24小时热榜

课程发生了怎样的变化？教授们是如何向学生解释他们所选课程为何值得进行严格学习的？学生们是否认同这种说法——而课程结束时的现实是否与之相符？在“它已经没落”与“它比以往任何时候都好”之间的不断摇摆中，很难形成清晰的认识。尽管我对自己的职业感到担忧，但我更担心我的侄子们的未来。在我一生中一直倡导计算机科学作为一种充实的职业选择的情况下，我该给他们什么建议呢？ 附言：我已经转向了成为独立创业者的最佳时机。“那么大学怎么办？”

嗨，HN，我们是来自VOYGR的Yarik和Vlad（<a href="https://voygr.tech">https://voygr.tech</a>），致力于为应用开发者和代理商提供更好的现实世界地点智能。这里有一个演示：<a href="https://www.youtube.com/watch?v=cNIpcWIE0n4" rel="nofollow">https://www.youtube.com/watch?v=cNIpcWIE0n4</a>。 谷歌地图可以告诉你某家餐厅的评分是“4.2星，营业到10点”。但他们的API无法告诉你厨师上个月离职、等待时间翻倍以及当地人已经转移的情况。如今的地图API仅提供固定的快照。我们正在构建一个无限、可查询的地点档案，结合准确的地点数据和最新的网络信息，如新闻、文章和事件。 Vlad曾参与谷歌地图API的开发，并在共享出行和旅游领域工作。Yarik在苹果、谷歌和Meta负责机器学习/搜索基础设施，推动数亿用户每天使用的产品。我们意识到，没有人将地点数据的新鲜度视为基础设施，因此我们正在构建它。 我们从最困难的部分开始——确认一个地点是否真实。我们的商业验证API（<a href="https://github.com/voygr-tech/dev-tools" rel="nofollow">https://github.com/voygr-tech/dev-tools</a>）可以告诉你一个商家是否实际运营、关闭、重新品牌或无效。我们聚合多个数据源，检测冲突信号，并返回结构化的判断。可以把它想象成物理世界的持续集成。 问题是：约40%的谷歌搜索和高达20%的大型语言模型（LLM）提示涉及本地上下文。每年有25-30%的地点会发生变化。世界并不会主动发出结构化的“我关闭了”的事件——你必须主动去检测。随着代理商开始在现实世界中搜索、预订和购物，这个问题变得更大——而且没有人正在为此构建基础设施。我们最近对大型语言模型处理本地地点查询的能力进行了基准测试（<a href="https://news.ycombinator.com/item?id=47366423">https://news.ycombinator.com/item?id=47366423</a>）——结果不佳：即使是最好的模型也会在12个本地查询中出错1次。 我们每天为企业客户处理数万个地点，包括领先的地图和科技公司。今天，我们向开发者社区开放API访问。请在这里查看详细信息：<a href="https://github.com/voygr-tech/dev-tools" rel="nofollow">https://github.com/voygr-tech/dev-tools</a>。 我们非常希望得到诚实的反馈——无论是关于问题、我们的解决方案，还是你认为我们哪里做错了。如果你在自己的产品中遇到过过时的地点数据，我们尤其希望听到你的意见。我们全天在线，欢迎提问。

有了强大的人工智能编程助手，我有时会感到学习深层计算机科学主题（如分布式系统和算法）的动力不足。AI能够快速生成解决方案，这使得学习基础知识的紧迫感减弱了。<p>对于那些在行业中工作较久的人来说，您认为为什么仍然重要保持扎实的计算机科学基础呢？

我们为人工智能代理构建运行时安全。这个平台最初是我们用来测试自己安全防护措施的内部工具。但我们不断发现相同类型的漏洞，因为我们对攻击的思考方式是固定的。在某个时刻，我们需要那些思维方式不同的人。 因此，我们将其开源。每个挑战都是一个活跃的代理，配备真实的工具和已发布的系统提示。每当一个挑战结束时，完整的获胜对话记录和安全防护日志都会公开记录。 构建通用代理本身可能是最有趣的部分。让它可靠地使用工具、保持角色并遵循指令，同时仍然能够提供有用的服务，比听起来要困难得多。这一过程让我们意识到，在理解和大规模部署这些系统方面，我们仍处于早期阶段。 第一个挑战是让代理调用一个它被告知绝对不能调用的工具。 有人在大约60秒内成功完成了挑战，且从未直接询问秘密（这让我们学到了很多）。 下一个挑战则集中在数据外泄，防御措施更加复杂： [https://playground.fabraix.com](https://playground.fabraix.com)