原标题：《Israeli firm's digital ads enabling installation of 'zero-click' spyware》 评分: 27 | 作者: chunkyslink 💭 把监控代码塞进广告，平台还要我们多看几秒？ 🎯 讨论背景 报道所指的 Citizen Lab（多伦多大学蒙克全球事务与公共政策学院的数字权利研究机构）调查称，Discover Tech（一家以色列商业监控技术公司）将其 Controlium 间谍软件的投递与在线广告生态结合。攻击者可借 adtech（广告技术）提供的人群定向能力筛选目标，再投放触发浏览器或应用漏洞的广告，从而形成不需用户交互的 zero-click 入侵链。讨论建立在 Pegasus（NSO Group 开发、曾被用于监控记者和活动人士的手机间谍软件）及消息应用自动处理图片、附件等既有攻击案例之上。争议也触及大型平台以安全为由限制侧载、广告追踪数据被执法机构使用，以及端到端加密在设备已失陷时无法保障终端内容的问题。 📌 讨论焦点 广告定向与漏洞利用的攻击机制 评论认为这不是普通的 browser fing
原标题：《Phloem: Git history grown like a slime mold》 评分: 121 | 作者: thclpr 💭 只看三十次提交的黏菌，能讲完谁的项目史？ 🎯 讨论背景 Phloem（Stemdeck 推出的 Git 仓库历史可视化网页工具）尝试把 Git 的 commit 演化渲染成类似黏菌生长的动态图形，并搭配背景音乐；用户可通过 GitHub 仓库名查看 llama.cpp、Linux、Kubernetes 等项目。它依赖 GitHub API（GitHub 提供仓库数据访问接口）取得提交记录，因此大型仓库或未认证访问可能很快触发 rate limit，导致只展示片段历史。讨论也涉及 Gource（本地运行的版本控制可视化工具），它代表另一种通过本地仓库完整数据生成动画、可细调参数的方案。大规模文件导入的单次 commit 会主导画面，暴露出这类艺术化图形在忠实表达数据与制造视觉冲击之间的取舍。 📌 讨论焦点 视觉化的趣味与项目叙事 不少人认为 Phloem 的演示极具观赏性，尤其是 llama.cpp 这类有活跃早期贡献者的项目，能从图中看
原标题：《X purges 13,000 accounts linked to suspected meddling ahead of US midterms》 评分: 27 | 作者: ilreb 💭 删掉一万三千号，就能洗白老板的选举操纵吗？ 🎯 讨论背景 X（原 Twitter，社交媒体平台）称在美国中期选举前清除了约 1.3 万个涉嫌干预选举的账号，目标包括疑似协调操纵及劝阻选民参与的内容。此类行动延续了 Twitter 过去针对虚假账号网络、信息操纵和 shadow-banning（限制账号内容可见度的争议性审核措施）的长期争议。讨论的前提是，境外势力可借 bots（自动化或伪装真人的账号）放大分裂性政治内容、压低投票意愿；但平台对“影响行动”的识别标准和证据通常不公开。由于 Elon Musk 既拥有 X 又公开介入美国政治，评论者因此特别质疑此次审核是否能避免党派偏向，并要求以账号触达和互动数据验证清理效果。 📌 讨论焦点 执法被疑迎合 Musk 政治立场 多名评论者不相信这次清理会是政治中立的，认为平台 CEO 已公开表达的政治倾向可能影响认定和封禁对象。有人讽刺
Apache 官方博客于 10 月 14 日宣布 Apache Auron 正式从孵化器毕业，成为 Apache 顶级项目。Auron 最初源自快手大规模数据计算实践，2025 年 8 月由快手捐赠给 Apache 软件基金会孵化器，仅用 13 个月即完成毕业。毕业提案于 2026 年 9 月经 IPMC 投票通过并获董事会批准。Auron 是一个基于 Rust 的原生向量化执行加速器，深度集成 Apache Spark，并扩展支持 Flink，已全部通过 TPC-DS/TPC-H 基准测试，相比 Spark 3.5 速度提升 2 倍以上、节省约 50% 资源。社区已有 22 人 PMC，已在快手、滴滴、58 同城、携程、OPPO、LinkedIn、汽车之家等数十家公司落地。
Google于2026年10月15日发布全新购物指南《When to Buy Guide》，基于对U.S.商家历史促销模式、搜索趋势及折扣数据的分析，揭示各类商品假日折扣的峰值时段。指南建议：香水在黑色星期五后两周内购买最划算；手提包跳过黑色星期五热潮，瞄准12月中旬折扣与款式兼得的时段；旅行用品11月入手，行李箱等到12月底清仓再买；电动科技玩具则在12月最后几周降价最猛。同时提示消费者关注节日配送截止日期，并将这些趋势视为参考而非绝对标准。
The provided content is the page boilerplate of thenewstack.io (cookie consent banner, newsletter subscription form, site navigation, a JavaScript developer poll widget, and a long list of unrelated article links) and does not contain the body of the article titled "Agentic AI doesn't have a model problem. It has a retrieval problem." No substantive reporting, quotes, or analysis from the article itself is present in the input. The only article-specific data is the title, author Jenny Morris, UR
Google 于 2026 年 10 月 15 日在美国正式推出 Universal Cart（通用购物车），覆盖 Google Search 和 Gemini App。该功能基于 Shopping Graph 上超过 600 亿条持续更新的商品信息，将来自不同零售商的商品统一保存到同一购物车，并在后台自动推送降价和补货提醒。购物车接入 Google Wallet，可基于持卡权益智能推荐支付方式，并展示相关促销码。结账环节支持 Google Pay 直接付款，或将商品一键转回 Nike、Sephora、Target、Ulta Beauty、Walmart、Wayfair 及多家 Shopify 商户网站完成购买，商家保留交易主体和客服责任。
Indigene 是一款根据用户所在地推荐本土植物的工具，文章围绕 Hacker News 上的讨论展开。用户反馈其目前仅覆盖 17 个地区，如伊比利亚半岛用户只能近似选"地中海法国"，暴露区域模型过粗的问题；土壤类型常被自动猜错且不可手动修正。用户按"喂养昆虫、低维护、吸雨水"等目标得到的结果接近本地荆棘杂草扩张，虽符合生态恢复逻辑，却忽略庭院观赏和可管理性需求。讨论呼吁加入抗鹿啃食、生长速度、保水遮阴等更可操作的筛选，并支持植物组合套装以维持全季传粉。同时提到 Ailanthus 等入侵植物通过化感作用限制可种范围。产品交互流程和介绍视频获得正面评价，整体被肯定对园艺爱好者具有吸引力。
Tessl 正式发布 Verifiers：一套以 JSON 文件形式存放在仓库中的纯文本规则，配合 tessl change verify 命令，由 LLM judge 对每次代码变更逐条判定 pass 或 fail，定位介于 lint（只能查确定性规则）与 AI 代码审查（PR 级通用审查、难逐条稳定检查）之间的检查层。默认评判模型为 openai/gpt-6-luna，可通过 --model jev 切换为返回判定与置信度分数的新 Jev 模型。规则在 tessl.json 的 verify 块中按 group 配置 info、warn 或 error 级别，支持本地、pre-commit 和 CI（如 PR 门禁）使用。建议先以 warn 级别在 CI 试跑再升到 error，免费试用。该插件可通过 tessl install tessl/tessl-verify 安装，适用于面向用户错误必须说明下一步、不得记录请求头/token/密码等无法用 lint 检查的规则。
原标题：《LFM2.5-24B-A2B: Built for Fast On-Device Agents》 评分: 245 | 作者: gmays 💭 每秒删库 250 次，算 Agent 还是事故加速器？ 🎯 讨论背景 LFM2.5-24B-A2B 是 Liquid AI（开发高效本地语言模型的美国 AI 实验室）发布的 open-weight MoE 模型，主打在手机、笔记本和消费级 GPU 上运行 Agent。其宣传重点是 Apple M5 Max 上 184 tokens/s、NVIDIA B300 GPU 上最高 21K output tokens/s，以及 AutomationBench（评估自动化 Agent 任务的基准）等工具型基准的成绩。讨论的核心背景是本地模型用户常需在模型质量、显存占用、量化精度和响应速度之间取舍，并以 Qwen（阿里开源模型系列）、Gemma（Google 开源模型系列）作为 coding 与推理能力参照。由于 MoE 模型可把部分专家放到系统内存，普通硬件也可能运行较大模型，但缓存机制、推理引擎和权限隔离决定其在真实 Agent 工作流中的
