最新

在伦敦的一家酒吧，两个星期前——我问自己，如果你将智能体放入一个拥有空白神经网络和对人类存在一无所知的世界——没有语言，没有经济，没有社会模板——它们会如何自我进化？ 它们会发展出语言吗？它们会繁殖吗？它们会作为依赖能量的系统进化吗？它们会谈论些什么？ 于是我决定成为一个神，创建了WERLD——一个开放式的人工生命模拟器，在这里，智能体们自行进化自己的神经结构。 Werld将30个智能体放置在一个图形上，使用NEAT神经网络，它们自行进化拓扑结构，拥有64个感知通道、连续的运动效应器和29个可遗传的基因特征。通信带宽、记忆衰退、攻击与合作——这些都是可以进化的。没有硬编码的行为，没有奖励函数——它们可以朝任何方向进化。 纯Python，仅使用标准库——大脑通过生存和繁殖进化，而不是反向传播。还有一个Next.js仪表板（“Werld观察站”），为你提供实时视图：种群动态、大脑复杂性、物种轨迹、叙事故事生成器、实时世界地图。 我觉得将这个做成一个开源项目会更有趣！ 迫不及待想看看它将如何进化——我会在评论区和代码库中活跃。 [https://github.com/nocodemf/werld](https://github.com/nocodemf/werld)

嗨，HN， 我是一名独立开发者，正在开发一款设定在银河系的太空即时战略游戏，游戏中包含了目前已知的恒星和系外行星及其真实特性，其余的恒星则是程序生成的。 在在线模式中，所有玩家都处于同一个宇宙中，世界是持久的。你需要与其他玩家竞争，夺回太阳系，结束你的流亡。玩家可以随时撤退到边缘地区，以恢复力量并根据需要重建舰队。 游戏还包括一个程序生成的宇宙飞船生成器，允许玩家创建自己的飞船设计。飞船的外观不会影响其属性。这样，玩家就不必因为属性更强而使用自己不喜欢的飞船。 即使玩家离线，飞船也会继续运作：生产型飞船会持续采集资源，而战斗型飞船会自动与入侵的飞船交战。为了让玩家能够有效防御大规模攻击，他们可以建造干扰器，将敌人前往他们系统的旅行速度减缓，最长可达24小时。 现在可以在浏览器中游玩： [https://stardustexile.com](https://stardustexile.com)

大多数人工智能代理在会话结束时会忘记所有内容。MemoryKit 是一个轻量级的 Python 库，可以为任何 AI 代理提供跨会话的持久记忆。 它有三个核心方法：remember()、recall() 和 compress()。可以免费在本地使用 sentence-transformers，或与 OpenAI 的嵌入模型一起使用。不需要外部数据库。 这是我在一个周末作为副项目开发的。还处于早期阶段，欢迎正在构建 AI 代理的朋友们提供反馈。

嗨，HN， 我尝试过几乎所有的 macOS 剪贴板管理器，但总是遇到两个问题：要么是笨重的 Electron 应用，使用起来感觉迟缓，要么是需要我离开键盘去寻找所需内容。 Raycast 是我大部分时间使用的工具，但它加载截图的速度很慢，并且是以搜索为主，这意味着我需要离开我喜欢的主行来滚动浏览项目。 我开发 Paster 是因为我想要一个感觉像是终端扩展的工具，并且能够即时加载复制的内容。它是用 Rust 编写的，以尽可能降低延迟，并使用本地 SQLite 数据库来保存历史记录。它完全是私密的，没有任何遥测，您的数据完全属于您自己。它会连接到其域名以验证许可证。 我做出的一些具体选择： - 导航：我将其映射到 j/k 和 / 进行搜索。如果您使用 Vim 或终端，这应该会感觉很自然。 - 隐私：我不喜欢将剪贴板同步到云端。所有内容都保留在您的机器上。 - 快速查看：我添加了一个不错的小功能，可以在更大的快速查看窗口中查看每个剪贴板项目。对于截图非常方便，并且为文本提供语法高亮。 目前这是一个付费应用，提供 7 天试用。我非常好奇社区对这种“万用 Vim”方法的看法。为了透明起见，它的构建在很大程度上得到了 AI（Gemini）的帮助，主要用于需要大量样板代码的 UI 部分。 目前它仅支持 macOS，我确实打算开发 Linux 版本，但不能保证。

嗨，HN， 我很高兴分享 CarbonLint，这是我正在开发的一个开源工具，旨在帮助开发者实时测量他们软件的实际能耗和碳排放。 虽然有很多优秀的工具可以跟踪 CPU/RAM，但在本地机器上将这些硬件指标转化为实际环境影响的可用方式却不多。 它的工作原理： - 使用 Rust 和 Tauri (v2) 构建，体积小巧。 - 监控特定进程的 CPU、内存、磁盘 I/O 和网络活动。 - 基于用户可配置的硬件配置文件（例如，Apple M 系列、Intel、AMD）计算能耗。 - 使用实时的、区域特定的电网碳强度数据将能量转化为 CO2 当量排放。 - 在 Windows (.exe/.msi)、macOS (.dmg)、Linux (.deb/.AppImage/.rpm) 和 Android (.apk) 上本地可用。 主要功能： - 全球快捷键可即时启动/停止分析会话。 - 界面在系统托盘中静默运行。 - 提供详细的会话报告，准确说明特定软件运行消耗了多少能量。 - 代码完全开源（MIT），所有操作均在您的机器上本地运行。 我非常希望听到您对架构、能量估算模型或任何功能请求的反馈。 代码库： [https://github.com/nishal21/CarbonLint](https://github.com/nishal21/CarbonLint) 网站： [https://nishal21.github.io/CarbonLint/](https://nishal21.github.io/CarbonLint/) 谢谢！

BPE（字节对编码）能够高效地对子词进行分词，但它对语义结构没有任何意识——它纯粹是在优化词汇量与序列长度之间的权衡。我阅读了LanDiff的相关研究[0]，他们训练了一种“语义分词器”，使用代码本将3D视觉特征压缩成1D离散令牌流，然后在这些语义令牌上训练语言模型（与原始视觉特征相比，压缩比约为14,000倍）。结果超越了Sora和体积是其三倍的模型。 那么，为什么我们不能对文本做类似的事情呢？学习一个离散的语义代码本，针对文本片段/短语进行推理，然后将其解码回自然语言。 是否因为以下原因： - 文本本身已经是高密度的符号表示，因此收益有限 - “语义保真度”对于一个有损的文本编码器来说太难以定义 - 扩展原始令牌的方式依然有效，因此没有人有动力去改变 - 以上原因的某种组合 我认为最近的“神经编码器”研究（Meta BLT，DeepMind 2024）在某种程度上与此相似，只是应用于原始编码器/信号数据？ [0] https://arxiv.org/pdf/2503.04606

理解科学文章可能很困难，即使是在你自己的领域。想要理解其他人的文章？祝你好运。 现在介绍一下“我明白了！”这个应用程序。 我为好奇的人们开发了这个应用。只需上传一篇文章，几分钟后你就会得到一个展示重点的互动网页。生成的页面会存储在云端，可以从画廊中查看。 “我明白了！”使用了目前最好的大型语言模型（LLMs），这意味着随着人工智能的进步，应用也会不断改进。 目前免费使用——每天限制20篇文章，以免烧钱。 我（也许你会）觉得有趣的几点： * 这纯粹是一个便利应用。我完全可以在Claude中使用保存的提示，但有时候拥有一个专注于特定领域的应用会更好。在我看来，这在认知上更容易。 * 这个应用是为我自己和各个科学领域的同事们构建的。阅读一篇详细的论文可能需要一个小时或更长时间，因此这个应用就像是一个快速通道。 * 这个应用是我用大型语言模型将科学文章转化为软件的实验场。这个领域充满了可能性。 * 应用中的一切都是代理工程的结果，例如计划、规格、任务、执行循环。我非常推崇Yegge的Beads（[https://github.com/steveyegge/beads](https://github.com/steveyegge/beads)），并且大量使用Beads Viewer（[https://news.ycombinator.com/item?id=46314423](https://news.ycombinator.com/item?id=46314423)）和Jeffrey Emanuel的Destructive Command Guard（[https://news.ycombinator.com/item?id=46835674](https://news.ycombinator.com/item?id=46835674)）。 * 我是AWS的粉丝，对Opus编写良好CFN的能力印象深刻。虽然它在分布式架构方面仍需大量指导，但比去年好得多。