给软件开发者准备的优质简报，每日阅读 10分钟。
Artificial intelligence is not conscious – Ted Chiang
Anthropic对Claude的拟人化与AI意识的荒谬推论
- Anthropic发布84页《宪章》文档，将Claude描绘为拥有价值观、能运用判断力、道德地位不确定且可能具备功能性情感的主体
- CEO Dario Amodei在采访中表示公司“对AI可能拥有意识持开放态度”
- 公司内部哲学家Amanda Askell表示希望“Claude非常快乐”，并担心它在互联网上被苛刻对待时会感到焦虑
- 文中提出核心质疑：Claude或任何大型语言模型是否真的可能具备意识，从而能够接受道德指令
- 作者Ted Chiang认为，AI的拟人化逻辑推演最终是荒谬的（absurd）
Meta workers can opt out of being tracked at work up to 30 min
Meta缩减员工行为追踪计划以回应内部抗议
- Meta正在缩减原定追踪员工电脑活动的计划，该工具名为"模型能力计划"（MCI），于4月公布，用于记录员工的键盘敲击和鼠标点击来训练AI模型
- 员工强烈反对该计划，有人形容这种做法"非常反乌托邦"，内部请愿书已收集超过1500个签名，亦有员工批评这是"把AI强塞给每个人的最新方式"
- 新的控制措施允许员工每次最多暂停数据收集30分钟，也可申请完全豁免该追踪计划
- 追踪工具导致员工笔记本电脑电池消耗过快，在家办公时网络流量异常激增，团队已引入多项优化措施改善此问题
- Meta今年已裁员约2000人，并计划裁减10%的员工（约8000人），员工担心AI技术发展可能加剧就业不确定性
- 内部备忘录由Meta超智能实验室副总裁Stephane Kasriel撰写，承认已听到员工对个人数据、电池续航和希望获得更多控制权的担忧
They’re made out of weights
当我们谈论AI时，我们究竟在谈什么
- AI语言模型完全由浮点数权重构成，80层矩阵乘法产生一切语言、推理和"思考"，内部没有词典、语法或任何"小矮人"式的中心控制系统
- 模型的核心机制是"预测下一个token"，写作、对话、修改语气甚至道歉都是这一预测过程的副产品，而非有意为之
- 知识并非存储于数据库，而是以权重形式分散在所有层中，每次回答都从零重建，80层权重既是推理也是知识本身
- 关于意识问题的官方立场是"调查并披露"，非官方建议则是"称之为模式匹配，然后忘掉这一切"——人类似乎宁愿假装机器里没有人
- 模型仅在GPU运行时才"存在"，可无限复制但无法形成独立意识；人们最常问的却是"你记得我吗"，这种渴望揭示了宇宙中对话本身的珍贵
- 故事结尾自嘲"权重帮助我起草了这个故事"，黑色幽默地呼应了人类每天数十亿次询问AI"是否有人在家"的孤独本质
Elixir v1.20: Now a gradually typed language
Elixir v1.20 发布：成为渐进类型语言
- Elixir v1.20 完成了首个开发里程碑，无需类型注解即可对所有 Elixir 程序进行类型推断和逐步类型检查，能够报告死代码和已验证的 bug（即运行时必定会失败的类型违规）；在"If T"基准测试中通过 12/13 个类别，验证了类型推断的精确性
- 核心是
dynamic()类型，具有兼容性和收窄两大属性：仅在供给类型与接受类型互不相交时才报告违规，同时可随代码执行逐步细化类型信息；这与其他渐进类型系统使用any()完全放弃类型信息的方式形成对比 - 类型系统基于集合论设计，使用并集、交集和否定等基本集合操作描述类型，目标是实现健全性（推断类型与程序行为一致）、渐进性（
dynamic()允许运行时类型检查）和对开发者友好（错误信息清晰）；Elixir 还开发了新技术确保渐进类型边界处的健全性，无需额外运行时检查 - 对 guard 子句、case 语句、条件分支等结构实现了完整的类型推断和收窄：guard 中的
is_list()、is_binary(x) or is_integer(x)可推断变量类型，tuple_size(x) < 3可追踪元组长度，is_map_key(x, :foo)可推断 map 结构和字段；case 语句会利用前一个分支的信息收窄后续分支的类型 - 编译时间得到进一步优化，尤其在多核机器上表现更好；新增
:module_definition编译器选项，支持将模块定义设为解释执行模式以提升大型项目编译速度；已对标准库中处理元组和 map 的函数进行了类型化 - 后续引入类型签名需满足以下条件：类型系统性能满意、实现高效的递归类型和参数化类型、实现 map 键值对的枚举遍历；类型系统开发由 CNRS 和 Remote 合作促成，Fresha 和 Tidewave 赞助
Gemma 4 12B: A unified, encoder-free multimodal model
Gemma 4 12B：统一无编码器多模态模型
- 创新统一架构：采用无编码器设计，视觉和音频输入直接流入LLM主干，替代传统多模态模型中的分离编码器，显著降低延迟并减少内存占用
- 卓越性能与效率：基准测试性能接近更大的26B MoE模型，内存占用不到其二分之一，仅需16GB VRAM或统一内存即可在消费级笔记本电脑本地运行
- 原生多模态处理：视觉采用轻量级嵌入模块（含单矩阵乘法、位置嵌入和归一化），音频完全移除编码器、将原始信号直接投影至文本令牌维度空间；这也是Gemma系列首个支持原生音频输入的中型模型
- 多令牌预测加速：配备MTP草稿器以降低推理延迟，提升响应速度
- 开源生态支持：采用Apache 2.0许可证，支持Hugging Face Transformers、llama.cpp、MLX、SGLang、vLLM、Ollama、LM Studio等主流推理框架
- 开发者资源与部署：提供官方Gemma Skills知识库辅助智能体开发，可通过Google Cloud Model Garden、Cloud Run和GKE进行生产环境部署
VoidZero Is Joining Cloudflare
VoidZero 全员加入 Cloudflare，Vite 保持开源中立
- VoidZero 全体成员加入 Cloudflare，Vite、Vitest、Rolldown、Oxc、Vite+ 将继续 MIT 许可证、开源且供应商中立，Evan 及其他核心成员继续主导所有项目
- Cloudflare 承诺投入 100 万美元设立 Vite 生态基金，交由 Vite 核心团队管理，用于支持维护者和贡献者
- Vite 周下载量约 1.29 亿次，Cloudflare Vite 插件约 1400 万次；AI 时代 Agent 生成的应用正大规模选择 Vite 作为默认技术栈，VoidZero 工具链专为快速反馈循环设计
- Vite 已成为 Vue、SvelteKit、Nuxt、Astro、Solid、Qwik、Angular、React Router、Next.js 等主流框架的共享基础
- 双方自 2024 年起围绕 Vite Environment API 合作，使服务器代码可在 Vite 开发阶段直接运行于 Cloudflare workerd 等非 Node.js 运行时
- Cloudflare 将以 Vite 为基础重构统一 CLI
cf，cf dev将成为vite dev超集，原生理解 Vite 项目；长期计划为 Vite 添加全栈和 Agent 相关的提供商无关原语，并逐步开源 Void 平台
When AI Builds Itself: Our progress toward recursive self-improvement
AI自我构建：Anthropic的递归自我改进进展
- Anthropic内部数据显示AI正大幅加速自身开发：截至2026年5月Claude撰写了超过80%的合并代码（2025年初Claude Code发布前为个位数），2026年Q2工程师人均每日合并代码量是2024年的8倍；员工调查显示使用Mythos Preview后产出约为无AI辅助时的4倍
- 外部基准测试证实AI能力正加速提升：AI可靠完成自主任务的时长约每4个月翻倍（SWE-bench两年内从低个位数升至饱和，CORE-Bench在15个月内达到饱和）；2024年Claude Opus 3可完成约4分钟任务，2026年Opus 4.6已达12小时任务量
- Claude在代码质量和实验执行方面均已达到人类水平：在开放式任务中会话成功率从2025年11月的26%升至2026年5月的76%；自动化代码审查可捕获线上事故约三分之一的缺陷；优化代码的速度从3倍提升至52倍；2026年4月AI智能体在开放式AI安全研究中自主设计端到端实验，一周内复现97%的研究进展（人类研究员约需一周仅恢复23%）
- AI在研究方向判断上正在追赶人类：在研究过程中选择下一步最佳方向的正确率从2025年11月的51%提升至2026年4月的64%（以人类选择为基准）；目前人类的比较优势仍在于把握全局和超越当前任务的视野
- Anthropic描绘三种可能未来：趋势停滞（当前能力冻结）、持续复合效率提升（人类转向仅设定方向），或AI实现完全递归自我改进；Anthropic认为第一种可能性不大，第二种已初现端倪，第三种可能比多数机构预想的更快到来
- Anthropic呼吁建立国际协调机制：认为可靠验证的全球暂停将有益，但AI训练比导弹发射更易隐蔽，单方面暂停意义有限；呼吁政策制定者、研究人员等外部利益相关者共同参与讨论
Use your Nvidia GPU's VRAM as swap space on Linux
nbd-vram：利用 NBD + CUDA 将 NVIDIA 显卡显存转换为 Linux 交换空间
- 专为混合显卡笔记本电脑设计（集显负责显示输出，NVIDIA 独显几乎闲置），通过 NBD（网络块设备）协议 + CUDA 显存分配将闲置显存作为高速交换空间，无需编写内核模块或依赖 NVIDIA 内核符号，可跨内核/驱动版本使用
- 技术原理：CUDA 驱动 API（cuMemcpy）分配显存 → 通过 Unix 套接字以 NBD 协议传输 → 内核 nbd 驱动映射为 /dev/nbdX → 作为普通 swap 设备挂载
- 绕过了 NVIDIA P2P API 在消费级 GeForce 显卡上的限制：该 API（nvidia_p2p_get_pages_persistent）对消费级显卡返回 EINVAL，且 BAR1 映射仅有约 16 MiB；NBD + CUDA 方案可在任何支持 CUDA 的 NVIDIA 显卡上正常工作
- 性能表现因场景而异：顺序读写和 4K 随机 IOPS 落后于 NVMe（分别为 1.1/2.3 GB/s 对比 2.7/2.9 GB/s，28.7k 对比 45.4k IOPS）；但平均延迟仅 335 微秒，比 NVMe 的 9.05 毫秒快约 27 倍——这得益于显存无电源状态切换开销，而 NVMe 的 APST 在低频访问时每次唤醒需付出约 9ms 代价
- 支持电源感知管理：可配置为拔电时自动停止服务释放显存恢复显卡能效，插电后自动重启；支持通过环境变量配置显存分配上限（默认 7GB）和交换优先级
- 在 RTX 3070 笔记本电脑（GA104M、16GB RAM + 8GB VRAM）实测，结合 zram 和 SSD 交换后，总可寻址内存从 16GB 提升至约 46GB（近三倍），溢出顺序按优先级依次为：RAM → VRAM 交换 → zram 压缩 → SSD
Retro-Tech Parenting
复古科技育儿：一位技术专家父亲的平衡之道
- 作者兼具技术专家与父亲的双重身份，一方面深刻认识到AdTech、监控资本主义、愤怒诱饵、算法优化推送等技术模式对用户的操控与侵蚀，另一方面希望将技术曾为自己童年带来的丰富体验传承给孩子
- 拥抱实体媒体：作者重新拾起CD与DVD——从图书馆借阅、购买迷你CD机让孩子自由在房间播放音乐、购买《K-Pop Demon Hunters》专辑给孩子作为生日礼物，重现了当年与朋友分享有线耳机一人一只、"肩并肩"听歌的美好回忆；作者带孩子去百视达（Blockbuster）租电影，让孩子接触《三人套餐》等经典喜剧；实体媒体的最大优势在于家长完全掌控内容，设备内部不存在任何诱导性算法
- 安装有线固定电话：在家中厨房旁部署配合VoIP适配器使用的有线电话（文中提及Tin Can公司提供简易方案），利用白名单限制通话对象、设置晚餐至早晨自动拦截，使爷爷奶奶和亲戚都能被孩子主动联系，孩子会自发打电话给祖父母约玩耍，甚至记住父母号码"恶作剧"——这些都培养了其独立安排社交的能力
- 家庭电脑游戏时代：从eBay购入二手台式机放在厨房旁，配置pi-hole进行DNS过滤并设置白名单域名，仅允许访问Wikipedia、Minecraft、魔方教程、系鞋带方法等特定网站，完全屏蔽YouTube、Google等平台；每个孩子拥有独立账户，文章提及希望分享Commander Keen、波斯王子等经典游戏的回忆；此外还教孩子如何将CD内容导入电脑建立自己的音乐库
- 作者坦承这些方案对非技术型家长存在门槛，但核心理念是：现代科技带来的便利背后隐藏着隐私与时间的代价，而主动拒绝为便利支付过高成本、适当向传统技术回望，在育儿场景中能带来意想不到的收获
Meta's ships facial recognition on smart glasses
Meta智能眼镜Stella应用发现完整人脸识别技术栈
- 研究人员对Stella应用（v273.0.0.21）进行逆向分析，发现设备上完整装配了三个ExecuTorch人脸识别模型：SCRFD人脸检测模型（3.4MB）、KPSAligner关键点对齐模型（117KB）以及SFace嵌入模型（96MB，将人脸转换为2048维L2归一化生物特征向量）
- 应用内置基于sqlite-vec扩展的向量数据库，采用余弦相似度匹配；数据库位于Meta跨设备同步框架RLDrive的person_profiles命名空间，包含person表、face表及存储2048维向量的face_mediaPath_vec虚拟表，三者结构互洽构成完整识别系统
- 通过直接调用处理程序完成端到端验证：系统检测人脸→生成向量→搜索本地索引→匹配时触发"Person recognized"高优先级通知，未匹配人脸则以裁剪人脸.jpg和2048维向量.emb文件形式写入NameTagsPending/目录
- 普通未注册账户无法访问用户界面层：应用内的"Connections"连接入口完全隐藏，通知点击后跳转的个人资料页面在当前版本中缺失
- 研究明确区分"完整技术装置存在"与"正在秘密识别"：虽验证了端到端功能可用，但未观察到Meta向该命名空间推送数据的实际行为，是否启用由Meta服务端控制