最新

您好，我在 Ruby 4 上使用 unicorn 时遇到了段错误，看起来与 kgio 有关。 在 unicorn 的 master 分支 (git) 中，kgio 似乎已被移除 (或者 unicorn 不再依赖它)，所以 Ruby 4 在那里可能可以运行。但是，目前还没有包含此更改的 RubyGems 发布版本。 我可以从 git 运行 unicorn，但它需要额外的“发布时”构建步骤 (生成 lib/unicorn/version.rb，使用 ragel 构建/安装 ext/unicorn_http，并复制 unicorn_http.so)。 解决方法 PR (确切步骤)：https://github.com/catatsuy/private-isu/pull/853 我发给 unicorn-public 的邮件 (可能已失效)：https://yhbt.net/unicorn-public/20251227071714.D9328160070@mail.catatsuy.org/T/#u 问题：联系 unicorn 维护者或请求 RubyGems 发布版本的最佳方法是什么？

语言模型能小到什么程度，还能做一些有用的事情呢？我想找出答案，并且在假期里有一些空闲时间。<p>Z80-μLM 是一个字符级语言模型，使用 2 位量化权重 ({-2,-1,0,+1})，运行在 Z80 处理器上，拥有 64KB 的 RAM。整个东西：推理、权重、聊天用户界面，全部都装在一个 40KB 的 .COM 文件里，你可以在 CP/M 模拟器中运行它，甚至有望在真正的硬件上运行！<p>它不会帮你写邮件，但它可以被训练来玩简化版的“20 个问题”，并且有时能够维持一种幻觉，即它能够进行简单但简洁的对话，并带有独特的个性。<p>——<p>这种极端的约束条件吸引了我，并迫使我做出有趣的权衡：三元组哈希（容错，会丢失词序），16 位整数运算，以及对训练数据的一些精心处理，这意味着我可以保持这些例子“有趣”。<p>关键在于量化感知训练，它可以准确地模拟推理代码的限制。训练循环并行运行浮点和整数量化前向传递，并根据模型在量化中保留知识的程度进行评分。使用直通估计器，权重逐渐被推向 2 位网格，溢出惩罚与 Z80 的 16 位累加器限制相匹配。到训练结束时，模型已经适应了它的约束，因此不会出现事后量化崩溃。<p>最终，我花了 几美元 在 Claude API 上生成了 20 个问题的数据（参见 examples/guess/GUESS.COM），我希望 Anthropic 不会因为我违反其服务条款而向我发送停止通知；P<p>但无论如何，祝大家代码高尔夫季快乐 :)

构建 Dockmate - 使用 bubble-tea TUI 框架，用 Go 语言开发的 Docker/Podman 容器管理 TUI 应用程序。 功能： * 容器管理（启动/停止/重启/移除，日志） * 实时容器监控（CPU、内存、磁盘 I/O 等） * 显示/隐藏列（内存、CPU、网络 I/O 等） * Compose 项目分组 * 支持 Podman 运行时（轻松切换） * 持久化设置（YAML 配置文件） * 带有快捷键的信息/帮助面板 * 可配置的交互式 Shell（/bin/sh、/bin/bash 等） * Homebrew 支持 * 一键命令行安装 可在 Linux 和 macOS 上运行！！ 演示 Gif：[https://github.com/shubh-io/DockMate/blob/main/assets/demo.gif](https://github.com/shubh-io/DockMate/blob/main/assets/demo.gif) Github：[https://github.com/shubh-io/DockMate](https://github.com/shubh-io/DockMate)

多年来，Hacker News 一直是我的主页，也是我的灵感来源。虽然我还在学习构建公共网站的门道，但我创建了 DreyX.com，源于一个简单的需求：我希望有一个更好的方式来追踪 AI 新闻，而不用被各种无关信息淹没。它实际上是一个由好奇的读者为好奇的读者打造的工具。大家有什么想法？有什么建议吗？

我开发了 Snippets (<a href="https://snippets.dev" rel="nofollow">https://snippets.dev</a>)，这是一个键盘优先的草稿本，用于代码片段、草稿和快速笔记。所有内容都存储在浏览器本地（localStorage）。你也可以将其安装为 PWA，以便快速访问。<p>欢迎提供反馈——特别是关于用户体验、快捷键以及你希望添加的功能。

我一直在开发一个小型开源[1]搜索引擎，名为 nilch。我注意到几乎所有知名的搜索引擎，包括那些替代品，都倾向于由各种规模的公司运营，其目标是赚钱，因此它们要么在搜索结果中充斥广告，要么向你收费，我对此不喜欢，因为搜索是互联网的支柱，不应该被商业化，所以它以非营利的方式运行，并希望通过捐款维持运营。此外，我个人对搜索结果中的 AI 感到厌烦，所以我去掉了它，并且我想要 DuckDuckGo 的 !bangs 功能，所以它支持所有这些功能。像许多替代搜索引擎一样，它完全注重隐私。 遗憾的是，它目前还没有自己的索引，而是使用 Brave 搜索 API。一旦我具备了经济条件，我绝对希望能从头开始构建一个完全开源的新索引，以及一个开源的排名和搜索算法来支持它。 我在 Reddit 上发帖并收到了大量的反馈，我实现了一些功能请求，所以我也非常希望得到你们的想法、批评和错误报告。谢谢，对不起，帖子有点长！ [1] <a href="https://github.com/UnmappedStack/nilch" rel="nofollow">https://github.com/UnmappedStack/nilch</a>

我一直在尝试一种 AI 辅助方法来检测网络流量中的模式。<p>为了方便理解，我维护一个名为“Phone Home Detector”的项目，该项目分析 IP 地址对之间的流量。它将流量聚合到一分钟的桶中，并根据字节数和传输间隔应用一组固定的规则。<p>我最近对一个扩展进行了原型设计，该扩展通过 MCP 工具公开传输大小和时间数据，使其可以通过 LLM 查询。目标是探索 LLM 是否可以识别仅使用静态规则难以捕获的模式。<p>这项工作仍处于实验阶段，我还没有确信它比固定规则方法有所改进。尽管如此，我确实觉得它很有趣，并且它可能为进一步探索奠定基础。以下是它生成的一个摘要示例：<p>发送到 IP 地址 91.189.91.49 的数据大小大多稳定在 200，初始大小为 168，并且发送它们的间隔变化，没有任何明显的模式。