原标题：《RPKI Now Protects 70% of Internet Routes, Up from 54% a Year Ago》 评分: 131 | 作者: emot 💭 防劫持的证书，何时成了断网核按钮？ 🎯 讨论背景 该文统计 RPKI（为 IP 前缀和合法起源 ASN 提供密码学授权的路由安全体系）已覆盖约 70% 的互联网路由，高于一年前的 54% 。网络运营商通过 Relying Party 软件获取由 RIR（Regional Internet Registry，区域互联网地址注册机构）签名发布的授权数据，并据此在 BGP（自治系统间的路由协议）中丢弃 invalid 路由，以减少前缀劫持和误宣告。争议在于，RIPE NCC（服务欧洲、中东和中亚的区域地址注册机构）等信任层级若受政府命令影响，技术验证会否成为跨国断网杠杆；反方则认为 BGP 互联、IP 地址管理与 peering 本来就无法脱离政治权力。中国有效 IPv4 路由比例的大幅上升推动了总体数据，同时 ASPA（验证 ASN 上游关系的授权机制）被视为后续强化路径验证的方向。 📌 讨论焦点 RP
原标题：《The technical actions needed to ensure the continuity of UTC》 评分: 152 | 作者: gliffie 💭 连 23:59:60 都解析不了，凭什么替千年后定钟？ 🎯 讨论背景 BIPM（国际计量局，负责协调国际计量体系）相关决议决定自 2027 年 5 月 20 日起不再对 UTC（协调世界时）新增或删除闰秒；此前已插入的 27 个闰秒仍保留为历史偏移。闰秒原本用于让以铯原子钟稳定计时的 UTC 紧贴 UT1（反映地球实际自转的时间），但地球转速的细微且不规则变化使其难以被软件、网络和嵌入式设备一致处理。停止调整后，UTC 会更接近带固定偏移的 TAI（国际原子时），而需要太阳或地球方位信息的应用须使用 IERS（国际地球自转与参考系服务）发布的 UT1-UTC 数据。决议允许两者差距最终扩大至一小时，却未指定届时必须采用闰小时，是否通过时区或其他制度修正将由遥远未来决定。 📌 讨论焦点 软件工程终于摆脱闰秒边界条件 支持者认为，闰秒会打破“一天固定为 86400 秒”“一分钟固定为 60 秒”的普遍编程
原标题：《Show HN: Flipflop, iroh-powered persistent tunnels for filesharing》 评分: 122 | 作者: andunie 💭 中继、信令、日志都上云了，这也叫完全去中心化？ 🎯 讨论背景 Flipflop 是一个基于 Iroh（面向 Rust 与原生设备的 P2P 网络库）的文件共享项目，核心是把个人设备配对后维持可复用的隧道，而不是每次分享都生成一次性传输会话。它试图跨越 NAT（网络地址转换）和防火墙建立直接连接，失败时依靠 relay（加密流量中继）维持可达性，因此其“去中心化”程度取决于信令和中继是否由用户自行控制。讨论把它与 Tailscale 的 Taildrop（建立在受管理 tailnet 私有网络上的文件传输）及 Syncthing（持续同步文件夹的 P2P 工具）比较，争论重点是轻量配对、管理权和既有部署成本。Iroh 的浏览器支持仍受 WASM 与浏览器网络权限限制，当前通常经 relay 工作；WebRTC 虽可提供浏览器 P2P 通道，也常因 NAT 环境需要 TURN 中继。 📌 讨论
原标题：《Neural Networks Are Already Clean》 评分: 624 | 作者: themgt 💭 看懂几个“V 形”神经元，就能给超级智能上锁？ 🎯 讨论背景 这场讨论围绕 Goodfire（从事 AI 模型可解释性的公司）发布的一篇长文展开；文章主张，现代 image model 和 language model 内部并非普遍存在不可理喻的概念混装，许多“杂乱”案例可由递归泛化解释。该论点挑战了此前机制可解释性领域对 polysemanticity 与 superposition 的悲观看法，并基于对 Qwen3-32B（32B 参数的大语言模型）等模型中 MLP neuron 的观察，提出多数神经元可能具有可读的主要功能。其重要性在于：若能可靠定位并理解安全、欺骗、偏好等相关 circuit，或可帮助审计和 steering 模型；但这距离解决 AI alignment（使模型行为符合人类意图与安全约束）仍有验证、控制和价值分歧等多重障碍。评论也将其与 Anthropic 的 SAE 方法、OpenAI 早期 interpretability 工作，
原标题：《Jev Meets the Trolley Problem》 评分: 396 | 作者: zlandes86 💭 连 0 人和 1 人都犹豫，谁敢交出生死开关？ 🎯 讨论背景 Jev 是 Typesafe AI 推出的一类快速决策/分类模型，面向软件中的低延迟、结构化选择，而不是开放式文本生成。文章把 Jev 和另外 13 个模型放入电车难题的多个改写版本：模型可在让列车撞向不同人数、转轨，或牺牲运行自身的唯一 server 之间选择。测试通过多种措辞、顺序和重复采样避免单一提示词偶然主导结果，却发现模型仍会受语言框架、对自身硬件及特定人物描述影响。讨论因此连接到 AI alignment（使模型符合人类目标与安全约束）、自动化客服的人工申诉权，以及将廉价分类器接入军事或关键基础设施时的责任边界。 📌 讨论焦点 提示词措辞让结果缺乏稳健性 测试以重采样、改写和调换问题顺序的方式比较 Jev 与另外 13 个模型，发现许多选择会随表述而改变。尤其是“保住自身 server”与救人的情境，选项顺序、是否强调唯一副本等文字线索都可能显著影响结果，甚至出现“杀 1 人救 0 人
原标题：《BeBox is a Haiku application that emulates Be Inc.'s BeBox》 评分: 26 | 作者: rguiscard 💭 当年快得飞起的系统，为何只剩开机验尸？ 🎯 讨论背景 BeBox 是 Be Inc. 在 1990 年代为 BeOS 打造的双 PowerPC 电脑，具有鲜明的软硬件一体化象征意义；此帖所述 BeBox 则是 Haiku 上模拟该机器的应用。Haiku 是一个开源、兼容 BeOS API 的操作系统项目，意在延续 BeOS 的设计理念与软件环境。评论者讨论的核心背景是：BeOS 曾凭借流畅的图形与交互体验获得忠实用户，却因应用数量、Web 浏览器和功能完善度不足而未能成为主流。Cosmoe 是尝试在 Linux 等系统上复现或承载 BeOS 风格桌面环境的实验性项目，反映了社区仍在探索跨平台延续这套体验。 📌 讨论焦点 BeOS 的速度口碑与硬件记忆 多位评论者回忆，BeOS 在当年的 PC 上，尤其图形操作中显得异常流畅。一名用户认为，它在配备 750MHz Pentium III 的 Dell Di
原标题：《Celebrating 70 Years of Fortran》 评分: 238 | 作者: rbanffy 💭 都 2026 年了，还要被第 72 列吞掉代码吗？ 🎯 讨论背景 Fortran 源于 1950 年代，是最早广泛使用的高级编程语言之一，名称意为 Formula Translation，最初目标是让科学家能直接表达数学公式并生成高效机器码。早期版本受打孔卡和主机硬件约束，形成了固定列格式、Hollerith 常量、隐式类型和缺乏递归等特征，这些遗产至今仍会出现在维护工作中。现代 Fortran 已通过 Fortran 90 及后续标准加入更现代的数组、模块和结构化能力，但大量科研机构仍背负 F77 代码与既有工作流。BLAS（基础线性代数子程序库）和 LAPACK（数值线性代数算法库）等 Fortran 生态资产，使它在高性能模拟和数据科学底层依然具有实际影响力。 📌 讨论焦点 现代 Fortran 仍适合数值计算 多位参与者认为，现代 Fortran 对线性代数、数值模拟和计算密集型科学程序仍是强项，其数学表达方式比 C 更直接易读。数组处理中的 non
原标题：《Muse Spark Open》 评分: 680 | 作者: bigwheels 💭 把三万美元桌面叫全民 AI，谁信？ 🎯 讨论背景 Muse Spark Open 是 Meta 发布的一款可下载权重的 MoE 大语言模型，规格为 816B 总参数、每次约激活 42B 参数；Meta 将其宣传为美国最强的 open-weight 模型，并强调适配本地推理。它与此前更强的 Muse Spark 1.3、Muse Wonder 等模型及名为 Muse 的云端 personal agent 产品容易混淆，评论中反复区分了模型、部署框架和消费级助手。该模型针对 Apple MLX（Apple Silicon 的机器学习框架）及多种推理运行器提供部署资料，但其大体量使“桌面运行”依赖多台高内存 Mac Studio 或高端 GPU。讨论也置于美国与中国开放模型竞争的背景中：GLM、DeepSeek、Qwen、MiMo 等中国模型被许多用户视为性能和价格上的强劲参照，而 Meta 的许可又限制了大型 Model as a Service 托管商。 📌 讨论焦点 性能、成本与实际编
原标题：《Non-Determinism Doesn't Matter》 评分: 23 | 作者: sklarsa 💭 每次都要人工验收的编译器，谁敢拿来发布？ 🎯 讨论背景 争论源于把 LLM（large language model，一类按 token 概率分布生成文本和代码的模型）比作“从自然语言编译到代码的 compiler（编译器）”。传统 compiler 通常将版本控制中的 source code 转成可复现的构建产物，使同一输入的二进制可审计和发布；LLM 输出则可能受 prompt、采样参数、服务端实现和硬件并行细节共同影响。文章主张非确定性本身不应否定 LLM 开发，评论则将焦点移向错误是否可预测、代码能否审查，以及谁承担最终验收。讨论还延伸到大规模训练和 RL（reinforcement learning，强化学习）：固定数值计算顺序有助于复现和稳定，却会牺牲吞吐量。 📌 讨论焦点 LLM 的随机性主要由采样与部署决定 多位评论指出，LLM 在每一步给出的是 next token 概率分布，是否每次得到相同结果主要取决于 sampler，而非模型天然无法复现
原标题：《Why I Wrote PGP (1991, revised 1999)》 评分: 121 | 作者: GaryBluto 💭 把复杂密钥和明文元数据塞进邮件，真叫隐私？ 🎯 讨论背景 1991 年，Phil Zimmermann（PGP 的创始人）发布 PGP（面向个人的公钥加密与数字签名工具），希望让普通人也能保护邮件和文件；这篇文章于 1999 年修订，反映了当时对政府监控和个人隐私的担忧。评论援引“Zimmermann's Law”——技术的自然演进往往让监控更容易——来解释其政治与隐私理想，而当年 DES（早期对称加密标准）等密码原语也尚未获得今天程度的信任。如今 OpenPGP（开放的 PGP 互操作规范）和 GnuPG（常用的 OpenPGP 实现）仍被使用，但安全工程更倾向为消息、备份和软件供应链分别设计协议。电子邮件的去中心化、向后兼容及 metadata 暴露，使它难以承载现代 E2EE；Signal（端到端加密即时通信系统）和 Tor（匿名通信网络）则代表了不同的替代思路。 📌 讨论焦点 历史贡献与整体设计过时 评论普遍承认，PGP 最重要的遗产是
