The Hacker Daily

文章梳理动态内存分配器的设计演进，核心观点是多线程程序频繁调用 malloc/free 会把堆变成串行瓶颈，尤其在网络包处理等高频路径上应尽量避免分配，改用对象复用、环形缓冲或内核侧 skbuff 回收等方式。正文按前端与后端划分，回顾从链表空闲块、bucket 尺寸类、线程本地缓冲、hazard pointer，到 jemalloc 所称「arena」的多池设计；后端则涵盖 buddy、BIPOP、分布式队列等回收与降 RSS 技术。文章意在说明现代分配器的性能差异来自并发争用、NUMA/局部性和碎片管理，并给出选择分配器的比较框架，但正文更像资料索引与历史年表，实测数据和具体结论较少。

小米公开了 Mimo 2.6 的 live post-training 看板，展示强化学习后训练进度、成本、基准分数和样本构成等信息。评论认为这在高度保密的前沿模型竞争中罕见，尤其代码数据占比高、DeepSWE 分数快速上升，使 Mimo 被视为接近前沿的编码模型；不少用户称 2.5 已能胜任日常开发。争议集中在两点：训练中反复跑基准是否造成验证集过拟合或污染，以及看板数据是否真实，有人指出刷新回退、重启与图表不一致等可疑现象。也有人认为这可能是回应蒸馏质疑或中国开放模型政策的展示。

文章从家庭照片险些丢失的经历出发，说明备份不是把文件复制到另一块盘这么简单。真正可靠的方案要考虑单点故障、误删和勒索软件，因此需要可回溯的快照，而非 RAID 镜像；还要定义「RPO」、轮换保留策略、增量与去重，以节省存储和带宽。复杂性继续来自 Docker 权限、数据库一致性、硬件批次故障、异地与云端备份、权限和元数据保存。作者的核心观点是：备份会自然演化成「增量、去重、GFS 轮换、快照式、异地」系统，但若不定期测试恢复，一切设计都没有意义。

作者认为，工程效率很大一部分来自零散但高杠杆的小知识：命令行历史搜索、SQL 无 FROM 查询、explain analyze、正则词边界、git pickaxe、ripgrep、globstar、Node.js 连接复用等。这些技巧不需要庞大理论体系，却能在特定时刻显著节省时间。文章进一步指出，公司内部也有大量类似知识，如调试数据源、关键负责人、滚动重启命令和内部工具。作者建议资深工程师每天分享一个小技巧，既不造成信息过载，又可能触发有用讨论。争议主要在于不少评论认为这些更像命令行或系统管理技巧，而非严格的编程技巧；也有人质疑在 AI 编程时代，这类手工技能的重要性是否下降。

该项目是 Cloudflare 发布的 Security-Audit-Skill，面向支持「Skills」机制的 AI 编程或审计平台，意在把安全审计流程、检查清单和提示规范封装成可复用能力，用于辅助检查代码库中的潜在风险。由于原文无法抓取，社区讨论主要集中在实际使用成本和技能体系设计上：有人称在一个中等规模代码库上投入 100 万 token 却没有得到有效结果，质疑其性价比；也有人建议 Cloudflare 精简并合并过多 Skills，避免平台碎片化。另有评论追问「中等代码库」的规模定义，说明讨论还缺少可比较的基准。

Amazon 介绍开源 Rust 程序验证器 Verus：开发者可在 Rust 源码中用类 Rust 语法写前置条件、后置条件、循环不变式和证明，工具把代码与形式化规格转成证明义务并交给求解器检查，从而覆盖所有输入，而不只是测试样例。文章强调 Verus 能与 Cargo 和普通编译兼容，反馈速度可达交互式开发水平，并已用于 Nitro Isolation Engine 等关键基础设施，尤其适合证明 unsafe Rust 和并发锁不变量的安全与正确性。争议点在于形式化验证仍依赖规格本身、底层假设、标准库和编译链的可信度；社区也讨论了它与 TLA+、Dafny、Frama-C、Aeneas 等工具的关系。

论文指出，三值大模型权重虽只有 {-1,0,+1} 三种取值，常被按 log2(3)≈1.585 bit 估算，但现有五 trit 打包实际约 1.625 bit/权重，且默认三种符号等概率。作者统计 29 个三值 LLM，发现零权重最高达 51.5%，因此提出「BITCOS」：用稠密存在位图记录非零位置，再紧凑存储符号，成本为 2-z bit/权重。在 26 个模型上优于五 trit 打包，最低达 1.485 bit/权重，并给出 AVX-512、AVX2、Intel Xe2 GPU 解包优化。端到端推理中，CPU decode 吞吐最高提升 1.18 倍，GPU 最高 1.27 倍。争议集中在三值量化本身的精度、是否优于向量量化，以及这种布局能否直接作为内存计算格式。

watchTowr 分析了 GNU inetutils telnetd 中的 CVE-2026-32746：一个源自 1994 年的预认证 BSS 缓冲区溢出。漏洞位于 Telnet「LINEMODE」的「SLC」协商处理逻辑中，服务器把客户端提交的三字节控制字符条目写入固定大小全局数组，却缺少边界检查，可破坏约 400 字节相邻变量。作者指出该代码被多个系统和厂商长期继承，影响可能覆盖 Linux 发行版、BSD、NetScaler、TrueNAS 等。文章也强调 Telnet 虽已被 SSH 取代，但仍存在于工业设备、遗留系统和发行版仓库中。评论区主要争议不在技术本身，而在文章写法：有人认为漏洞核心只是缺少边界检查，却被过度戏剧化；修复者也批评作者未提交补丁却指责维护者。

文章解释美国战略石油储备为何没有采用地面浮顶油罐或钢筋混凝土地下油库，而是把原油存入德州、路易斯安那墨西哥湾沿岸盐丘中的巨型盐穴。盐穴可用淡水溶盐开挖，岩盐低渗透、可自封裂缝且不与石油反应；抽油时从底部注水，利用油浮于水将其推出。该方案容量大、成本低、抗攻击，并靠近炼厂和管线。但注水会继续溶盐、扩大洞穴，限制反复循环，井、泵和管线也需维护。评论中有人质疑地面油罐占地估算过高，并讨论低位库存对洞穴稳定性的风险。

文章认为，商业航运并非回到帆船时代，而是在传统发动机之外重新利用风能，以降低燃油消耗和排放。全球已有逾 100 艘大型商船安装现代风力推进系统，涵盖转子帆、硬翼帆、吸力帆等；马士基计划在集装箱船上测试转子帆，Vale、Idemitsu、LNG 船项目和法国 Neoliner 也显示应用范围扩大。其优势是可改装、风能免费，节油通常为个位数到低双位数；限制则包括风况不稳定、占用甲板、港口和监管约束。核心趋势是风力将成为混合推进体系的一部分，而非取代发动机。

OpenSpec 是一个面向 AI 编程时代的软件规格管理框架，主张先把要构建的内容写成可演进的规格，再让团队与编码代理围绕同一份需求、验证和实现约束协作。它强调用规格帮助团队既做对东西，也把东西做对。HN 讨论集中在规格驱动开发是否会成为 Agent 编程的基础设施：支持者认为它能节省上下文、约束模型跑偏、改善审查；反对者则担心 Markdown 文档膨胀、引入新仪式感，甚至只是把歧义从代码转移到规格。

作者以「只用英文描述、不手工编辑或验证」为规则，让 Fable 5 设计一块基于 RP2350A、带 1.54 英寸电子墨水屏和 QSPI Flash 的四层开发板，并通过 JLCPCB 生产装配。过程暴露出 65 个 DRC 错误、封装选错、自动布线失败后由模型补完等问题，但最终 5 块板花费约 130 欧元且能被电脑识别，示例应用也可运行。文章既展示了 AI 降低硬件入门门槛的潜力，也反思了「不会原理也能做成」带来的成就感缺失与安全风险，期待未来板厂直接提供对话式 PCB 生成服务。

据标题和 AWS 状态页相关评论推断，AWS 在中东区域部分设施遭伊朗袭击后，承认有些客户数据无法恢复，涉及 me-south-1 等区域或其可用区的长期中断。讨论焦点集中在：多可用区与 S3「11 个 9」耐久性是否覆盖战争级物理破坏、数据驻留和主权云规则是否限制跨境备份、责任边界究竟在 AWS 还是客户。许多评论认为，本地化冗余在导弹袭击、同一区域多设施同时损毁时并不足够；若法规禁止数据离境，传统异地灾备也会变得困难。也有人指出 SLA 往往有战争、不可抗力免责，真正关键仍是客户是否额外购买跨区域复制、离线备份和业务连续性方案。

这个项目把花园麦克风、BirdNET-Go 鸟鸣识别和电子墨水屏结合起来：系统监听周围鸟叫，识别物种后，在相框上显示对应的真实 19 世纪自然史鸟类插图，而不是生成式 AI 图像。评论区普遍认为它把现代识别技术与复古审美结合得很有魔法感，适合作为礼物、旅行装置或面向老人和观鸟者的产品。讨论也延伸到用 eBird API 替代麦克风、支持澳洲鸟类、识别单只鸟、接入鸟食器或扩展到城市噪声、潮汐等场景。争议点主要是电子墨水屏价格偏高，以及多人指出它与 AvianVisitors、Samsung Frame 版本等既有项目相似，认为应更明确致谢灵感来源。

文章评估 7 个模型与 3 种编码外壳 Claude Code、Codex CLI、Pi 的 21 个组合，在 SWE-bench Lite 和 Terminal-Bench 2.0 上比较成功率与成本。结论是外壳对任务成功率影响相对有限，但对成本影响显著：同一模型可能以相近成功率产生最高 5 倍成本差异，Claude Code 的初始上下文和工具说明明显更重；开源轻量外壳 Pi 仅靠 read、write、edit、bash 也能接近帕累托前沿；模型并不总在自家外壳中表现最好。作者提醒结果受限于两个公开基准，真实开发工作流、安全与长期任务仍需进一步验证。

文章以「音量开到 11」为引子，系统梳理 .NET 11 在运行时和类库中的大量性能改进。作者强调，性能提升并非单一大招，而是由 JIT、去抽象化、边界检查消除、减少分配、锁优化、循环优化、SIMD、系统调用规避等许多小改进累积而成。文中给出可复现的 BenchmarkDotNet 设置，用 .NET 10 与 .NET 11 对比微基准，并从 JIT 开始展示这些优化如何让现有代码无需修改也可能变快。争议主要不在技术本身，而在社区对 AoT 覆盖、应用级基准缺失，以及文章写作是否带有 LLM 痕迹的讨论。

文章解析 Factorio 2.0 在太空时代 DLC 中用于物品品质等机制的伪随机数生成器。作者从论坛线索和带调试符号的游戏二进制入手，确认游戏使用 Boost 的「taus88」生成器，由三个线性反馈移位寄存器组合而成。由于 LFSR 具备线性结构，可通过观察游戏中的随机事件反推出内部状态，再预测后续品质提升等结果。文章兼具逆向工程、线性代数和游戏内电路实现，指出 2.1 改变了 RNG 调用方式，破坏了其实战方案，但核心理论仍成立。

作者认为，日本年轻人和地方社区的阅读场景正从书店转向图书馆。2013 年茑屋参与运营的武雄市图书馆把星巴克、书店和公共图书馆结合，证明图书馆可成为不用消费也能停留的社区核心。熊本南关町、弥彦等小城图书馆则通过本地史料、精心策展的书架和日常维护，展示地方知识与人的连接。文章强调好图书馆不只靠建筑，而靠「软实力」：选书、运营和社区持续参与。评论则讨论商业化、公共空间边界、美国类似案例及小众地方被传播后可能失真。

Jev Ultrafast 是 browser-use 团队发布的一个浏览器智能体实现，核心卖点是使用「动态、索引化的动作空间」来提升网页操作速度与可控性。结合标题和评论看，它可能围绕 Jev 的浏览器自动化演示展开，强调让智能体在页面中快速选择可执行动作，而不是依赖笨重的逐步视觉推理。社区反馈总体偏正面，有人认为这是对 Jev 演示的有趣实现；也有人关心实际运行是否需要 Jev API key。争议点主要不在技术路线本身，而在项目展示质量：README 文案被批评过度使用短句、像营销落地页；在线运行 demo 按钮也有用户遇到错误，说明可用性和文档清晰度仍需改进。

BBC报道称，美联储一致决定将联邦基金利率上调至3.75%至4%，这是三年多来首次加息，理由是通胀长期高于2%目标。主席凯文·沃什称此举是「清醒」且「负责任」的决定，并强调就业和经济仍具韧性。特朗普此前要求快速降息，事后批评美联储理事会「敌对」。加息将推高贷款、信用卡和新房贷成本，但可能改善储蓄回报。多家大银行已上调最优惠贷款利率，政策制定者预计年内或明年还可能继续加息，随后到2028、2029年才开始降息。

斯坦福研究团队通过基因工程让小鼠几乎不形成自身大脑皮层，再把由人类皮肤细胞重编程而来的脑类器官移植进去，使人类细胞在小鼠脑内存活、分化，并接入其脑和脊髓回路。研究者希望借此建立更接近人类神经生物学的动物模型，用于研究癫痫、自闭症、脑瘫等小鼠本身难以模拟的疾病，解释为何许多精神科药物在动物实验有效、临床却失败。科学家强调这些并非「会像人一样思考的小鼠」，行为测试也未显示能力增强；但外部专家认为，这一技术虽可能开辟新研究路径，也会迫使人们重新审视动物认知、福利和在人类脑组织体内培养方面的伦理边界。

作者观察到，团队代码评审中「map」和「filter」通常不会引发异议，但一旦使用「reduce」，常被评价为难读，也更少在代码库中出现。他推测原因包括：它需要理解累加器和中间状态、熟悉度较低、在 JavaScript、Python、Swift 等语言中语法不够优雅，甚至可能有性能劣势；而在 Clojure 等函数式语境里阻力较小。作者并不坚持使用它，通常会按评审意见改写成循环或其他组合，但认为这是一种值得记录的社会现象，并询问社区是否有类似感受。

该项目试图开源复现一种「Jev-like」模型：输入一段文本和若干候选选项，模型一次前向传播就为每个选项给出概率，而不是像普通 LLM 那样逐词生成答案。评论者认为它适合大量实际场景中的零样本或少样本分类、语言识别、决策打分等任务，可把大模型已有语义能力转化为更低延迟的通用判别器。讨论也提到类似思路可由扩散模型或 Qwen 小模型实现，甚至有人展示更快的 RLCD 版本。但社区对其是否真正接近原版 Jev 保持怀疑：原版可能有更多底层机制，演示视频被指结果差异明显，且 32k 上下文、模型大小和 Qwen 版本选择仍有疑问。

论文提出「Dream-RSI」，目标是让自主智能体在复杂任务中更便宜地改进探索策略。它不改底层编码模型，而是在外层加入轻量编排，把过去在线搜索形成的发现树当作「回放模拟器」，在历史空间中离线评估和优化探索策略，再把新策略部署回真实任务，形成发现历史扩张与策略更新的循环。作者称该方法在算法工程、数学优化和 GPU kernel 工程中能保持或提升发现质量，并降低部分场景成本。争议焦点在命名：HN 多数评论认为这更像探索调度、持续学习或计算节省，并非通常意义上模型能改进自身权重或架构的递归自我改进。

作者以将 PC 游戏引擎移植到主机时编写纹理转换代码的经历，解释现代游戏纹理为何远不只是按行排列的像素流。文章从调试跨平台纹理地址计算的视角，介绍块压缩、纹素排序、mip、多级瓦片等机制：它们通过减少体积、改善缓存局部性和预生成降采样来提升渲染性能，却也让内存布局在每个平台上呈现不同顺序。以 1024×1024 RGBA 的 BC7 纹理为例，作者说明压缩块如何以 16 字节表示 4×4 纹素，以及错一个字节偏移就会让视觉调试完全失效。核心价值在于把游戏开发中看似底层的纹理格式问题，拆成可理解的层级结构与工程陷阱。