 改进建议：文章应尽可能做到独立可读。如果确实需要引用前文，请简要总结相关的关键信息，而不是要求读者去重读全文。

5. 过度正式 (Excessive Formality)

初学者常误以为必须使用严谨、刻板的文书式语言才能显得专业。

• 改进建议：软件开发领域并不需要这种高高在上的语气。像日常说话一样写作，展现个人风格和个性，往往比模仿法律文件或学术论文更能吸引读者。

6. HTML 渲染基础错误 (Fumbling on the Basics of Rendering HTML)

即使内容再好，糟糕的网页呈现也会破坏阅读体验。

• 移动端页面溢出：由于图片或代码块尺寸未适配，导致移动端用户必须左右滚动页面，这会造成极差的体验。建议在发布前使用浏览器的移动端预览模式进行检查。
• 字体难以阅读：应避免使用低对比度的颜色组合（如浅灰色背景上的深灰色文字）。建议利用浏览器的辅助功能工具检查对比度，并选择易读的字体。

加州通过 SB 1406 法案，堵塞“蒙大拿车牌漏洞”

背景 长期以来，加州富豪利用一种被称为“蒙大拿车牌漏洞”的手段来规避加州的销售与使用税（Sales and Use Tax）。由于蒙大拿州不征收车辆销售税，且对车辆检查和尾气检测（smog check）的要求较低，许多加州居民通过在蒙大拿州注册空壳公司（Shell Companies）来登记其豪车、游艇或飞机，从而逃避高额税款。

旧法律的漏洞 根据加州原有的法律，如果一家企业的半数以上权益位于加州境外，该企业则不被视为加州居民企业，从而可以利用其外州注册身份来规避车辆税。通过复杂的股权结构设计，居民可以将“加州属性”降至 50% 以下，以此合法地将车辆留在加州却使用外州车牌。

SB 1406 法案的核心变革 加州州议会通过了 SB 1406 法案（关于销售与使用税法：车辆：空壳公司），该法案已于 2026 年 9 月 30 日正式生效。新法案主要在以下三个方面堵塞了漏洞：

1. 扩大监管对象：新法案不仅涵盖公司和有限责任公司（LLC），还将合伙企业（Partnerships）、有限合伙企业（LPs）和有限责任合伙企业（LLPs）全部纳入监管范围。
2. 废除“50%测试”：这是最关键的变化。新法规定，只要空壳公司的任何一名股东、合伙人、成员或受益所有人是加州居民，该公司即被视为加州居民。这意味着只要相关人员中有一位是加州居民，其名下的所有资产（包括兰博基尼、布加迪等豪车）都必须缴纳加州税款。
3. 强化个人责任与刑事后果：法案规定，空壳公司的任何管理人员、合伙人、受益所有人或成员，必须对任何未缴纳的税款、利息及罚金承担个人法律责任。此外，未能缴纳相关税款的行为可能被视为犯罪。

总结 随着 SB 1406 法案的实施，加州通过严厉的个人责任追究机制和对“居民”定义的重新界定，彻底终结了利用外州空壳公司规避车辆税的行为。

黑客通过劫持 ccTLD 获取 Google 及其他大型服务的伪造 TLS 证书

事件概述

黑客近期通过劫持三个国家代码顶级域名（ccTLD）注册局，成功获取了包括 Google 在内的多个大型服务的伪造 TLS 证书。尽管 Chrome 浏览器已采取措施识别并拦截了受影响 ccTLD 中的可疑证书，但 Google 警告称，由于 DNS 劫持的复杂性，浏览器端的干预无法完全保证所有用户的安全，也无法保证所有受影响的域名都能被识别，尤其是对于非 Chrome 用户而言。

攻击机制

此次攻击的核心在于对 ccTLD 控制权的获取，而非直接入侵域名所有者的基础设施或证书颁发机构（CA）的违规操作。具体流程如下：

1. 劫持 ccTLD：攻击者获得了三个 ccTLD 的控制权。
2. 篡改 IP 地址：利用该控制权，攻击者更改了特定网站的 IP 地址。
3. 绕过验证：通过控制这些网站的流量，攻击者能够修改权威 DNS 记录和名称服务器授权（nameserver delegations）。这使得他们能够通过证书颁发机构在申请证书时要求的“域名控制权验证”，从而合法地获取伪造的证书。

应对措施与潜在风险

由于官方的证书吊销流程（revocation process）较为缓慢且繁琐，浏览器厂商采用了在浏览器层面直接拦截特定证书的快速方法。目前，所有已知的非法证书均已被拦截，风险已得到缓解。然而，Google 指出，任何尚未被发现的非法证书仍然构成了潜在的安全威胁。

历史背景

获取未经授权的证书并非首次发生。历史上曾发生过多次类似事件，例如：

• 2011 年 DigiNotar 事件：荷兰证书颁发机构 DigiNotar 被黑，导致攻击者为 Google.com 及其他 200 多个高流量域名签发了伪造证书，影响了至少 30 万名用户。
• 其他案例：此类事件通常由证书颁发机构的失误或域名持有者的安全漏洞引起，持续威胁着互联网的安全。

Psiphon 因《合法访问法案》计划退出加拿大

总部位于多伦多的软件公司 Psiphon 表示，如果加拿大联邦政府目前的《合法访问法案》（Bill C-22）按原样通过，该公司计划撤出加拿大。

法案核心争议

Bill C-22 要求电子服务提供商必须对其系统进行秘密修改，以便为警方及加拿大安全情报局（CSIS）提供监视和监控能力。

Psiphon 公司背景

Psiphon 最初于 2006 年作为 Citizen Lab 的一个项目诞生，随后发展为一家私人公司。该公司目前在全球拥有 2000 万月活跃用户，其软件主要用于帮助伊朗、缅甸、俄罗斯和中国等受网络审查影响的国家的用户绕过在线审查。

撤离原因与影响

Psiphon 表示，若该法案通过，公司将面临必须妥协其关键安全功能的局面，而这些功能是保护用户隐私的核心。Citizen Lab 创始人兼负责人 Ron Deibert 指出，Bill C-22 的实施将导致大量重要的隐私保护工具和应用程序无法在加拿大境内运营。

openTPU：由 AI 开发的开源 AI 推理加速器

项目概述

openTPU 是一个开源 AI 加速器项目，其设计核心在于探索 AI Agent 在硬件设计领域的潜力，并实现能够运行自身推理任务的芯片架构。该项目不仅是一个硬件设计，也是一个完整的学习平台，涵盖了从 Python 层面的矩阵乘法到底层硬件连线的全过程。

技术架构与实现

openTPU 采用模块化设计，其整个生态系统集成在一个单体仓库（monorepo）中：

• 硬件设计 (RTL)：使用 SystemVerilog 编写，运行在基于 Xilinx Kintex-7 (xc7k480t) 的 FPGA 卡上。硬件配置包括两个 DDR3 通道（峰值带宽 17.1 GB/s），并配备了序列器、DMA、矩阵单元（脉动阵列）、向量单元和量化器。该设计不设缓存（Cache），所有数据移动均通过显式指令完成。
• 指令集与模拟器 (ISA & Simulator)：拥有自定义的 ISA（每条指令 8 个 32 位字），并提供一个用 Python 编写的位一致（bit-exact）模拟器，作为设计的规范标准。
• 软件栈：包括一种内核语言及其编译器，以及用于驱动 PCIe 卡的主机软件。
• 分析工具 (Lens)：提供名为 Lens 的性能分析器，能够记录并可视化 RTL、模拟器或实际硬件的运行轨迹，展示各单元的工作状态、DRAM 等待时间及指令级流水。

核心功能与性能特性

• 量化支持：支持 4-bit 权重（采用 FP4 值及两级块缩放）和 int8 头部（LM Head），在保证精度的同时，可减少约三分之一的每 Token 字节数，并将解码速度提升 40%-45%。
• MoE 模型支持：针对超出 FPGA 显存（4 GiB）限制的大型混合专家模型（MoE），openTPU 支持通过 PCIe 从主机存储中流式传输专家权重，实现高效的专家切换。
• 模型运行表现：该设计已在 LFM、Qwen、Gemma、Phi 和 SmolLM 等多种现代模型上进行了测试。在解码过程中，其 DRAM 带宽利用率可达到峰值的 82%-94%。
• 精度验证：通过 tools/validate.py 将设备的输出（Token 和 Logits）与 Hugging Face 的 CPU 基准进行对比。测试表明，在量化误差允许的范围内，设备能实现与模拟器位一致的计算结果。

未来改进方向

• 提升带宽效率：进一步优化 LiteDRAM 路径，以获取更高的 DDR3 带宽利用率。
• 硬件优化：优化时序裕量（Timing Margin）和芯片面积。
• 加速预填充（Prefill）：通过改进矩阵单元的乘法速率，提升预填充阶段的性能。

https://www.techspot.com/news/114111-utah-become-first-state-ai-examine-patients-prescribe.html

An interactive 3D museum of art history. Zoom through more than a thousand years of periods and artists, then walk first-person galleries of their real paintings — all drawn from Wikipedia.

https://www.reuters.com/business/finance/former-german-spy-chief-detained-suspicion-espionage-treason-bild-reports-2026-10-06/

State of Devs 2026 调查报告摘要

本报告基于 2026 年 7 月至 9 月期间 5,463 名开发者的调查结果，揭示了当前软件开发行业在职业安全性、心理健康、人工智能（AI）影响以及社会公平性方面的现状。

1. 职业不确定性与经济压力

开发者正处于一个充满不确定性的时期：

• 就业安全： 近一半的受访者经历了工作不稳定和薪资不足的问题。
• 裁员经历： 25% 的受访者在其职业生涯中曾遭遇裁员，其中近 10% 在过去 9 个月内被裁。
• 职业转型： 超过四分之一的开发者预计在未来 5 年内会因为无法控制的原因而改变职业方向。

2. 心理健康与职业倦怠

本次调查首次关注开发者的心理状态，结果显示行业内的心理健康问题日益严重：

• 心理变化： 约三分之二的受访者近期感到动力下降且心态更加愤世嫉俗；约一半的人面临注意力不集中、拖延、精疲力竭以及成就感降低等问题。
• 职业倦怠（Burnout）： 62% 的开发者在职业生涯中经历过职业倦怠。数据显示，经历过倦怠的开发者通常幸福感较低，且更有可能面临持续性的生理和心理健康问题。

3. 人工智能（AI）的双刃剑效应

AI 技术在行业内的应用非常普遍，但开发者的态度呈现严重的两极分化：

• 态度分歧： 49% 的受访者对 AI 持积极态度，而 42% 持消极态度。
• 心理与认知影响： 研究指出 AI 可能导致“提示词成瘾”、削弱学习能力，以及因并行运行多个 Agent 而导致的认知过载（被称为“AI brainfry”）。近一半的受访者认为 AI 对其心理健康没有产生积极影响。
• 核心担忧： 开发者希望探讨如何安全且理性地使用 AI，并对 AI 导致的工作成就感降低、以及管理层由此产生的对生产力的不可持续期望表示担忧。

4. 持续存在的系统性问题

尽管技术在快速更迭，但行业内的歧视与不平等问题依然存在：

• 性别歧视： 女性开发者面临的歧视远高于男性，她们往往被迫通过改变行为、外貌或职业路径来适应不公平的职场文化，而非期望行业改变。
• 身份掩饰（Masking）： LGBT+ 群体以及患有 ADHD（多动症）和自闭症的开发者普遍感到必须在工作中隐藏自己的身份。这种压力增加了这些群体面临职业倦怠及其相关危害的风险。

5. 行业情绪综述

开发者对技术行业的整体情绪非常复杂。虽然行业的变化带来了疲惫、幻灭、焦虑、愤怒和不知所措的感觉，但同时也伴随着好奇、希望和兴奋。开发者正试图在动荡的行业环境中寻找工作的意义与乐趣。

密尔沃基夫妇因遭遇55次“网络狙击”获得57.5万美元赔偿

密尔沃基的一对夫妇——帕特里克·汤姆林森（Patrick Tomlinson）和尼基·罗宾逊（Niki Robinson）——在遭受两年内55次“网络狙击”（swatting）后，从密尔沃基市获得了57.5万美元的法律赔偿。

事件背景

此次骚扰的起因可追溯到汤姆林森在2018年发布的一条关于加拿大喜剧演员诺姆·麦克唐纳（Norm Macdonald）的推文。此后，他遭到了长期的在线骚扰，并最终演变为恶意的“网络狙击”行为。所谓的“网络狙击”，是指通过拨打虚假的严重犯罪电话（如劫持人质等），诱导武装警察出动并对目标进行突袭。

警方应对与争议

在长达两年的时间里，汤姆林森夫妇遭遇了频繁且危险的警察出警，有时一天甚至会发生多次。尽管夫妇俩多次向密尔沃基警察局反映情况并告知自己正遭受跟踪骚扰，但警方并未采取有效措施。

诉讼中的证据显示：

• 内部决策失误： 一名警员曾向警长提议将该住址标记为“狙击目标房”（swatter house），但请求被拒绝，理由是担心这会导致出警人员产生“麻痹心理”（complacency）。
• 违规执法： 证据表明，部分警员在未经许可的情况下进入了他们的住所，并在没有搜查令的情况下进行了搜查。
• 明知故犯： 执法记录仪画面显示，部分警员在出警时已明确意识到该住户一直处于被“狙击”的状态。

法律结果与现状

虽然美国地方法官认定多名警员在未经许可进入和搜查住所的行为中侵犯了夫妇俩的宪法权利，但由于“合格豁免权”（qualified immunity）的存在，涉案警员并未受到任何纪律处分或起诉。同时，发起“网络狙击”骚扰的嫌疑人也尚未被起诉。

密尔沃基市的这笔57.5万美元赔偿金虽为受害者提供了某种程度的补偿，但受害者律师指出，该赔偿并不代表市方承认法律责任，且密尔沃基市至今仍未针对此类事件制定详细的应对政策。汤姆林森表示，他希望通过公开此事来提高公众对这类针对非公众人物的骚扰行为的认识。

拥有15米深地下隧道房产出售，起售价30万英镑

位于雷丁泰勒赫斯特（Tilehurst）的一处房产正以 30 万英镑起售，其最引人注目的特色是拥有一个由房主亲手挖掘、深达 15 米的地下隧道网络。

地下隧道详情

这套独特的地下建筑群由土木工程师托尼·迪恩（Tony Deane）及其六名子女在 20 世纪 80 和 90 年代历时二十年手工完成。

• 规模与结构：地下空间总计超过 1,300 平方英尺，分为四个层级，包含隧道、储藏室，甚至还有一条用于运输挖掘出的白垩的手动铁路。
• 挖掘方式：整个工程完全依靠人力，仅使用水桶和手推车进行挖掘和运输。大部分隧道是在具有天然支撑性的白垩层中开凿的，部分区域也使用了手工浇筑的结构混凝土。
• 独特设施：
  • 隐藏在泳池旁一个 23 英尺高火箭模型内的秘密入口。
  • 一个重达 1.5 吨的滑动混凝土墙门。
  • 一台用于运送货物的 1 吨重升降机。

房产整体情况

该物业除了地下设施外，还包含以下配套：

• 占地 2,500 平方英尺、分为三层的车间。
• 停车场、花园、大型游泳池及更衣室。
• 设有安全门禁的私人车道。

规划许可与潜在用途

根据西伯克郡议会（West Berkshire Council）2024 年 12 月授予的规划许可：

• 可在游泳池原址建造一栋 5,000 平方英尺、五居室的两层住宅。
• 可将现有车间改建为一栋三居室住宅。

拍卖行指出，这些地下空间为买家提供了极大的想象空间，可用于安全存储、防核避难所、抗电磁脉冲（EMP）的数据中心，或是作为“生存主义者”的理想基地。

拍卖信息

该房产的指导价定为 30 万至 32.5 万英镑。BTG Eddisons Property Auctions 将于 10 月 28 日至 29 日通过在线直播拍卖的方式进行销售。

Google Playground 游戏探索内容摘要

Google Playground 是一个供用户发现并体验其他开发者创作作品的平台。该页面展示了多种类型的单人游戏，涵盖了从动作、益智到体育等不同的玩法。

以下是平台展示的主要游戏及其核心内容：

游戏分类与介绍

• 平台动作类 (Platformer)

  • Snooze Jump: 以梦境为主题的平台跳跃游戏，提供轻松的“普通模式”和高挑战性的“速通模式”。

• 街机射击类 (Arcade Shooter)

  • Polygon Pazer: 一款复古 3D 回合制坦克战斗游戏，采用 Mode-7 风格的地形纹理，支持 3v3 的战术团队战。
  • Octo Pop: 复古像素风格的街机射击游戏，玩家在生物发光的深海沟中操控章鱼进行冒险。

• 问答与益智类 (Trivia & Word Puzzle)

  • Truth Ninja: 一款融合了反应能力与知识问答的快节奏游戏，玩家的目标是保护“真理神庙”。
  • Word Cube: 一款 3D 单词拼写挑战游戏。

• 物理与益智类 (Falling Object)

  • Pitfalls: 一款基于物理引擎的摩天大楼堆叠游戏。

• 体育与冒险类 (Sports & Adventure)

  • Foosball Shootout: 一款高节奏的超休闲桌上足球射击游戏。
  • Summit Swoop: 单人滑雪模拟器，游戏包含严格的连击倍率计时机制。

PhotoCraft 项目概述

PhotoCraft 是由 ArtCraft 社区开发的一款开源图像编辑软件，旨在通过纯 Rust 语言对 Adobe Photoshop 进行“洁净室”（clean-room）方式的重新实现。该项目致力于构建一个高性能、原生且完全开放的图像处理工具。

核心功能

• 图层与编辑系统：支持图层组、剪切蒙版、像素/矢量蒙版、填充图层及调整图层。具备 27 种混合模式、不透明度控制以及智能对象（Smart Objects）功能，允许进行无损变换和应用智能滤镜。
• 高级调整功能：提供超过 16 种调整图层（如曲线、色阶、色相/饱和度、色彩查找等），所有编辑均为实时非破坏性操作。
• 工具集：
  • 笔刷引擎：支持形状动力学、散射、纹理及压力感应等高级特性。
  • 选择工具：涵盖套索、魔棒、快速选择以及基于机器本地计算的对象选择功能。
  • 矢量工具：提供分辨率无关的形状层、钢笔工具及路径操作。
  • 文本处理：支持点文本和段落文本，具备完整的字符与段落控制功能。
• 滤镜与变换：内置丰富的滤镜库（模糊、锐化、扭曲、风格化等），支持实时预览。提供缩放、旋转、倾斜、扭曲及透视等自由变换功能。
• 色彩管理：支持 RGB、CMYK、Lab 和灰度模式，位深度覆盖 8、16 和 32 位，并具备完整的 ICC 色彩管理功能。

技术特性

• 高性能架构：采用原生开发，使用 wgpu 实现 GPU 组合器（支持 Metal, Vulkan, DX12, WebGPU），利用 Copy-on-write 分块技术和多线程滤镜提升性能，避免了 Electron 等 Web 框架的开销。
• 代理就绪（Agent-ready）：采用基于命令的架构。所有的菜单项、工具和对话框均对应单一的命令注册表，这意味着用户可以通过 UI、命令行（CLI）、JSON 控制通道或 MCP 服务器来驱动引擎，便于 AI 代理和自动化脚本操作。
• 高度兼容的 PSD 支持：拥有独立的 photocraft-psd 库，能够高保真地打开、编辑和保存分层 Photoshop 文档（PSD/PSB），确保图层效果和渲染结果与 Photoshop 尽可能一致。
• 跨平台与 Web 支持：支持 macOS、Windows、Linux、FreeBSD 以及通过 WebAssembly 在浏览器中运行。

项目状态与目标

PhotoCraft 目前处于早期 Alpha 阶段。虽然已经实现了大量 Photoshop 的核心功能，但在 AI/生成式功能、部分专业工具深度、排版细节以及插件兼容性方面仍存在差距。其目标是为艺术家提供一个自由、开源且由社区驱动的创作环境，是 ArtCraft 系列创作工具（如 VectorCraft, FilmCraft 等）的重要组成部分。

论文概况：低于 $n \log n$ 的整数乘法

这份文档是 OpenAI 于 2026 年 9 月 23 日发布的预印本论文，题为 《Integer multiplication below $n \log n$》。

核心内容： 该研究属于 OpenAI Math Release 系列预印本，其主要研究方向是改进整数乘法的算法复杂度，旨在实现低于 $O(n \log n)$ 的计算效率。

基本信息：

• 作者：OpenAI
• 发布日期：2026 年 9 月 23 日
• 文献类型：数学研究预印本

Strands Decider 2B：小型开源决策模型概述

Strands Labs 推出了 Strands Decider 2B，这是一款专为快速实验、本地开发和创新而优化的 20 亿参数（2B）小型决策模型。

1. 模型定义与核心特性

Strands Decider 属于一种新型的决策模型（Decision Models），也被称为**“系统 1 模型”（System 1 models）**。其核心逻辑与传统的通用大语言模型（LLM）有显著区别：

• 功能聚焦：LLM 能够生成任意文本，而决策模型旨在从一组预定义选项中进行选择（例如：是/否、多选题）或给出简单的数值评分（例如：情感分 0 到 1）。
• 优势：
  • 速度与延迟：响应速度极快，延迟极低。
  • 确定性：始终从选定的选项中返回答案。
  • 可靠性分数：能为每个决策提供高质量的置信度评分（即该决策有多可靠），这是许多前沿 LLM API 无法直接提供的。
  • 效率：在处理针对同一提示词的多个问题时效率极高。
• 局限性：
  • 非文本生成：无法进行代码编写、聊天机器人对话或文档摘要等任务。
  • 推理能力受限：在解决复杂逻辑问题方面不如专门的推理模型。

2. 模型架构

Strands Decider 2B 的架构设计采用了“剥离与替换”的策略：

• 基座（Torso）：采用预训练的 Qwen3.5-2B 模型作为核心。
• 结构修改：移除了原有的语言模型头（LM head），从而取消了生成文本的能力。
• 指针头（Pointer Head）：引入了一个仅包含约 100 万参数的小型指针头，用于对每个选项在隐藏状态下的得分进行评估。
• 微调技术：使用 rank-16 LoRA 适配器对基座进行微调。

3. 性能表现

• 准确度与校准度：在 JevBench 公开数据集的测试中，该模型在准确率和校准度（使用 Brier 分数衡量）方面表现出色，在 2B 参数规模的模型类别中具有竞争力。
• 延迟（Latency）：
  • 在本地 Nvidia RTX 3090 上，中位决策延迟约为 115ms。
  • 在 M3 MacBook 上，小任务的中位延迟约为 153ms。
  • 延迟随任务规模（Token 数量）呈近似线性增长。

4. 应用场景

由于其低成本、高速度的特性，Strands Decider 2B 非常适合集成在智能体（Agentic）工作流中，具体场景包括：

• 模型路由与工具选择：决定将请求发送给哪个模型或调用哪个工具。
• 护栏（Guardrails）与评估：在执行操作前进行安全性或合规性检查（例如：检查工具参数是否基于用户事实）。
• 混合智能体架构：利用 LLM 处理高难度决策，利用 Decider 模型处理低难度、高频次的常规决策，从而降低成本并提升响应速度。
• 其他：内存管理、上下文管理、策略分类、游戏自动化及任务导航等。

5. 获取与使用

Strands Decider 2B 已作为开源项目发布：

• 代码仓库：可在 GitHub 上找到。
• 模型权重：托管于 Hugging Face。
• 快速上手：可以通过 Python 包 strands-decider 进行安装，并使用 CLI 工具进行交互式查询。

https://news.ycombinator.com/item?id=49982498

全球民众对社交媒体影响民主态度的研究报告

皮尤研究中心（Pew Research Center）针对全球37个国家进行的调查显示，越来越多的人认为社交媒体正在损害民主。

核心发现

• 负面看法上升：在大多数提供趋势数据的国家，认为社交媒体对民主有害的民众比例较2022年或2023年显著增加。尽管在全球37个受访国家中，认为社交媒体是“好事”的中位数为55%，而“坏事”的中位数为35%，但负面趋势日益明显。
• 经济水平与态度的相关性：
  • 高收入国家倾向于负面看法：在澳大利亚、加拿大、法国、德国、荷兰、英国和美国等高收入国家，认为社交媒体损害民主的人数比例较高。其中，美国的负面看法最为显著，64%的成年人认为其对民主有害。
  • 低收入国家倾向于正面看法：在GDP较低的国家，民众对社交媒体的态度通常较积极。例如在加纳、肯尼亚、尼日利亚、菲律宾和泰国，约四分之三或更多的人认为社交媒体对民主有益。
• 双重影响（利弊并存）：民众普遍认为社交媒体对政治和信息环境具有双重影响：
  • 积极作用：中位数显示，77%的人认为社交媒体使人们更了解时事，60%的人认为它增强了民众在政治中的话语权。
  • 消极作用：中位数显示，79%的人认为社交媒体使虚假信息和谣言更容易操纵民众，68%的人认为它加剧了政治分歧。

人口统计特征

• 年龄因素：年轻人通常比年长者更积极地看待社交媒体的影响。在英国、印度、泰国等多个国家，18-34岁人群认为社交媒体对民主有益的比例显著高于50岁以上人群。然而，在美国，即使是35岁以下的成年人，也只有44%的人持积极态度。
• 教育与平台使用：受教育程度较高以及使用多个社交平台的人，通常对社交媒体的影响持更积极的态度，但他们也往往更能察觉到其带来的负面效应。

社交媒体平台使用情况

在调查的五种社交媒体平台中，Facebook 是全球使用最广泛的（中位数69%），其次是 Instagram (51%) 和 TikTok (40%)。X（原Twitter）和 Snapchat 的使用率较低，中位数均为18%。

OpenSSH 版本发布历史摘要

这份文档记录了 OpenSSH 从 2.1.0 到 10.6 版本的主要发布信息、安全修复、功能演进及重大架构调整。

1. 安全演进与防御机制

OpenSSH 的发展史反映了密码学安全标准的不断提升：

• 弱加密算法的淘汰：
  • DSA 移除：从 8.7 版本开始逐步弃用，到 10.0 版本正式移除对 DSA 签名算法的支持。
  • RSA/SHA-1 弃用：因 SHA-1 的碰撞风险，从 8.7 版本开始弃用 ssh-rsa，转向 rsa-sha2-256/512。
  • 协议版本：SSHv1 协议在 5.4 版本默认禁用，7.6 版本完全移除。
  • 传统算法：逐步淘汰了 Blowfish、RC4、MD5 等不安全算法。
• 抗量子密码学 (PQC)：
  • 混合密钥交换：从 9.0 版本开始引入实验性混合方案，9.9/10.0 版本将 mlkem768x25519-sha256 这种混合后量子算法设为默认。
• 针对特定攻击的防御：
  • Terrapin 攻击 (9.6版本)：通过引入“严格密钥交换 (Strict KEX)”扩展来解决传输协议的完整性问题。
  • 侧信道攻击：在 10.6 版本中，禁用了 LZ77 字典编码器以缓解通过多路复用通道进行的侧信道信息泄露。
  • 用户输入校验：多次更新以防止通过用户名或 URL 进行 Shell 命令注入（如 9.6、10.3 版本）。
• 防御性增强：
  • 频率限制：引入 PerSourcePenalties（9.8 版本）来限制频繁尝试登录或导致服务器崩溃的来源 IP。
  • 特权分离与沙箱：从 3.3 版本开始默认开启特权分离，并在后续版本不断强化 Linux seccomp 沙箱。

2. 重大功能与技术里程碑

• 协议与传输：
  • SSHv2 普及：3.0 版本将 SSHv2 设为默认协议。
  • scp 转型：8.0 版本将 scp 的传输协议从传统的 scp/rcp 协议切换为更安全的 SFTP 协议。
  • 多路复用 (Multiplexing)：3.9 版本引入 ControlMaster，允许在单个 TCP 连接上运行多个会话。
• 身份验证与硬件支持：
  • FIDO/U2F 支持：8.4 版本引入了对 FIDO 硬件身份验证器的支持。
  • 智能卡/PKCS#11：长期支持 PKCS#11 令牌，并不断优化其安全性与使用体验。
  • 代理限制：8.9 版本引入了对 ssh-agent 转发和密钥使用的细粒度限制机制。
• 配置管理：
  • Match 指令：4.4 版本引入 Match 指令，允许基于主机、用户、组等条件进行差异化配置。
  • Include 指令：9.9 版本允许在配置文件中使用 Include 引入外部配置。

3. 架构调整与运维优化

• sshd 二进制拆分：10.0 版本进行了重大重构，将用户身份验证阶段的代码从 sshd-session 移动到独立的 sshd-auth 二进制文件中，从而缩小了预身份验证阶段的攻击面。
• 发布模式变化：在 10.6 版本中，由于接收到大量由 AI 模型辅助发现的安全报告，团队决定增加发布频率，以便更快地将修复程序交付给用户。
• 自动化与工具改进：
  • ssh-keygen 增加了对多种密钥格式（如 PKCS#8）和哈希算法（如 SHA256/512）的支持。
  • sftp 客户端增强了命令交互能力（如 ls 的改进和路径补全）。

4. 移植性与兼容性

OpenSSH 持续优化在不同操作系统（Linux, BSD, macOS, Solaris, AIX, Cygwin 等）上的表现，特别是在沙箱机制（seccomp）、权限管理（PAM）以及不同平台下的熵池（Entropy）收集方面进行了大量适配。

美国多位议员提议立法限制 Flock 监控摄像头的使用

鉴于 404 Media 的调查报道，美国多位来自民主党、共和党及独立人士的议员正提出多项新法案，旨在大幅限制联邦机构对 Flock 自动车牌识别器（ALPR）的使用。

主要立法提议

1. 《禁止 Flock 法案》(Ban Flock Act)

由参议员伯尼·桑德斯（Bernie Sanders）、众议员亚历山德里娅·奥卡西奥-科尔特斯（Alexandria Ocasio-Cortez）和参议员杰夫·默克利（Jeff Merkley）共同发起。该法案的核心内容包括：

• 禁止联邦使用：禁止联邦机构使用自动车牌识别器（ALPR）。
• 切断资金：禁止向使用此类摄像头的州和地方政府提供联邦资金。
• 赋予诉讼权：允许美国公民因其权利受到 ALPR 侵犯而起诉联邦政府。

立法者指出，Flock 的 AI 监控技术正在侵蚀公民隐私，使美国面临成为“监控国家”的风险。

2. 《停止 Flock 滥用法案》(Stop Flock Abuse Act)

由参议员乔希·霍利（Josh Hawley）提出，侧重于建立监管保障措施：

• 审批机制：要求每次搜索都必须经过书面批准流程。
• 数据删除：强制要求机构在 10 天内删除驾驶员数据（活跃调查案件除外）。
• 技术限制：禁止 ALPR 网络集成人脸识别技术。

立法背景与争议焦点

立法行动的主要驱动力源于 404 Media 的一系列调查报道，这些报道揭示了 Flock 技术的滥用风险：

• 移民执法：报道显示地方警察曾利用 Flock 数据进行移民和海关执法（ICE）相关的查询。虽然 Flock 在报道后调整了产品，停止了部分州的跨机构搜索，但隐私隐患依然存在。
• 监控抗议活动：执法部门利用 Flock 数据调查针对 ICE 的突袭行动以及全国范围内的“No Kings”示威活动。Flock 甚至曾在网络研讨会中教导警方如何利用其系统监控抗议者。
• 个人权利侵犯：报道指出，一名德州警员曾利用 Flock 在全国范围内搜索一名进行了自我堕胎的女性。

其他监管动态

除了上述法案，众议员格雷格·卡萨尔（Greg Casar）和肖恩特尔·布朗（Shontel Brown）也已致函 FBI 局长，质询该机构计划获取全国性 ALPR 数据访问权限的具体方案。此举旨在应对 FBI 试图购买全国范围内车牌识别数据访问权的计划。