2026 01 23 HackerNews

2026-01-23 Hacker News Top Stories #

作者提出通过为具体问题设立资金池与投注等经济激励来改善开源项目长期维护不可持续的问题，同时警示分配托管与滥用等现实风险。

GPTZero 在 NeurIPS 2025 接收论文中发现至少 100 处虚构或错误引用，呼吁建立更严格的自动化引用验证以维护学术诚信。

实验发现使用大型语言模型写作会降低认知参与与作品所有权感，长期依赖可能造成认知能力退化，教育中应谨慎使用 AI。

作者以 AI 结合手工修饰制作了一幅等距视角的纽约城市图，风格介于像素艺术与《模拟城市》式渲染之间但并非严格像素艺术。

Sweep 发布开源 1.5B 参数的 next-edit 自动补全模型，强调本地快速运行、基于最近编辑的上下文预测与编辑器集成能力。

2025 年欧洲风能与太阳能年度发电量首次超过化石燃料，标志着电力系统向可再生能源的重大转变，但整体能源结构仍面临挑战。

Kagi 指出谷歌对搜索索引的事实垄断限制竞争与 AI 创新，呼吁强制性、非歧视性的索引开放以保障公平访问。

Qwen3-TTS 系列开源，提供高保真语音克隆与多语言生成能力，既推动创作也带来严重的滥用与身份伪造风险。

普林斯顿等安全专家断言现有所有互联网投票系统不安全且端到端方案存在致命缺陷，因此不应用于公共选举。

Linux From Scratch 12.4 提供详细的从零构建最小化自定义 Linux 系统的指南，适合希望深度理解系统实现的用户。

如提交垃圾报告浪费我们时间，我们将封禁你并公开嘲笑你 (We will ban you and ridicule you in public if you waste our time on crap reports) #

https://curl.se/.well-known/security.txt

该网页是 curl 项目的安全报告页面，用于接收和处理与 curl 项目相关产品的安全问题报告。curl 项目不提供任何形式的经济奖励或补偿，但会对确认的安全问题给予公开致谢和认可。页面明确警告，对于提交无价值或低质量报告的行为，项目方将采取封禁并公开批评的措施。用户可通过 email（security@curl.se）或 GitHub 安全漏洞提交页面提交报告。项目遵循其官方漏洞披露政策，详情可查阅 https://curl.se/dev/vuln-disclosure.html。项目支持英文沟通，官方致谢页面为 https://curl.se/docs/security.html。该页面有效期至 2026 年 10 月 22 日，其规范地址为 https://curl.se/.well-known/security.txt。

HN 热度 874 points | 评论 569 comments | 作者：latexr | 13 hours ago #

https://news.ycombinator.com/item?id=46717556

开源软件的当前主流模式（如 GitHub 上的问题追踪、接受外部 PR、及时安全补丁等）并非开源运动的初衷，这种模式不可持续，尤其当软件被用于生产环境时，要求作者无偿提供支持是不合理的。
将个人项目开源后遭遇大量 PR、功能请求和 bug 报告，且被社区指责为不负责任，导致作者产生负面体验，最终放弃继续参与开源。
用户可以通过为特定问题或功能提供资金激励，推动开发者解决需求，形成一种基于经济激励的开源协作模式，项目管理者和测试者也可从中获得分成。
可以借鉴金融衍生品机制（如 Kalshi 合约）让社区成员对问题修复的完成时间进行投注，从而激励开发者尽快解决问题。
建议建立一个自动提醒机制，通过 GitHub 机器人展示每个问题的资金池情况，资金存入托管账户，修复成功后释放，失败则退还，但需解决滥用和验证问题。
巨头富豪应承担社会责任，通过资助开发者建立类似文艺复兴时期的赞助制度，实现多方共赢。
当前的开源项目中，缺乏真正有效的激励机制，用户往往等待问题爆发才自行修复，不愿主动出资，导致“搭便车”现象严重。
任何基于贡献的分成机制都难以量化，例如代码贡献、重构、行政管理等不同角色的贡献难以公平分配，容易被操纵。
为实现奖励机制，需要专门平台支持资金托管和支付，这类服务本身需要成本，且可能收取佣金，长期来看仍需正式组织架构支撑。

GPTZero 在 NeurIPS 2025 接收论文中发现 100 个经证实的幻觉引用 (GPTZero finds 100 new hallucinations in NeurIPS 2025 accepted papers) #

https://gptzero.me/news/neurips/

GPTZero 对 2025 年 NeurIPS 会议接受的 4841 篇论文进行了分析，发现其中至少存在 100 个经证实的“幻觉引用”（hallucinated citations），涉及 53 篇论文。这些虚假引用包括虚构的作者、不存在的论文标题、伪造的 DOI 和 URL，甚至部分引用指向完全不匹配的文献。部分论文还被标记为可能由 AI 生成或混合 AI 与人工撰写。

NeurIPS 作为全球最顶级的人工智能会议之一，2025 年接收论文数量达 21,575 篇，较 2020 年增长超过 220%。投稿量激增导致评审流程不堪重负，尽管会议多次调整评审机制，但仍难以应对由生成式 AI、论文工厂和发表压力带来的挑战。

文中列出的 100 个幻觉引用案例来自多个领域，涵盖机器人、多模态建模、语言模型不确定性量化等方向。部分引用看似合理，实则完全虚构，例如“Webvoyager”一文的作者和 arXiv 编号均不匹配；“Deep learning techniques for avatar-based interaction”等论文的 DOI 和 URL 均为伪造。

研究团队强调，发布这些结果并非针对会议组织者、领域主席或审稿人，而是揭示当前学术评审体系在面对 AI 滥用时的系统性脆弱性。尽管 NeurIPS 已有明确政策禁止幻觉引用，但现有流程无法有效识别此类问题，导致低质量甚至虚假内容得以发表并公开传播。

该研究呼吁学术界重视 AI 生成内容对科研诚信的冲击，推动建立更严格的自动检测机制与审查标准，以维护学术出版的可信度。

HN 热度 640 points | 评论 349 comments | 作者：segmenta | 8 hours ago #

https://news.ycombinator.com/item?id=46720395

使用 AI 生成学术论文中的引用错误虽小，但可能暗示论文整体存在未经充分检查的 AI 辅助痕迹，引发对研究可信度的担忧。
引用错误虽可被非领域专家轻易验证，但若仅依赖此类明显错误判断 AI 使用情况，可能低估了更隐蔽的 AI 影响。
有人认为使用 AI 撰写论文是不负责任的行为，等同于剽窃，作者应为内容真实性负责。
将 AI 工具比作计算器或维基百科，强调其应作为辅助而非替代人类思考的工具，关键在于正确使用和验证。
有人指出 AI 与传统工具不同，其输出缺乏精确性，不能简单类比为已有技术，需更谨慎对待。
个别引用错误可能源于传统工作流中的常见失误，如 BibTeX 文件错误，未必是 AI 导致。
一些人质疑 GPTZero 报告的代表性，认为其选取的案例可能被夸大以服务于商业宣传目的。
引用错误虽看似微小，但反映了学术界对引用验证流程的忽视，当前体系未能将引用视为可机器验证的结构化数据。
学术界应建立更完善的引用验证基础设施，使参考文献和评审过程可被机器识别与验证，以应对大规模论文生产的挑战。
个别严重错误（如虚构作者）虽存在，但整体来看，多数问题仍属低风险，不应过度解读为 AI 滥用的普遍证据。

你的大脑在使用 ChatGPT：在写作任务中使用 AI 助手导致认知债务积累 (Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant) #

https://www.media.mit.edu/publications/your-brain-on-chatgpt/

该网页是麻省理工学院媒体实验室发布的一项关于人工智能助手对大脑认知影响的研究论文，题为《你的大脑在使用 ChatGPT：在写作任务中使用 AI 助手导致认知债务积累》。研究由 Nataliya Kosmyna 等人主导，于 2025 年 6 月 10 日发表于 arXiv 预印本平台。

研究共招募 54 名参与者，分为三组：仅靠大脑（Brain-only）、使用搜索引擎（Search Engine）和使用大型语言模型（LLM）。每组完成三个写作任务会话，第四次会话中进行组别互换：原属“使用聊天机器人”组的参与者转为“仅靠大脑”组，原属“仅靠大脑”组的参与者转为“使用聊天机器人”组。

研究通过脑电图（EEG）测量认知负荷，结合自然语言处理（NLP）分析文章内容，并由人工教师与人工智能评分系统共同评估作文质量。结果显示：

在神经活动方面，仅靠大脑组表现出最强且最广泛的大脑连接网络；使用搜索引擎组处于中等水平；而使用 LLM 的组脑连接最弱，表明外部工具使用导致认知参与度下降。
在第四次会话中，从 LLM 转向仅靠大脑的参与者出现 α 波和 β 波连接减弱，显示其大脑未充分激活，存在“低投入”状态。
从仅靠大脑转向使用聊天机器人的参与者则表现出更高的记忆回忆能力及额顶区和枕顶区的活跃度，类似使用搜索引擎的模式。

此外，自我报告的“文章所有权感”在使用聊天机器人的组别最低，而仅靠大脑组最高。使用聊天机器人的用户也难以准确引用自己写的内容。

研究指出，尽管大模型提供即时便利，但长期依赖可能导致认知能力退化，表现为神经、语言和行为层面的持续表现下滑。研究呼吁警惕人工智能在教育中的过度使用，强调需深入探讨 AI 在学习过程中的角色与潜在风险。

相关成果获得全球多家媒体关注，包括《纽约时报》《时代周刊》《央视新闻》等，引发公众对人工智能是否削弱人类思维能力的广泛讨论。

HN 热度 621 points | 评论 449 comments | 作者：misswaterfairy | 1 day ago #

https://news.ycombinator.com/item?id=46712678

使用 AI 辅助时，过度依赖可能导致思维惰性，削弱对问题的深入理解与实际参与感，影响进入高效工作状态。
AI 应作为交互式知识库而非代码生成工具，通过解释原理并由用户自主调试，才能真正提升理解力与解决问题的能力。
真正的核心工作是解决复杂问题，而非编写代码；随着角色转变，重点应放在架构设计与领域建模上，而非具体实现。
过度依赖 AI 写代码会逐渐弱化程序员的技术能力，导致无法判断 AI 输出的质量或错误，最终可能被取代。
即使不亲自编码，也必须保持对技术细节的深刻理解，否则将沦为仅能做表面决策的“不懂技术的管理者”。
类比阅读书籍：普通人无需写作也能分辨好坏，但专业开发者需具备深度理解力，不能仅停留在“使用者”层面。
技术发展本质是不断抽象化，从汇编到高级语言、再到云服务和容器，人们并不需要掌握底层实现即可高效解决问题。
依赖 AWS、Docker 等工具与依赖 LLM 并无本质区别，都是利用成熟抽象来聚焦核心业务，关键在于是否具备应对系统失效的备选方案。
当前对 AI 的担忧类似于过去对云计算的疑虑，只要在可控范围内使用，不应过度恐慌，而应思考如何构建可持续的技术韧性。

等距视角下的纽约市巨幅像素艺术地图 (Show HN: isometric.nyc – giant isometric pixel art map of NYC) #

https://cannoneyed.com/isometric-nyc/

这是一幅以等距视角呈现的纽约市景观图，展现了城市天际线的立体美感。画面中高楼林立，建筑风格多样，从摩天大楼到历史建筑均有体现，细节丰富，光影处理细腻，呈现出真实的城市氛围。街道纵横交错，车辆与行人以等距透视方式呈现，增强了空间感与动态感。整体构图平衡，色彩以冷色调为主，突出了都市的现代感与冷静气质。该作品可能用于艺术展示、城市设计灵感或数字媒体创作，体现了等距艺术在城市景观表达中的独特魅力。

HN 热度 538 points | 评论 141 comments | 作者：cannoneyed | 7 hours ago #

https://news.ycombinator.com/item?id=46721802

这个纽约市的等距像素艺术地图非常出色，比传统卫星地图更清晰，具有恰到好处的复杂度和卡通色彩，让人对城市布局有了更深入的理解。
虽然项目被称作“像素艺术”，但实际并非传统意义上的像素艺术，AI 生成痕迹明显，缺乏像素艺术应有的细节和一致性。
项目风格更接近《模拟城市》但又不完全相同，其视觉效果更像是经过 AI 处理的 SketchUp 渲染图，使用了 Photoshop 的克隆和修补工具进行修饰。
作者承认项目并非真正的像素艺术，选择“像素艺术”这一标签是出于美学和情感表达的考虑，而非严格的技术定义。
AI 生成的艺术作品在风格上难以完全忠实于特定艺术形式，尤其是像素艺术，需要大量精细调整才能达到理想效果。
有人建议使用类似“复古扩散”（retro Diffusion）的技术来生成更真实的像素艺术风格，以增强视觉真实感。
项目的核心意义在于探索 AI 技术的边界，而非严格遵循某种艺术风格，其价值在于推动创意和技术的融合。
有人质疑 AI 生成内容是否真正具有创造性，认为“点击按钮生成图像”只是简单的选择，而非真正的创作过程。
电子音乐制作中的“拖拽小方块”是创作的核心，不能简单等同于枯燥的重复劳动，AI 无法替代创作者的决策和艺术表达。
创作的本质在于在媒介中进行抵抗和表达，而过度依赖 AI 可能削弱这种创造性抵抗，使艺术变得廉价或无聊。

Sweep：面向下一步编辑自动补全的开源 1.5B 参数模型 (Show HN: Sweep, Open-weights 1.5B model for next-edit autocomplete) #

https://huggingface.co/sweepai/sweep-next-edit-1.5B

Sweep Next-Edit 1.5B 是一个基于 Qwen2.5-Coder 的 1.5B 参数代码补全模型，采用 Q8_0 量化格式的 GGUF 格式，可在本地设备上快速运行，推理时间低于 500ms（支持推测解码）。该模型专注于预测用户下一步代码编辑，性能超越多个参数量超过其四倍的模型，在相关基准测试中表现优异。

模型支持最长 8192 个 token 的上下文长度，适用于复杂代码场景。通过特定的提示格式（包含文件上下文、最近修改差异和当前代码状态）进行推理，可精准预测下一次代码修改。

用户可通过下载 run_model.py 脚本和模型文件，使用 llama-cpp-python 和 huggingface_hub 库本地运行模型。项目提供完整的使用示例和部署说明。

该模型开源，采用 Apache 2.0 许可证，已支持 JetBrains 插件，并有社区讨论在 HN 和 Twitter 上活跃。模型文件大小为 1.54 GB，适合在本地笔记本电脑上运行，无需依赖云端服务。

HN 热度 507 points | 评论 112 comments | 作者：williamzeng0 | 1 day ago #

https://news.ycombinator.com/item?id=46713106

该开源模型在本地运行性能优秀，准确率高于更大模型，适合用于隐私保护的代码补全。
有开发者已成功将该模型集成到 Neovim 插件中，提升了编辑效率。
该模型有望被移植到 Emacs 或与其他工具（如 gptel、minuet.el）结合使用。
与传统自动补全不同，该模型基于最近编辑内容进行上下文预测，显著提升实用性。
小模型在特定任务上表现优于大模型，说明专用模型的价值被低估。
该模型的提示格式设计（原始/更新块）比统一差异格式更有效，尤其适合小模型理解。
开源权重和本地运行能力让开发者能构建私密、高效的编辑器补全工具。
JetBrains 在 AI 自动补全方面表现落后，该模型填补了其空白，可能替代 Copilot 订阅。
代码维护者更依赖 AI 生成代码，而新代码编写者更受益于自动补全，两者需求不同。
有人认为自动补全反而干扰工作流，不适用于所有开发者。
有人认为 AI 生成代码质量不稳定，需要人工干预，且容易生成冗余代码。
本地小模型在特定任务上优于大模型，应更受重视，避免盲目追求大模型。
在 Emacs 中使用 LLM 时，需手动启用并控制上下文输入，现有工具配置体验不佳。
该模型的训练结合了监督微调与强化学习，有效解决了语法错误和冗余输出问题。

2025 年，欧洲风能与太阳能发电量首次超过化石燃料 (In Europe, wind and solar overtake fossil fuels) #

https://e360.yale.edu/digest/europe-wind-solar-fossil-fuels

2025 年，欧洲联盟（E.U.）的风能和太阳能发电量首次超过化石燃料，成为电力供应的主要来源。根据伦敦智库 Ember 的分析，风能和太阳能合计贡献了欧盟总发电量的 30%，而化石燃料占比为 29%。包括水电在内的可再生能源则提供了接近一半的电力。

太阳能发电增长迅猛，已在所有欧盟国家实现扩张，而煤炭发电则持续衰退。在匈牙利、塞浦路斯、希腊、西班牙和荷兰等国，太阳能单独供电已超过总电力的 20%。在 19 个欧洲国家，煤炭发电占比已低于 5%。2025 年，爱尔兰和芬兰相继关闭了最后一座燃煤电厂，标志着两国彻底退出煤炭时代。

然而，气候变化带来的干旱问题影响了水力发电，导致欧盟水电产量略有下降，部分缺口由天然气发电填补。Ember 分析师贝阿特丽斯·佩特罗维奇指出，欧盟应尽快减少对昂贵且依赖进口的天然气的依赖，因为这不仅增加能源安全风险，也推高电价。

与此同时，欧洲部分地区已出现廉价电池储能系统逐步替代天然气发电的趋势，尤其是在傍晚用电高峰时段，太阳能发电减弱时。这一趋势有望进一步降低对天然气的需求，稳定电力价格。

HN 热度 447 points | 评论 481 comments | 作者：speckx | 9 hours ago #

https://news.ycombinator.com/item?id=46719491

本次风能和太阳能在欧洲电力生产中超过化石燃料的成就真实可信，与以往常有的“但”不同，此次是基于全年实际发电量，而非仅某一天或新增装机容量。
尽管如此，仍需注意这仅指电力领域，而电力仅占欧洲总能源消耗的约 22%，因此可再生能源在整体能源结构中的占比仍较低。
从能源效率角度看，许多化石燃料的使用极为低效，例如燃油汽车仅约 30% 的能量用于驱动，而电力系统效率可达 70% 以上，因此电气化能显著提升能源利用效率。
通过电气化实现供热（如热泵）和交通（如电动车），虽然这些领域占全球能源消耗的近 80%，但因效率提升，所需新增的风能和太阳能规模远低于直接替代化石燃料的估算。
热泵在温和气候下可实现 3 倍以上的能效提升，但在极端寒冷条件下效率会下降，因此实际应用中难以普遍达到 5 倍的效率优势。
在工业和建筑领域，通过热电联产等技术回收余热，可将天然气发电效率大幅提高，甚至接近 100% 综合效率，尤其适用于区域供暖系统。
虽然部分观点担忧可再生能源缺乏储能支持可能导致电网不稳，但实际案例表明，如伊比利亚半岛停电事件并非由可再生能源引起，而是由于无功功率调度不当所致。
储能并非唯一解决方案，可通过扩大电网互联、灵活调节的调峰电厂（如氢燃料机组）以及合理规划来降低对大规模储能的依赖。
俄乌冲突导致天然气价格飙升和供应紧张，加速了欧洲向可再生能源转型的步伐，凸显能源安全与独立的重要性。
过去一些能源专家曾以“现实”为由反对加快可再生能源部署，如今看来其言论存在误导性，延误了能源转型进程。

等待黎明的追寻：搜索索引、谷歌裁决及其对 Kagi 的影响 (Waiting for dawn in search: Search index, Google rulings and impact on Kagi) #

https://blog.kagi.com/waiting-dawn-search

谷歌几乎垄断了全球搜索市场，2025 年全球市场份额达 90.06%，美国市场也高达 85%。这一垄断地位不仅影响搜索本身，更深刻影响了人工智能的发展，因为当前大语言模型的准确性高度依赖于高质量的网络索引。若仅由一家公司控制索引，将限制 AI 创新的边界，并决定谁能参与其中。

2024 年 8 月 5 日，美国法院裁定谷歌在通用搜索服务中构成垄断，其通过独家协议维持市场支配地位。2025 年 9 月，美国司法部提出补救措施，要求谷歌开放搜索索引数据、允许“合格竞争者”以公平合理条件获取服务，禁止将广告捆绑作为访问前提，并强制提供查询级搜索结果分发。

Kagi 作为一家坚持无广告、用户导向的搜索服务，曾尝试与谷歌和微软达成直接授权协议，但均未成功。微软限制结果排序与融合，且在 2025 年 5 月终止了搜索 API 服务；谷歌则不提供公开 API，仅允许广告捆绑模式，与 Kagi 的商业模式相悖。

目前，Kagi 依赖第三方 API 提供商获取搜索结果，尽管这些服务也服务于 Nvidia、DeepMind、联合国等大型机构，但这并非长期可行方案。Kagi 强调，真正的解决方案是让谷歌在公平、合理、非歧视（FRAND）条件下开放索引访问。

尽管法律判决已明确方向，但执行仍面临挑战。2025 年 12 月，谷歌起诉 SerpApi，指控其大规模抓取搜索结果，显示出其试图封锁外部获取数据的路径。这表明，法律裁决能否落地，取决于后续的执法力度与监管决心。

结论：搜索索引已成为数字时代的关键基础设施。只有实现开放、公平的访问，才能保障信息自由、推动 AI 创新，并维护民主社会中公众获取真相的能力。

HN 热度 446 points | 评论 239 comments | 作者：josephwegner | 1 day ago #

https://news.ycombinator.com/item?id=46708678

建立可比的搜索索引极其困难，因为谷歌在早期爬取网络时并未遵守 robots.txt 规范，如今却利用其垄断地位强制执行这些规则，形成不公平优势。
robots.txt 在谷歌成立前就已存在并被司法实践认可，谷歌并非在无规则环境下建立索引，其说法存在争议。
谷歌早期通过大规模爬取积累数据，如今却以 robots.txt 为壁垒限制竞争对手，属于“爬完墙后把梯子抽走”的垄断行为。
现代网站普遍通过 IP 检测等方式阻止非谷歌爬虫，使得新进入者难以构建自己的索引，技术门槛极高。
即便有像 Common Crawl 这样的公共数据源，也难以完全替代谷歌的实时、高质量索引，且数据更新和处理成本巨大。
建立索引的成本极高，微软投入上千亿美元多年仍无法撼动谷歌的市场地位，说明单靠技术或资本难以突破现有格局。
谷歌的垄断地位不仅体现在搜索，还延伸至安卓、浏览器、地图等生态，打破其索引垄断将带来广泛用户体验革新。
微软虽拥有 Bing 索引，但其 API 使用限制严格，且已逐步转向 AI 服务，不支持第三方自由整合，难以成为替代方案。
若有公司能提供一个开放、免费、实时更新的全球索引，即便只降低谷歌的市场份额 10%，也将极大增强市场博弈能力。
国家或州级司法部门可依据现有法律推动反垄断执行，但目前缺乏实际执法行动，导致谷歌持续滥用市场支配地位。
竞争对手无需向谷歌透露自身爬虫计划，可秘密构建索引并上线，无需公开“爬梯子”的过程。
一些评论指出，谷歌的索引优势并非仅来自技术，更源于其长期积累的用户习惯和生态绑定，改变这一格局极为困难。

Qwen3-TTS 系列现已开源：语音设计、克隆与生成 (Qwen3-TTS family is now open sourced: Voice design, clone, and generation) #

https://qwen.ai/blog?id=qwen3tts-0115

Qwen3-TTS 是由 Qwen 团队开发的一系列强大语音生成能力，现已开源。该系统全面支持语音克隆、语音设计、高质量人类语音生成以及基于自然语言的语音控制，为开发者和用户提供最广泛的语音生成功能。Qwen3-TTS 采用了创新的 Qwen3-TTS-Tokenizer-12Hz 多代码本语音编码器，实现了语音信号的高效压缩和稳健表示，不仅完整保留了副语言信息和声学环境特征，还通过轻量级的非 DiT 架构实现了高速、高保真语音重构。

Qwen3-TTS 的双轨建模实现了极端双向流生成速度，只需处理一个字符即可交付第一个音频数据包。该系列模型共提供两种尺寸：1.7B 和 0.6B。1.7B 模型在性能和控制能力上表现最佳，而 0.6B 模型则在性能与效率之间实现了理想平衡。它支持 10 种主流语言（包括中文、英文、日文、韩文、德文、法文、俄文、葡萄牙文、西班牙文和意大利文）及其各种方言，以满足全球应用需求。

Qwen3-TTS 的主要特点包括：

** 强大的语音表示能力 **：通过自开发的 Qwen3-TTS-Tokenizer-12Hz，达成了高效的声学压缩和高维度的语义建模。
** 通用的端到端架构 **：利用离散多代码本的语言模型架构，完全绕过传统 LM+DiT 方案中的信息瓶颈和级联错误。
** 极低延迟的流生成 **：创新的双轨混合流生成架构，使得一个模型同时支持流和非流生成。
** 智能文本理解与语音控制 **：支持通过自然语言指令驱动语音生成，灵活控制音色、情感和韵律等多维声学属性。

在性能评估方面，Qwen3-TTS 在语音克隆、语音设计和控制等多个维度上达到了行业领先水平。在语音设计任务中，其在遵循指令的能力和生成表现上超越了许多闭源模型。在语音控制任务中，平均词错误率（WER）为 2.34%。在语音克隆任务中，Qwen3-TTS-VoiceClone 在语音稳定性方面表现优异，尤其在中英文克隆上。

Qwen3-TTS 还通过丰富的示例展示了其在个性化语音生成方面的能力。用户可以通过自然语言描述生成定制的声音身份，支持多种语音特征的控制。开源代码和相关 API 也可在 GitHub 上获得，为开发者提供了便捷的接入方式。

HN 热度 429 points | 评论 129 comments | 作者：Palmik | 10 hours ago #

https://news.ycombinator.com/item?id=46719229

语音克隆技术已可轻松实现，通过 Hugging Face 的演示工具，用户只需录制一段语音即可生成自己的声音克隆，技术门槛极低。
该技术令人恐惧，标志着人类已跨越真实与虚假的界限，未来所有屏幕后的信息都可能为 AI 伪造，需谨慎对待。
语音克隆可能被用于诈骗，例如冒充亲人索要钱财，且伪造内容难以被法律证明为虚假，导致“合理怀疑”成为常态。
为防范此类风险，可借鉴军事中的 IFF（识别敌我）机制，家庭成员间建立专属暗语或行为模式作为身份验证方式。
该技术并非全新，早已有类似工具（如 Chatterbox）实现语音克隆，且诈骗者早已利用此技术实施真实案件。
语音克隆技术的普及加剧了社会信任危机，尤其对老年人等群体构成严重威胁，可能造成重大经济损失。
开源模型的发布虽带来透明度，但大公司掌握的闭源版本更危险，其背后掌握权力者的历史行为令人担忧。
尽管存在滥用风险，但该技术也带来巨大积极价值，如游戏、影视、音乐创作中实现个性化表达，降低创作门槛。
该技术可能冲击传统艺术行业，使插画、配音、音乐制作等职业面临失业风险，艺术创作的经济价值被压缩。
历史上每次技术革新都曾引发类似焦虑，如录音技术冲击现场演出，但社会最终适应并发展出新生态。
未来需建立可信的媒体溯源机制，如 C2PA 标准，通过数字签名追踪内容来源，提升信息可信度。
NFT 或 Web3 可能成为内容真实性的解决方案，但难以区分“人类创作”与“人类用 AI 创作”的本质差异。

互联网投票存在严重安全隐患，不应用于公共选举 (Internet voting is insecure and should not be used in public elections) #

https://blog.citp.princeton.edu/2026/01/16/internet-voting-is-insecure-and-should-not-be-used-in-public-elections/

互联网投票存在严重安全隐患，不应用于公共选举。该观点由 21 位计算机安全领域的专家联合签署，明确指出目前所有互联网投票系统均无法保证安全，且不存在已知或可预见的技术能解决这一问题。

所有互联网投票系统都面临三大核心风险：

投票设备（如手机或电脑）可能感染恶意软件，篡改用户实际选择的投票内容；
服务器端可能被黑客入侵，篡改投票数据；
县级选举办公室的计算机也可能被攻击，影响投票结果。

与传统纸质选票相比，互联网投票的威胁更为严重，因为一个攻击者可远程大规模篡改选票，而传统方式难以实现如此高效的操控。

尽管“端到端可验证互联网投票”（E2E-VIV）系统被提出以增强安全性，但其本身也存在致命缺陷：

验证程序依赖用户设备，若设备被恶意软件感染，验证结果可能被伪造；
系统需“无收据”设计以防止买票，但这一机制对普通用户极不友好，难以理解；
验证程序必须独立于投票程序，但多数人不会额外执行验证步骤，导致验证形同虚设；
即使有人发现系统作弊，也无法向选举官员提供有效证据，缺乏“争议解决机制”，无法采取纠正措施。

近期 Bradley Tusk 的 Mobile Voting Foundation 推出的“VoteSecure”系统，虽宣称是“可验证移动投票”的里程碑，但其开发者自身承认：

不具备“无收据”特性，可能被用于大规模买票；
未定义争议解决协议，该问题目前无解；
无法防止用户设备上的恶意软件破坏投票与验证过程；
仅是一个“密码学核心”，尚未形成完整可用的投票系统。

结论：所有已部署的互联网投票系统均不安全，VoteSecure 也未解决根本问题，且不具备实际应用条件。目前没有任何技术能确保互联网投票的安全性，推广此类系统是误导且危险的。

HN 热度 426 points | 评论 479 comments | 作者：WaitWaitWha | 23 hours ago #

https://news.ycombinator.com/item?id=46713924

纸质投票在澳大利亚运行良好，具有高社区接受度，尽管成本随选民数量增加而上升，但其可靠性与安全性已得到验证。
通过邮寄方式投票使用笔和纸填写小圆圈，由光电计票机处理，同时保留可人工核对的纸质记录，经济且难以大规模篡改。
与互联网投票相比，纸质投票更安全，因为其过程透明、可审计，且有独立监督机制，结果通常在次日公布。
纸质投票虽存在被胁迫的风险，但通过在投票站内独立投票可有效防止此类问题，而邮寄投票则更容易受到家庭成员或雇主的控制。
在某些地区，允许选民在选举日当天亲自前往投票站重新投票，以应对邮寄选票被胁迫的情况。
为防止重复投票，某些系统允许选民多次投票，仅以最后一次投票为准，从而降低胁迫风险。
有人质疑邮寄投票的安全性，认为可能存在代填选票、伪造签名或非法收集选票等问题，但实际大规模舞弊极为困难。
选举过程中的大量人工核查、签名验证、法律监督和重新计票机制，使得邮寄投票的舞弊行为难以成功。
现实中缺乏大规模邮寄投票舞弊的证据，但存在对线下投票的限制，可能造成选民压制。
应当通过提供充分的投票时间、便利的投票地点和有效的身份验证，使线下投票与邮寄投票具有同等可及性。

Linux From Scratch 12.4 版本手册（2025 年 9 月 1 日发布） (Linux from Scratch) #

https://www.linuxfromscratch.org/lfs/view/stable/

Linux From Scratch（LFS）是一份详细的指南，指导用户从零开始构建一个完全自定义的 Linux 系统。该版本为 12.4，发布于 2025 年 9 月 1 日，由 Gerard Beekmans 创建，Bruce Dubbs 担任主编。

本书适用于希望深入了解 Linux 系统内部工作原理的用户，目标是构建一个基于特定架构的最小化、可启动的 Linux 系统。LFS 强调对系统组件的完全控制，不依赖于现有发行版的包管理器。

全书分为五个主要部分：

第一部分为引言，介绍如何构建 LFS 系统，说明本版与前一版本相比的新特性，提供资源和帮助渠道。

第二部分准备阶段，详细说明主机系统要求、创建新分区、格式化文件系统、设置环境变量（如 $LFS）以及创建 LFS 用户。同时介绍 SBUs（Standard Build Units）概念，用于估算构建时间，并说明测试套件的使用方法。

第三部分为构建交叉工具链和临时工具，是整个过程的核心。包括编译第一阶段的 Binutils、GCC、Linux 内核头文件、Glibc 和 Libstdc++；随后进行第二阶段交叉编译，构建如 M4、Ncurses、Bash、Coreutils 等基础工具。最后进入 chroot 环境，继续构建 Gettext、Bison、Perl、Python、Texinfo 等工具，并清理临时系统。

第四部分为构建完整的 LFS 系统，从安装基本软件包开始，包括 man-pages、iana-etc、zlib、bzip2、xz、lz4、zstd、file、readline、bc、flex、tcl、expect、dejagnu、pkgconf、gmp、mpfr、mpc、attr、acl、libcap、libxcrypt、shadow、gcc、ncurses、sed、psmisc、gettext、bison、grep、bash、libtool、gdbm、gperf、expat、inetutils、less、perl、xml-parser、intltool、autoconf、automake、openssl、libelf、libffi、python、flit-core、packaging、wheel、setuptools、ninja、meson、kmod、coreutils、diffutils、gawk、findutils、groff、grub、gzip、iproute2、kbd、libpipeline、make、patch、tar、texinfo、vim、jinja2、markupsafe、udev、man-db、procps-ng、e2fsprogs、sysklogd、sysvinit 等。还包含关于调试符号处理、二进制文件剥离和系统清理的说明。

第五部分为系统配置与启动设置，包括安装 LFS-Bootscripts，配置设备和模块管理，设置网络、系统启动脚本、系统区域设置、输入配置文件（/etc/inputrc）和 shell 列表（/etc/shells）。随后介绍如何创建 /etc/fstab 文件，安装 Linux 内核 6.16.1，并使用 GRUB 配置启动流程。

最后，本书提供重启系统、验证安装、后续使用建议以及附录内容，包括术语表、致谢、依赖关系、启动脚本、udev 规则和许可证信息。

该手册适合有 Linux 基础的用户，目标是通过亲手构建系统，深入理解 Linux 的组成与运行机制。

HN 热度 400 points | 评论 103 comments | 作者：Alupis | 1 day ago #

https://news.ycombinator.com/item?id=46709727

Linux 从零开始构建是深入理解 Linux 系统运行机制的最佳方式，能彻底消除操作系统实现中的“神秘感”。
1999 年完成 LFS 的经历对学习系统底层知识非常有价值，尽管当时文档不够详细，依赖关系需自行追踪，但这种挑战性锻炼了问题解决能力。
现在的 LFS 已提供支持 systemd 和 Wayland 的现代版本，以及自动化构建工具 ALFS，适合在虚拟机中进行，但建议使用真实硬件以获得更完整的体验。
虽然现代 LFS 文档已解释编译选项和包设计原理，但手动输入命令、不依赖脚本能带来更强的专注力和学习效果。
使用版本控制（如 Git）记录构建过程可有效应对错误，避免重复劳动，是值得推荐的实践方法。
通过 LFS 构建系统能极大提升对系统配置、服务管理、图形环境等底层机制的理解，尤其在使用传统 init 系统时效果更明显。
Wayland 和 systemd 虽然功能强大，但 LFS 的真正价值在于根据个人需求定制系统，而非追求复杂性。
现代 LFS 构建需要处理更多项目，如 LLVM、CMake、Meson 等，编译时间较长，但整体流程依然可行。
LFS 不仅适合学习，也适合用于教学，是理解 Linux 发行版本质的绝佳途径。
信息获取的便利性（如 AI 助手）虽改变了学习方式，但 LFS 所要求的深度实践和动手能力仍不可替代。
构建 LFS 是激发对计算机技术兴趣的起点，体现了计算机系统可访问、可修改的本质。

Hacker News 精彩评论及翻译 #

We will ban you and ridicule you in public if you … #

https://news.ycombinator.com/item?id=46718190

Indian here (~15+ years in tech). I’ve seen this behavior a lot, and unfortunately, I did some of this myself earlier in my career.

Based on my own experience, here are a few reasons (could be a lot more):

Unlike most developed countries, in India (and many other develping countries), people in authority are expected to be respected unconditinally(almost). Questioning a manager, teacher, or senior is often seen as disrespect or incompetence. So, instead of asking for clarification, many people just “do something” and hope it is acceptable. You can think of this as a lighter version of Japanese office culture, but not limited to office… it’s kind of everywhere in society.
Our education system mainly rewards results, not how good or well-thought-out the results are. Sure, better answers get more marks, but the gap between “okay” and “excellent” is usually not emphasized much. This comes from scale problems (huge number of students), very low median income (~$2400/year), and poorly trained teachers, especially outside big cities. Many teachers themselves memorize answers and expect matching output from students. This is slowly improving, but the damage is already there.
Pay in India is still severely (serioualy low, with 12-14+ hour work days, even more than 996 culture of China) low for most people, and the job market is extremely competitive. For many students and juniors, having a long list of “projects”, PRs, or known names on their resume most often the only way to stand out. Quantity often wins over quality. With LLMs, this problem just got amplified.

Advice: If you want better results from Indian engineers(or designers or anyone else really), especially juniors (speaking as of now, things might change in near future), try to reduce the “authority” gap early on. Make it clear you are approachable and that asking questions is expected. For the first few weeks, work closely with them in the style you want them to follow.. they usually adapt very fast once they feel safe to do so.

freakynit

一位在印度工作了15多年科技行业的从业者。我曾见过很多这种行为，不幸的是，我职业生涯早期也曾这样做过。

根据我自己的经验，以下是几个原因（可能还有很多）：

与大多数发达国家不同，在印度（以及许多其他发展中国家），权威人士被期望得到无条件的尊重（几乎是）。质疑经理、老师或资深员工通常被视为不敬或无能。因此，许多人宁愿“做点什么”，也不愿要求澄清，希望能交出一份可接受的答卷。你可以将其看作是日本职场文化的温和版，但又不局限于职场……它在社会上无处不在。
我们的教育体系主要奖励结果，而非结果的好坏或思考的周全度。诚然，更好的答案会获得更高的分数，但“尚可”与“优秀”之间的差距通常没有被强调。这源于规模问题（学生数量巨大）、极低的中位收入（约每年2400美元）以及 poorly trained teachers（培训不足的教师），尤其是在大城市之外。许多教师自己死记硬背答案，并期望学生给出相同的答案。这种情况正在慢慢改善，但伤害已经造成。
对大多数人来说，印度的薪水仍然非常低（原文此处有拼写错误），且每天要工作12到14个小时，甚至比中国的“996”文化更甚。就业市场竞争异常激烈。对于许多学生和初级员工来说，简历上拥有一长串“项目”、PR（拉取请求）或知名公司的名字，往往是脱颖而出的唯一途径。数量往往胜过质量。随着大型语言模型的出现，这个问题被进一步放大了。

建议：如果您希望从印度工程师（或设计师，或任何其他人）那里获得更好的成果，特别是初级员工（就目前而言，情况可能会在不远的将来改变），请尽早减少“权威”差距。要明确表示你平易近人，并且鼓励提问。在最初的几周里，按照您希望他们遵循的风格与他们密切合作……一旦他们感到安全，他们通常会适应得非常快。

We will ban you and ridicule you in public if you … #

https://news.ycombinator.com/item?id=46717706

I’ve been helping a bit with OWASP documentation lately and there’s been a surge of Indian students eagerly opening nonsensical issues and PRs and all of the communication and code is clearly 100% LLMs. They’ll even talk back and forth with each other. It’s a huge headache for the maintainers.

I suggested following what Ghostty does where everything starts as discussions - only maintainers create issues, and PRs can only come from issues. It seems like this would deter these sorts of lazy efforts.

nchmy

最近我稍微帮了点 OWASP 文档的忙，结果发现印度学生突然开始大量提交各种毫无意义的问题和拉取请求，所有的沟通和代码都明显是100%由大语言模型生成的。他们甚至会互相来回对话。这对维护者来说真是个巨大的头疼问题。

我建议 Ghostty 的做法，即所有内容都以“讨论”形式开始——只有维护者才能创建问题，而拉取请求也只能从问题中发起。这似乎能有效阻止这种懒惰的行为。

We will ban you and ridicule you in public if you … #

https://news.ycombinator.com/item?id=46717860

Indian students

Is this cultural? I ran a small business some years ago (later failed) and was paying for contract work to various people. At the I perceived the pattern that Indian contractors would never ever ask for clarifications, would never say they didn’t know something, would never say they didn’t understand something, etc. Instead they just ran with whatever they happened to have in their mind, until I called them out. And if they did something poorly and I didn’t call them out they’d never do back as far as I can tell and wonder “did I get it right? Could I have done better?”. I don’t get this attitude - at my day job I sometimes “run with it” but I periodically check with my manager to make sure “hey this is what you wanted right?”. There’s little downside to this.

Your comment reminded me of my experience, in the sense that they’re both a sort of “fake it till you make it”.

causalscience

印度学生

这是一种文化现象吗？几年前我经营过一家小生意（后来倒闭了），当时我向不同的人支付合同费用来聘请外包人员。我注意到一种现象：印度承包商似乎从不寻求澄清，从不承认自己不知道某些事，也从不表示不理解。相反，他们只是一味地凭自己脑子里所想的东西去做，直到我指出问题。而且，如果他们做得不好，而我又没有指出来，据我所知，他们似乎永远不会回头改进，也不会去想“我做对了吗？我能做得更好吗？”。我不理解这种态度——在我的日常工作中，有时我也会“先做起来”，但我会定期向经理确认“嘿，这是您想要的对吧？”这样做的坏处很小。

你的评论让我想起了我的经历，因为两者都带有一点“装腔作势直到成功”的感觉。

Claude’s new constitution #

https://news.ycombinator.com/item?id=46712803

objective truth

moral absolutes I wish you much luck on linking those two.

A well written book on such a topic would likely make you rich indeed.

This rejects any fixed, universal moral standards That’s probably because we have yet to discover any universal moral standards.

spicyusername

客观真理道德绝对值祝你将这两者联系起来能有好运气。

一本关于此类主题的书写得好，很可能会让你变得非常富有。

这摒弃了任何固定、普世的道德标准那可能是因为我们尚未发现任何普世的道德标准。

Your brain on ChatGPT: Accumulation of cognitive d… #

https://news.ycombinator.com/item?id=46716528

This seems to confirm my feeling when using AI too much. It’s easy to get started, but I can feel my brain engaging less with the problem than I’m used to. It can form a barrier to real understanding, and keeps me out of my flow.

I recently worked on something very complex I don’t think I would have been able to tackle as quickly without AI; a hierarchical graph layout algorithm based on the Sugiyama framework, using Brandes-Köpf for node positioning. I had no prior experience with it (and I went in clearly underestimating how complex it was), and AI was a tremendous help in getting a basic understanding of the algorithm, its many steps and sub-algorithms, the subtle interactions and unspoken assumptions in it. But letting it write the actual code was a mistake. That’s what kept me from understanding the intricacies, from truly engaging with the problem, which led me to keep relying on the AI to fix issues, but at that point the AI clearly also had no real idea what it was doing, and just made things worse.

So instead of letting the AI see the real code, I switched from the Copilot IDE plugin to the standalone Copilot 365 app, where it could explain the principles behind every step, and I would debug and fix the code and develop actual understanding of what was going on. And I finally got back into that coding flow again.

So don’t let the AI take over your actual job, but use it as an interactive encyclopedia. That works much better for this kind of complex problem.

mcv

这似乎证实了我过度使用AI时的感受。AI很容易上手，但我能感觉到，我投入在问题上的脑力比我习惯的要少。它会阻碍真正的理解，并让我进入不了心流状态。

最近我处理了一个非常复杂的任务，如果没有AI，我不相信自己能那么快搞定它——一个基于Sugiyama框架的层次图布局算法，并使用Brandes-Köpf进行节点定位。我对此毫无经验（而且一开始就严重低估了它的复杂度），AI在帮助我初步理解算法、它的众多步骤与子算法，以及其中那些微妙的影响和未言明的假设方面，给了我巨大的帮助。但让AI直接编写实际的代码是个错误。正是这一点让我无法理解其错综复杂之处，无法真正投身于问题，导致我不得不持续依赖AI来修复问题，但到了那个地步，AI显然也不知道自己在做什么，只是让情况变得更糟。

于是，我没有再让AI直接接触我的真实代码，而是从Copilot的IDE插件切换到了独立的Copilot 365应用。在这个应用里，AI可以解释每一步背后的原理，而我则负责调试和修复代码，并逐步理解到底发生了什么。最终，我重新找回了那种编程的心流状态。

所以，不要让AI取代你的实际工作，而是把它当作一个互动式的百科全书来使用。对于处理这类复杂问题，这种方法要好得多。

GPTZero finds 100 new hallucinations in NeurIPS 20… #

https://news.ycombinator.com/item?id=46720609

Yuck, this is going to really harm scientific research.

There is already a problem with papers falsifying data/samples/etc, LLMs being able to put out plausible papers is just going to make it worse.

On the bright side, maybe this will get the scientific community and science journalists to finally take reproducibility more seriously. I’d love to see future reporting that instead of saying “Research finds amazing chemical x which does y” you see “Researcher reproduces amazing results for chemical x which does y. First discovered by z”.

cogman10

恶心，这真的会损害科学研究。

伪造数据/样本等的问题已经存在，而大型语言模型能够产出看似合理的论文，只会让情况雪上加霜。

往好了说，这或许能让科学界和科学记者们最终更加严肃地对待可重复性问题。我很乐意看到未来的报道不再说“研究发现能做某事的神奇化学物质X”，而是说“研究人员成功复现了化学物质X的神奇效果，它确实能做某事。该物质最早由Z发现”。

Show HN: ChartGPU – WebGPU-powered charting librar… #

https://news.ycombinator.com/item?id=46709415

uPlot maintainer here. this looks interesting, i’ll do a deeper dive soon :)

some notes from a very brief look at the 1M demo:

sampling has a risk of eliminating important peaks, uPlot does not do it, so for apples-to-apples perf comparison you have to turn that off. see https://github.com/leeoniya/uPlot/pull/1025 for more details on the drawbacks of LTTB
when doing nothing / idle, there is significant cpu being used, while canvas-based solutions will use zero cpu when the chart is not actively being updated (with new data or scale limits). i think this can probably be resolved in the WebGPU case with some additional code that pauses the updates.
creating multiple charts on the same page with GL (e.g. dashboard) has historically been limited by the fact that Chrome is capped at 16 active GL contexts that can be acquired simultaneously. Plotly finally worked around this by using https://github.com/greggman/virtual-webgl

data: [[0, 1], [1, 3], [2, 2]]

this data format, unfortunately, necessitates the allocation of millions of tiny arrays. i would suggest switching to a columnar data layout.

uPlot has a 2M datapoint demo here, if interested: https://leeoniya.github.io/uPlot/bench/uPlot-10M.html

leeoniya

uPlot 的维护者在这里。这个看起来很有趣，我很快会深入了解一下 :)

关于 1M 演示的几点初步笔记：

采样有消除重要峰值的风险，而 uPlot 不会这样做，因此要进行公平的性能比较，您必须关闭此功能。有关 LTTB 缺点的更多细节，请参见 https://github.com/leeoniya/uPlot/pull/1025
在空闲/不进行任何操作时，仍有显著的 CPU 占用，而基于 canvas 的解决方案在图表未主动更新（新数据或缩放限制）时 CPU 占用为零。我认为这或许可以通过添加一些暂停更新的额外代码在 WebGPU 场景下得到解决。
在同一页面上使用 GL 创建多个图表（例如在仪表盘中）时，长期以来一直受到 Chrome 最多只能同时获取 16 个活动 GL 上下文的限制。Plotly 最终通过使用 https://github.com/greggman/virtual-webgl 解决了这个问题。

data: [[0, 1], [1, 3], [2, 2]]

不幸的是，这种数据格式需要分配数百万个微小的数组。我建议切换到列式数据布局。

如果您感兴趣，uPlot 在这里有一个 2M 数据点的演示：https://leeoniya.github.io/uPlot/bench/uPlot-10M.html

Claude’s new constitution #

https://news.ycombinator.com/item?id=46711490

The only thing that worries me is this snippet in the blog post:

This constitution is written for our mainline, general-access Claude models. We have some models built for specialized uses that don’t fully fit this constitution; as we continue to develop products for specialized use cases, we will continue to evaluate how to best ensure our models meet the core objectives outlined in this constitution.

Which, when I read, I can’t shake a little voice in my head saying “this sentence means that various government agencies are using unshackled versions of the model without all those pesky moral constraints.” I hope I’m wrong.

levocardia

唯一让我担忧的是博客文章中的这段话：

本宪法是为我们的主流、通用访问的Claude模型而制定的。我们有一些为特殊用途构建的模型，不完全符合此宪法；随着我们继续为特殊用例开发产品，我们将继续评估如何最好地确保我们的模型符合本宪法中概述的核心目标。

每当我读到这段话时，我脑海里就有一个小声音挥之不去，它在说“这句话意味着，各个政府机构正在使用那些没有任何烦人道德限制的、无束缚的模型版本。”我希望我是错的。

Tell HN: Bending Spoons laid off almost everybody … #

https://news.ycombinator.com/item?id=46709448

I am surprised so many people don’t understand the business model of Bending Spoons or are bewildered by it.

In conventional infrastructure and product development you need engineering staff to build the product; once the product is built you need very little engineering. If you build a house you don’t keep the builders on payroll once it’s built to keep “building” it - you may need maintenance staff but that’s it - if you need to keep the full team of builders around then something is wrong and you may want to seek a refund for the original builders’ fees since they did not actually finish building it.

Builders and electricians and tradesmen either work as contractors and take that into account (charging higher rates to compensate for the sporadic nature of the work) or work full-time for companies who then resell their services on building projects (charging accordingly to ensure there is enough revenue to pay a full-time payroll of said tradesmen).

Tech was an outlier in this case because ZIRP allowed companies to retain full engineering teams to keep “engineering” the product even once product-market-fit has been achieved and the product has been stabilized and finished. This gave a lot of engineers the illusion that perpetual “engineering” of a single product/service is a sustainable model and career.

Bending Spoons’ business model is to buy finished products, cut off the deadweight and keep operating the product and actually making profit off the finished product, which was always a normal thing in every other industry.

For tech people that see themselves as builders, this should be normal and expected - they should charge competitive rates for their services taking into account the expectation that they’re building something for someone else to make money off once it’s built and that they won’t be part of it once that’s done (unless they want to negotiate an actual stake in the company). For tech people that don’t, this is a difficult wake up call, but the earlier the better - the old situation was never sustainable to begin with.

Nextgrid

我很惊讶有这么多人不理解Bending Spoons的商业模式，或者对此感到困惑。

在传统的基础设施和产品开发中，你需要工程师团队来构建产品；一旦产品建成，你只需要很少的工程资源。如果你建造了一座房子，房子建成后你不会把建筑工人留在工资单上继续“建造”它——你可能需要维护人员，但仅此而已——如果你需要把整个建筑团队都保留下来，那就有问题了，你可能想要追讨原始建筑工人的费用，因为他们实际上并没有完成建造工作。

建筑工人、电工和技术人员要么作为承包商工作，并考虑到这一点（收取更高的费率来补偿工作的间歇性），要么全职为工作，然后这些公司再将他们的服务转包到建筑项目中（并相应地收费，以确保有足够的收入来支付这些技术人员的全职薪资）。

科技行业是个例外，因为零利率政策允许公司在实现产品与市场契合、产品稳定并完成后，仍然保留完整的工程团队来继续对产品进行“工程化”。这让许多工程师产生了一种错觉，即对单一产品/服务进行永无止境的“工程化”是一种可持续的商业模式和职业。

Bending Spoons的商业模式是收购已完成的产品，裁减掉冗余人员，继续运营该产品并真正地从成品中获利，这在所有其他行业中一直是很正常的事情。

对于那些视自己为构建者的科技从业者来说，这应该是正常且可预见的——他们应该为服务收取具有竞争力的费率，并考虑到他们是为别人建造产品，一旦建成别人就会用它来赚钱，而届时他们将不再参与其中（除非他们想谈判获得公司的实际股份）。对于那些不这样认为的科技从业者来说，这是一个艰难的警醒，但越早越好，因为旧的局面从一开始就不可持续。

Significant US farm losses persist, despite federa… #

https://news.ycombinator.com/item?id=46715137

Of all the guns that rural Americans love, the humble foot-gun is the most beloved.

Someone else can argue the morality, ethics, economics, and politics of it all, but VERY simply, US Federal Government Agencies are machines for redistributing wealth from cities to rural areas.

Rural America voted quite heavily to stop those subsidies. That’s what efficiency means.

Maturity means suspending judgement and listening to people you disagree with, but I feel that’s very out of style these days.

csours

在所有美国乡村人民喜爱的枪支中，那朴实无华的“脚踩式”枪支是他们最钟爱的。

其他人可以就此事的道德、伦理、经济和政治进行辩论，但非常简单地说，美国联邦政府机构就是一台将财富从城市重新分配到乡村的机器。

美国乡村地区曾以高票投票反对那些补贴。这就是效率的含义。

成熟意味着暂缓评判，并倾听那些与你意见相左的人，但我感觉这如今已经非常不合时宜了。

Qwen3-TTS family is now open sourced: Voice design… #

https://news.ycombinator.com/item?id=46721415

They were just waiting for someone in the comments to ask!

mortsnort

他们就是在等评论区里有人这么问！

eBay explicitly bans AI “buy for me” agents in use… #

https://news.ycombinator.com/item?id=46718266

This ban isn’t about ‘fairness’ or bot protection; it’s about protecting the Impression Funnel.

Marketplaces like eBay are designed to monetize ‘Wandering Attention’—sponsored listings, ‘customers also bought’, and sidebar ads.

An AI Agent represents ‘Laser Focused Attention’. It executes a transaction with zero wandering. It effectively turns the marketplace into a commoditized backend database / dumb pipe.

From a Growth/Unit Economics perspective, an AI Agent is a nightmare customer. It has zero probability of impulse buying and generates zero ad revenue. They are banning them to save their business model, not their inventory.

MarginalGainz

这次禁令并非关乎‘公平性’或机器人保护，而是为了保护‘印象漏斗’。

eBay这类市场平台旨在将‘漫游式注意力’变现，比如推广 listings、‘顾客还购买了’以及侧边栏广告。

而 AI Agent 代表的是‘激光聚焦式注意力’。它执行交易时毫无漫游，实际上是把市场平台变成了一个商品化的后端数据库/‘傻瓜式管道’。

从增长/单位经济学的角度来看，AI Agent 是个噩梦般的客户。它完全没有冲动购买的可能，也零广告收入。他们禁用 AI 是为了挽救自己的商业模式，而不是库存。

In Europe, wind and solar overtake fossil fuels #

https://news.ycombinator.com/item?id=46720675

Solar prices in the US are criminal, protecting oil and gas who bought all the politicians.

Canada here. 7.6kw on our roof for $0 out of pocket thanks to $5k grant and $8k interest free loan.

It makes 7.72Mwh per year, worth $1000. Tight valley, tons of snow. We put that on the loan for 8 years, then get $1000 per year free money for 20 years or so. Biggest no brainer of all time.

Dad in Victoria Australia just got 10.6kw fully installed and operational for $4000 AUD. ($2,700 USD)

Australia has so much electricity during the day they’re talking about making I free for everyone in the middle of the day.

https://www.abc.net.au/news/2025-11-03/energy-retailers-offer-free-power-three-hours-dmo/105965472#:~:text=The%20Solar%20Sharer%20scheme%20is%20a%20federal,power%20is%20being%20fed%20into%20the%20grid

testing22321

美国的太阳能价格简直是一种罪恶，这背后是石油和天然气行业收买了所有政客。

我在加拿大。我们屋顶上的7.6千瓦系统，得益于5000美元的补贴和8000美元的无息贷款，一分钱没花。

它每年能产生7720千瓦时的电力，价值1000美元。我们住在一个狭窄的山谷里，还经常下大雪。我们把这笔贷款分8年还清，然后就能在未来大约20年里每年白白赚1000美元。这是有史以来最明智的投资了。

我爸爸在澳大利亚维多利亚州，刚刚花4000澳元（合2700美元）就安装并启用了一个10.6千瓦的系统。

澳大利亚白天的电力多得惊人，他们甚至正在考虑在中午时段向所有人免费供电。

We will ban you and ridicule you in public if you … #

https://news.ycombinator.com/item?id=46718693

I’ve seen an interesting behavior in India. If I ask someone on the street for directions, they will always give me an answer, even if they don’t know. If they don’t know, they’ll make something up.

This was strange. I asked a lot of Indian people about it and they said that it has to do with “saving face”. Saying “I don’t know” is a disgraceful thing. So if someone does not know the answer, they make something up instead.

Have you seen this?

This behavior appears in software projects as well. It’s difficult to work like this.

koliber

我在印度观察到一种有趣的现象。如果我在街上问人路，他们总会给我一个答案，即使他们自己也不知道。如果他们不知道，他们就会随口编造一个。

这让我感到很奇怪。我问了很多印度人，他们说这跟“面子”有关。说“我不知道”是一件丢脸的事。所以如果有人不知道答案，他们就会选择编造。

你们见过这种情况吗？

这种行为也出现在软件项目中。这样工作非常困难。

Significant US farm losses persist, despite federa… #

https://news.ycombinator.com/item?id=46716459

Much of this is an antitrust problem.

The inputs to farming, especially seeds, fertilizer and machinery, are controlled by monopolies and near-monopolies. There have been too many mergers.

On the sell side, there’s monopsony or near-monopsony, with very few big buyers.[1] Farmers are caught in the middle, with little pricing power on either side.

There’s not much question about this. There are antitrust cases, but with weak penalties and weak enforcement.

[1] https://equitablegrowth.org/competitive-edge-big-ags-monopsony-problem-how-market-dominance-harms-u-s-workers-and-consumers/

Animats

这在很大程度上是一个反垄断问题。

农业投入品，尤其是种子、肥料和机械，被垄断或近乎垄断的公司所控制。行业内的合并已经太多了。

在销售端，则存在买方垄断或近乎买方垄断的现象，因为少数几家大型买家掌握了市场主导权。[1] 农民被夹在中间，在定价方面几乎没有话语权。

这一点几乎没有争议。虽然存在反垄断诉讼，但处罚力度和执行力度都很弱。

[1] https://equitablegrowth.org/competitive-edge-big-ags-monopsony-problem-how-market-dominance-harms-u-s-workers-and-consumers/

GPTZero finds 100 new hallucinations in NeurIPS 20… #

https://news.ycombinator.com/item?id=46723555

I spot-checked one of the flagged papers (from Google, co-authored by a colleague of mine)

The paper was https://openreview.net/forum?id=0ZnXGzLcOg and the problem flagged was “Two authors are omitted and one (Kyle Richardson) is added. This paper was published at ICLR 2024.” I.e., for one cited paper, the author list was off and the venue was wrong. And this citation was mentioned in the background section of the paper, and not fundamental to the validity of the paper. So the citation was not fabricated, but it was incorrectly attributed (perhaps via use of an AI autocomplete).

I think there are some egregious papers in their dataset, and this error does make me pause to wonder how much of the rest of the paper used AI assistance. That said, the “single error” papers in the dataset seem similar to the one I checked: relatively harmless and minor errors (which would be immediately caught by a DOI checker), and so I have to assume some of these were included in the dataset mainly to amplify the author’s product pitch. It succeeded.

j2kun

我抽查了其中一篇被标记的论文（来自谷歌，由我的一位同事合著）。

该论文是 https://openreview.net/forum?id=0ZnXGzLcOg，被指出的问题是“遗漏了两位作者，增加了一位（Kyle Richardson）。这篇论文发表于 ICLR 2024。” 也就是说，对于一篇被引用的论文，作者名单有误，发表地点也不对。并且，这个引用出现在论文的背景介绍部分，对于论文的有效性并非至关重要。因此，这个引用并非捏造，而是归属错误（可能是通过 AI 自动补全功能导致的）。

我认为他们的数据集中存在一些严重问题的论文，而这个错误确实让我不禁怀疑，论文中其余部分在多大程度上使用了 AI 协助。话虽如此，数据集中的“单一错误”论文似乎和我检查的那篇类似：都是相对无害且次要的错误（这些错误通过 DOI 检查器就能立刻发现），因此我不得不假设，其中一些被纳入数据集主要是为了放大作者对其产品的宣传。这一目的确实达到了。

Internet voting is insecure and should not be used… #

https://news.ycombinator.com/item?id=46714012

The most important feature of public elections is trust. Efficiency is one of the least important feature.

When we moved away from paper voting with public oversight of counting to electronic voting we significantly deteriorated trust, we made it significantly easier for a hostile government to fake votes, all for marginal improvements in efficiency which don’t actually matter.

Moving to internet voting will further deteriorate the election process, and could move us to a place where we completely lose control and trust of the election process.

We should move back to paper voting.

gpt5

公共选举最重要的特征是信任，而效率是最不重要的特征之一。

当我们从公开监督计票的纸质投票转向电子投票时，我们严重损害了信任，让敌对政府伪造选票变得容易得多，所有这些只是为了在效率上获得一些无足轻重的提升。

转向互联网投票将进一步恶化选举进程，并可能让我们走向一个完全失去对选举进程控制和信任的境地。

我们应该回归纸质投票。

Spotify won court order against Anna’s Archive, ta… #

https://news.ycombinator.com/item?id=46712452

But you can’t even download the allegedly infringing material from the .org site. You can just read about it? So they’re abusing the All Writs Act to take down a site that they think is related to some undetermined future nebulously bad thing for their business. If I wasn’t on Anna’s side before, I sure am now.

akersten

但你甚至无法从那个.org网站上下载所谓的侵权材料。你只能看到关于它的描述？所以，他们是在滥用《所有令状法案》来关掉一个他们认为与某些模糊不清、未来可能对其业务造成损害的事情相关的网站。如果说我之前还站在安娜那边，那现在我绝对是她的坚定支持者了。

Claude’s new constitution #

https://news.ycombinator.com/item?id=46710567

You’re absolutely right!

staticshock

你说得太对了！

Skip is now free and open source #

https://news.ycombinator.com/item?id=46712375

The plain truth is that developers expect to get their tools free of charge.

This is an accurate, but damning indictment of how some of the most highly paid workers on the planet won’t pay for tools. Unlike nearly every other profession.

Folks, if you can afford it, please pay for quality software, instead of relying on FAANG and VC money to keep the tools going!

nsm

残酷的真相是，开发者们期望免费获得他们的工具。

这是一个精准但又极具批判性的结论：地球上收入最高的一些人群，却不愿为工具付费，这与其他几乎所有行业都截然不同。

伙计们，如果你有能力负担，请为优质软件付费，而不是依赖FAANG（美国五大科技公司）和风险投资的钱来维持这些工具的运营！