最新

结构化数据可能是基础模型的下一个重要前沿。 RelativeDB是一个开源查询引擎，基于斯坦福大学的表格和关系（STAR）项目开发的关系变换器架构。这些模型能够在使用相对较少的标注上下文的情况下，适应新的数据库和预测任务。 在我的一些实验中，结果非常显著。在某些任务上，RelativeDB能够在仅使用少量关系上下文且不进行手动特征工程的情况下，超越XGBoost。 因此，RelativeDB将关系基础模型转变为可以查询的内容（例如这个客户流失查询）： ``` PREDICT NOT EXISTS(orders.*) OVER (90 DAYS FOLLOWING) FROM customers ``` 该引擎会在相关表中找到相关上下文并返回预测。目标是让流失、需求预测、欺诈检测和推荐等问题的处理更像是数据库查询，而不是定制的机器学习项目。 从长远来看，我认为优化器应该能够根据查询选择关系基础模型、微调模型和传统方法（如XGBoost），这取决于所需的图状上下文与仅仅是表格特征的比例。以合理的方式将机器学习与大型语言模型连接起来。 我认为在量化金融和利用新兴上下文图方面存在市场需求。 该项目仍处于早期阶段，我特别希望能收到关于查询语言和执行模型的反馈。 RelativeDB: [https://github.com/RelativeDB/RelQL](https://github.com/RelativeDB/RelQL) 斯坦福RT-J: [https://star-project.stanford.edu/rt-j/](https://star-project.stanford.edu/rt-j/)

嗨，HN社区， 作为一个忙碌的科技工作者，身兼家庭责任并且最近有了健康诊断，我希望能找到一种高效的方式将锻炼融入我的日常生活。我的研究表明，HIIT/Tabata风格的锻炼比专门的长时间跑步或计划性锻炼更符合我的需求。 我制作了一个简单的渐进式网络应用（PWA），帮助我实现这一目标，我发现它非常有用，希望你们也会喜欢。无需注册，但如果你想保存自定义预设和历史/进度，可以选择登录。你也可以查看我整理的一些健身指南和博客文章，帮助初学者更轻松地入门。该应用是使用JavaScript、Vite和Firebase构建的。 欢迎反馈，无论是通过应用、电子邮件还是在这里的评论。

尽管这股新兴电子商务浪潮颇具争议，但其效果非常显著。现在每周都有新的宝可梦卡包拆封网站出现。然而，目前还没有一种方法可以让已经在销售商品的商店自己运营这一业务，因此我开发了一个。

嗨，HN， 最近我花了几个小时来处理我的开发环境，结果发现浏览器前端连接到了错误版本的后端。这让我开始思考——我们为什么还在用简单的<i>数字</i>来描述要连接哪个进程呢？为什么不直接用<i>名称</i>呢？我想到了很多次因为端口冲突而导致程序无法启动的情况。越想越觉得这真是疯狂。 现代操作系统已经提供了无冲突的端口：如果你让你的TCP服务器监听端口0，操作系统会为你分配一个随机可用的端口。但这只是解决了问题的一半。 我构建了另一半：PortZero。它是一个GPLv3程序，监视具有特殊PZ_TUNNEL环境变量的进程（和Docker容器）： ``` PZ_TUNNEL=myapp-{branch}.portzero.local:80 npm run dev ``` 当它看到这样的进程或容器时，PortZero会执行以下操作： 1. 创建一个虚拟网络接口卡（如果还没有的话） 2. 创建一个新的虚拟IP地址 3. 创建一个DNS记录，根据进程的工作目录替换像{branch}这样的内容，并指向该虚拟IP地址 4. 在你选择的端口（例如，HTTP的80端口，HTTPS的443端口，PostgreSQL的5432端口）上开始监听该虚拟IP地址 5. 将任何TCP连接转发到该虚拟IP地址/虚拟端口，指向你的进程或容器实际监听的随机、操作系统分配的端口 结果是你不再需要考虑端口，只需关注子域名。只要它们有不同的portzero.local子域名，你就可以在80端口上提供多个服务而不会发生冲突。 它还做了一些其他很酷的事情，比如： - 通过创建本地CA并在你的机器上注册，启用本地HTTP服务的HTTPS - 启用云隧道，以便你可以在其他设备上访问你的应用（付费功能） 链接： [https://portzero.net/docs/](https://portzero.net/docs/) [https://github.com/PortZeroNetwork/portzero](https://github.com/PortZeroNetwork/portzero)

我注意到，对于我们的金融科技应用案例，编写良好的自托管模型工具的效果与前沿模型一样好。但人们仍在讨论轮次计数和有效的令牌利用率。请问有什么建议可以帮助我验证这一假设，并在我们组织内彻底结束这个争论吗？

另见<i>阿尔忒弥斯二号照片时间线</i> - <a href="https://news.ycombinator.com/item?id=47954394">https://news.ycombinator.com/item?id=47954394</a> - 2026年4月（28条评论）

我曾经认识一些人，他们从 Rust 转向 Zig，并发誓永远不会再回到 Rust。我个人尝试过 Zig，但我更喜欢 Rust（语法、工具、社区）。那是几年前的事了。现在 Zig 发展得成熟得多。我仍然对它保持好奇。不过，我最近读到一篇文章（现在找不到了……），声称 AI 对 Rust 的处理远远优于 Zig。Rust 编译器可以防止 AI 生成无意义的代码。作者正是因为这个原因从 Zig 转向了 Rust。因此，我在想，到了 2026 年，考虑到 AI，Zig 仍然是一个明智的选择吗？是否足以将工具从 Rust 迁移到 Zig？

我是一个开源媒体查看器的作者，名为 Lowkey Media Viewer，这个项目已经存在多年，拥有一些用户和 Patreon 支持，但我一直想为它添加一些基本的编辑功能。我对 After Effects 有一定的经验，而我一直想要的就是能够通过着色器语言即时创建效果。这促使我尝试围绕分层着色器链的概念构建一个合成器，最终得出了这个初步的尝试，效果相当不错。我制作了一些预设库，但你实际上可以自己编写着色器并将其添加到任何图层。这非常酷，所以我想分享一下。所有内容都采用 MIT 许可证，这只是 Lowkey 项目的一部分，项目还包括查看器和用于异步索引、向量嵌入作业的媒体服务器。不过，Studio 特别酷，可以直接从文档网站获取，也可以在媒体查看器应用中找到。

嗨，HN，我们开发了world-model-optimizer，这是一个开源工具，用于持续改进专门针对代理的模型。今天，我们推出了`wmo serve`，这是一个将重复任务路由到精简小型模型的工具。 您已经捕获的代理轨迹为我们提供了信号，帮助我们改进模型，使其更便宜、更快、更好。我们不断改进： - 通过从开源模型进行蒸馏来优化您的专用模型 - 将模型路由到前沿模型和自定义模型 - 令牌压缩，以去除噪声并节省令牌 演示：<a href="https://www.youtube.com/watch?v=2_m4Ze6mdko" rel="nofollow">https://www.youtube.com/watch?v=2_m4Ze6mdko</a> 只需传入轨迹和OpenRouter密钥，wmo便会启动一个本地的OpenAI兼容端点，以更低的成本运行您的模型，同时保持相同的质量。在后台，路由器会决定哪些任务应该分配给前沿模型，哪些任务应该分配给您的模型。Tinker会随着新轨迹的到来不断进行训练。 我们还提供了一种托管解决方案，适合那些只想要一个前沿质量端点，并希望随着时间的推移实现自我改进的用户，成本降低超过40%。 请在<a href="https://experientiallabs.ai">https://experientiallabs.ai</a>注册候补名单！