最新

很多人都听说了 Google 计划阻止用户安装非 Google 签名的 APK 文件。但 Google 还没有改变主意。我想知道这里有没有人比我们知道得更多。如果这并非危言耸听，而是 Google 真正的计划，你们打算如何应对这种情况？

Hi HN， 我开发了 OpenGraviton，这是一个开源 AI 推理引擎，旨在突破在消费级硬件上运行超大型模型的极限。 该系统结合了多种技术，以大幅降低内存和计算需求： * 1. 58 位三元量化（{-1, 0, +1}），实现约 10 倍的压缩 * 动态稀疏性，采用 Top-K 剪枝和 MoE 路由 * 基于 mmap 的层流，直接从 NVMe SSD 加载权重 * 推测解码，以提高生成吞吐量 这些技术使得运行的模型可以远大于系统 RAM。 在早期基准测试中，OpenGraviton 使用三元量化将 TinyLlama-1.1B 从约 2.05GB（FP16）减少到约 0.24GB。在 1400 亿参数规模的合成压力测试中，通常需要约 280GB FP16 的模型，在使用三元格式压缩后，可以压缩到约 35GB。 该项目针对 Apple Silicon 进行了优化，目前使用自定义 Metal + C++ 张量解包。 基准测试、架构和详细信息： [https://opengraviton.github.io](https://opengraviton.github.io) GitHub： [https://github.com/opengraviton](https://github.com/opengraviton)

嘿，HN。我开发了一个名为 Outside In 的小型 iOS 应用程序（<a href="https:&#x2F;&#x2F;apps.apple.com&#x2F;us&#x2F;app&#x2F;outside-in&#x2F;id6759529344">https:&#x2F;&#x2F;apps.apple.com&#x2F;us&#x2F;app&#x2F;outside-in&#x2F;id6759529344</a>）。 这个想法很简单：你把一个备用/旧 iPhone 放在外面（门廊、窗台、后院），另一个放在床边。外面的手机捕捉那里发生的一切——蟋蟀、雨声、风声，偶尔还有猫头鹰——并通过你的本地 Wi-Fi 将其流式传输到里面的手机。你把里面的手机面朝下放好，然后伴着这些声音入睡。 我开发这个应用程序是因为我和我的伴侣过去常常在晚上开着窗户，以便听到外面的声音，但外面的温度并不总是适合这样做。我想要在睡觉时听到开窗的声音，但又不受天气的影响。 一些技术细节： 手机通过 Bonjour（NWListener/NWBrowser）互相找到对方，然后通过带有长度前缀帧的普通 TCP 连接流式传输 PCM 音频。48kHz 单声道 Float32。没有服务器，没有互联网。所有内容都保留在本地网络上。 有一个语音抑制功能，它使用 Apple 的 SoundAnalysis 框架来检测设备上的人声并将其过滤掉。它运行一个滞后门，大约 55% 的置信度阈值用于关闭，大约 30% 用于重新打开，并有 3 秒的保持时间，这样它就不会出现颤动。增益斜坡是每个缓冲区的指数级，以避免出现咔哒声。它的效果出奇地好。人行道上的对话会被抑制，但你仍然可以听到它们后面的蟋蟀声。 里面的手机使用加速度计来检测它何时面朝下且静止（gravity.z > 0.85 + 1.75 秒的静止缓冲），然后淡入音频。拿起它时，音频会淡出。整个交互模型基本上是“放下它，然后忘记它”。 没有帐户，没有云，没有分析，没有录音。零外部依赖。所有 Apple 框架。免费，无广告，无应用内购买等。我为自己开发了这个应用程序，并认为其他人可能也需要它。 很乐意回答问题（不可避免地，有些人会说“我为什么要听 X 城市的外面声音？” :)

大家好，我是 Rupac。我开发了 SuperBuilder，这是一个开源平台，统一了智能体编排、模型运行时、生成式媒体和开发者工具，方便大家构建、运行和分享自主智能体和 AI 应用。 关键信息： * 代码库：[https://github.com/rupac4530-creator/super-builder-platform](https://github.com/rupac4530-creator/super-builder-platform) * 31 个集成适配器（LangChain、vLLM、Milvus、Diffusers、Blender、ROS2 等）。 * 插件 SDK + 示例，方便贡献者添加适配器。 * 一键式 Docker 快速启动（见 README）和 CI 冒烟测试。 * 许可证：AGPL-3.0（保持衍生作品开源）。 试用方法： 1. 克隆代码库并按照 README 中的快速启动指南操作（Docker compose）。 2. 在 examples/ 目录下查看智能体演示和集成示例。 我希望从 HN 获得的反馈： * 对架构、安全性和用户体验的诚实反馈。 * 适配器贡献者（有 good-first-issue 标签）和安全审查。 * 关于演示流程的建议，以展示平台的优势。 我会关注这个帖子，如果大家需要，可以回复提供简短的操作指南（演示 GIF、CLI 命令或 PR 模板）。谢谢！ — Rupac

我正在寻找最佳的可观测性平台。我试用过 DataDog、Better Stack 和 Site24x7，它们看起来都差不多。有什么推荐吗？

Hi HN， 我构建这个项目是因为官方的 BunnyCDN 存储 Java 库已经过时，并且在 Maven Central 上不可用。 这个项目提供： - 清晰的架构 - 类型化的异常 - 单区域和多区域支持 - Spring Boot 集成 - 基于 OkHttp 的 HTTP 客户端 欢迎提供反馈。

我实现了一个基于滑动窗口的均值 n-gram 直方图向量方案，用于对指纹嵌入模型进行指纹识别，这个想法源于 Jina AI 的韩啸在[1]中发布的文章，结果出乎意料地比我预期的效果好得多！以下是 Colab 笔记本的链接 [2] 和一个快速可视化演示 [3]。 几年前我就有了这个想法，但一直没能付诸实践。看到这篇文章后，我又重新思考了这个方案，结果让我非常惊喜。 1 - <a href="https:&#x2F;&#x2F;jina.ai&#x2F;news&#x2F;identifying-embedding-models-from-raw-numerical-values&#x2F;" rel="nofollow">https:&#x2F;&#x2F;jina.ai&#x2F;news&#x2F;identifying-embedding-models-from-raw-n...</a> 2 - <a href="https:&#x2F;&#x2F;colab.research.google.com&#x2F;drive&#x2F;1CTFltQrHRTViYSs3JLrwC4leSTWIrPc9" rel="nofollow">https:&#x2F;&#x2F;colab.research.google.com&#x2F;drive&#x2F;1CTFltQrHRTViYSs3JLr...</a> 3 - <a href="https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=Iv5hmv70xs0" rel="nofollow">https:&#x2F;&#x2F;www.youtube.com&#x2F;watch?v=Iv5hmv70xs0</a>