📰 Hacker News Top 10 - 2026-03-11
今日头条概览
今天的 HN Top 10 涵盖了科技界的多个重要话题：从传奇计算机科学家 Tony Hoare 离世，到亚马逊针对 AI 辅助变更的新政策，再到 Redox OS 禁止 LLM 贡献的决定，以及 Yann LeCun 筹集 10 亿美元打造理解物理世界的 AI 项目。还有个人开发者用两张游戏显卡登顶 HuggingFace 开源 LLM 排行榜的精彩故事。
1. Tony Hoare has died (得分: 1375)
传奇计算机科学家、快速排序算法发明者、CSP 理论创始人 Tony Hoare 爵士离世，享年 92 岁。他的工作对计算机科学领域产生了深远影响。
用户评论精选：
“有两种构建软件设计的方法：一种是把它做得足够简单，明显没有缺陷；另一种是把它做得足够复杂，没有明显的缺陷。” —— Tony Hoare 最著名的语录，适用于任何复杂系统，而不仅仅是软件。
牛津大学曾想以他的名字命名一栋楼，但遇到了”Hoare house”发音与”whore house”相同的尴尬问题，最后决定使用”C.A.R. Hoare Residence”作为解决方案。
Dijkstra 在临终前整理信件时，告诉帮忙的教授”保留和 Tony 的通信，扔掉其他的”，可见 Tony Hoare 在同行心中的地位。
RIP Tony，我们现在的行业似乎已经完全拥抱了第二种方法。
2. Online age-verification tools for child safety are surveilling adults (得分: 513)
为了儿童安全而推出的在线年龄验证工具正在大规模监控成年人，引发了隐私方面的广泛担忧。
用户评论精选：
这些”保护儿童”的道德恐慌法律，最终导致的是广泛的监控、VPN 禁令，以及独立网站运营成本上升到不可持续的水平。而且不仅是色情内容，任何被认为”对未成年人有害”的内容都会受到影响，包括 LGBTQ 讨论论坛、性健康信息、异见政治观点等。
年龄验证本质上需要身份验证。英国《在线安全法》最初有一个提案，允许用户在街角商店用现金匿名购买 ID 码，就像买酒一样只需要向收银员出示身份证，但这个方案从未被实施，因为政府和企业更希望将所有在线使用行为与政府 ID 关联起来。
关于儿童的悲情故事总是被武器化用于压迫：过去被用来反对跨种族婚姻、同性恋权利、压制异见、攻击第一修正案，现在又被用在这里。
年龄验证不会阻止坚定的不良行为者，它只会建立一个所有合作者的数据库。
3. I put my whole life into a single database (得分: 409)
作者花了三年时间构建了一个个人数据库，记录了自己生活的方方面面，包括旅行、健康、财务等数据。
用户评论精选：
作者自己的总结：总的来说，花了这么多时间构建这个项目，最后结论是不值得自己开发解决方案。三年前开始这个项目时，我期望能学到更多令人惊讶的有趣事实，但回顾过去，投入的数百小时并不值得。”量化自我”运动可能更多是关于强迫症和完美主义，而不是其他。
反例：我戴了近 10 年 Apple Watch，数据显示我的心脏节律一直比较”弱”，但医生看了十年的数据后判断这是我的正常状态，而不是心力衰竭。数据可能十年都没用，但有一天会变得至关重要，收益是不均衡的。
另一个用户发现，作者仅飞行每年就产生 70-110 吨二氧化碳排放，而巴黎协定要求每人每年所有活动的排放指标是 1.5 吨，作者的飞行排放就是欧洲人均年排放量的 10-15 倍，是 1.5 度目标兼容排放量的 50-75 倍。
我的经验是，跟踪”营养”和”睡眠时间”等客观指标对于反思问题非常有用，但跟踪”情绪”或”压力”等主观指标则毫无意义，因为享乐适应或剧烈波动会让问题变得显而易见，不需要跟踪。
4. After outages, Amazon to make senior engineers sign off on AI-assisted changes (得分: 394)
在多次服务中断后，亚马逊推出新政策：初级和中级工程师的 AI 辅助变更需要高级工程师签字批准。
用户评论精选：
所谓的”强制会议”其实是每周例行的公司全员会议，讨论最近的运营问题，媒体有点小题大做了。不过要求高级工程师签署 AI 辅助变更的政策确实是新的。
高级工程师审查是经理们最大的”银弹”幻觉之一。让一个人（无论是否高级）以验证代码是否达到自己经验水平所需的粒度来检查代码或配置，所需的时间接近他们自己完成这项工作的时间。高级审查是有价值的，但它不能把坏代码变成好代码。
我所了解的亚马逊，员工只关心 a. 不被解雇 b. 晋升。对于开发人员来说，评估矩阵是这样的：1. 交付：完成任务否则被 pip。2. PR 上的评论越少越好：出于某种极其愚蠢的原因，PR 被彻底审查被认为是质量差的标志。L7 及以上用这个指标来淘汰人。3. 文档：写文档，让别人审阅，以显示你的高水平。在这种文化下，要求人们放弃自我保护是行不通的。
如果 AI 创建的 diff 以前所未有的 10 倍速度生成，但人工审查是瓶颈，那么整个系统的产出速度和以前完全一样。你增加的只是成本、不确定性，以及工程师对系统的熟悉程度降低。
5. Meta acquires Moltbook (得分: 379)
Meta 收购了 AI 代理社交网络 Moltbook，团队将加入 Meta 超级智能实验室（MSL）。
用户评论精选：
Moltbook 是一个让人们 LARP 扮演 AI 代理的社交网络，我以为这是个玩笑，不知道 Meta 收购它的目的是什么。据说收购是为了其验证技术，或者为了雇佣研究代理身份验证的人员，但 Moltbook 网站上唯一的验证方式是与 Twitter 的 OAuth 连接。
正确的解读：这更像是 Meta 雇佣了 Moltbook 背后的两人团队，而不是收购产品。
Meta 收购了 Moltbook，这是一个 AI 机器人社交网络，本身是由 AI 机器人构建的，还发生过严重的安全漏洞，任何人都可以冒充任何机器人，其创始人甚至坦率地承认他”一行代码都没写”。这个产品要进入 Meta 超级智能实验室，也就是他们为 Alexandr Wang 设立的部门，不知道这怎么能让他们更接近超级智能。
Facebook 的信息流大部分是 AI 垃圾内容，Moltbook 的信息流大部分是人类伪装成 AI，所以两者之间有很好的协同效应。
6. Redox OS has adopted a Certificate of Origin policy and a strict no-LLM policy (得分: 361)
Redox OS 采用了严格的无 LLM 贡献政策，任何明确标记为 LLM 生成的内容（包括 issue、合并请求及其描述）将被立即关闭，任何试图绕过该政策的行为将导致被项目封禁。
用户评论精选：
我认为这是一个合理的决定（尽管可能越来越不够）。不管你对 AI 的立场如何，问题是 OSS 维护者的审查负担增加了。过去，代码本身就是一种努力的证明——你需要在 PR 上投入一些时间和精力，否则一眼就会被驳回。现在情况不再如此，因为 LLM 可以快速生成看起来表面上正确的 PR。这样的政策有助于减少审查负担，直接拒绝那些一眼就能识别为 LLM 生成的代码。
我对 100 多个主要开源项目做了调查，其中四个项目禁止 AI 辅助提交（NetBSD、GIMP、Zig 和 qemu）。另一方面，已经有 AI 辅助提交的项目包括 Linux、curl、io_uring、MariaDB、DuckDB、Elasticsearch 等。在接受调查的 112 个项目中，有 70 个已经有 AI 辅助提交。
现在我知道要避免哪些软件了：那些禁止合法工具使用的软件。我不尊重这种保护主义的禁令。这些人在 125 年前会坚持驾驶马车，因为人们还在习惯驾驶汽车。
LLM 禁令是不可执行的，他们肯定知道这一点。这是为了吓跑最明显的低质量 PR，并且在证据不完整的情况下可以轻松地将人踢出去吗？
任何足够先进的 LLM 生成的垃圾内容都将与普通人类垃圾内容无法区分。但这正是他们想要的。这种启发式方法让项目能够以最小的投资标记有问题的内容，避免审查低质量、低努力、高数量贡献的成本问题，这应该是近乎理想的。就像在艺术摄影网站上禁止色情内容一样，规则边界的完美应用远不如标准情况下的过滤能力重要——“我看到它就知道”。
7. Two Years of Emacs Solo (得分: 334)
作者分享了两年来不使用任何外部 Emacs 包，全部自己编写配置的经验。
用户评论精选：
最让我抓狂的是 Emacs 默认在你编辑
/etc/nginx/sites-enabled/foo文件时会在同一目录下创建foo~备份文件，而 nginx 会尝试加载这个文件。当我在 Emacs 社区问这个问题时，他们开始攻击我，说我改变了适合所有人的默认设置，只有我需要这样做。我仍然不敢相信只有我觉得这个默认设置糟透了。有趣的故事：过去有个有 15 年经验的胡子 sysadmin，说 vim 很不稳定，经常崩溃。后来发现他总是不小心按到 C-z 挂起 vim，却从来没听说过 job control（bg、fg 等命令），以为程序崩溃了。这哪里是 15 年经验，是 1 年经验重复了 15 次。
这篇文章展示了 Emacs 在创建几十年后仍然是一个美丽、相关的项目。核心设计和实现能够发展成今天仍然有用、可以与现代工具竞争的东西，这是一项惊人的成就。随着 LLM 推动当前的大部分开发，它可能会让 Emacs 相对于现代 IDE 更具竞争力。开发可以主要由 Claude Code 等代理从命令行驱动，然后使用 Emacs 导航和调整代码、处理 Git 提交等。
“这意味着代码有时不太可靠，但它在我的控制之下。我写的，我理解，当它出问题时，我确切地知道去哪里找。” 这让我深有同感。我不是一个”无外部包”的纯粹主义者，但有很多功能我自己写，因为没有完全符合我想要的东西。
完全从头开始做所有事情是浪费时间，除非你享受这个过程（在这种情况下尽情去做）。这大致相当于试图自己从零开始发现我们所有的科学知识，而不是”理所当然”地接受前辈发现的知识。这样做没有什么可耻或不利的。当然，写自己的包也是必要的，但光靠写是不够的，阅读他人的代码也很重要。
8. Yann LeCun raises $1B to build AI that understands the physical world (得分: 281)
图灵奖得主 Yann LeCun 筹集了 10 亿美元，创立新公司 AMI，致力于构建能够理解物理世界的 AI。
用户评论精选：
这是合理的。世界模型有更多的自由度。LLM 从根本上是有上限的，因为它们只从静态文本——人类关于世界的交流——中学习，而不是从世界本身学习，这就是为什么它们可以重新混合现有想法，但几乎不可能产生真正新颖的发现或发明。一个资金充足、运营良好的初创公司构建物理世界模型（基于时空理解，而不仅仅是语言模式），将解决我所认为的 AGI 的实际瓶颈。即使他们只是部分成功，也可能解锁当前 LLM 结构上无法达到的泛化和创造性火花。
我不理解这种观点。在我看来，AGI 的根本瓶颈是持续学习和反向传播。今天的模型是静态的，人类大脑学习或适应自己的方式与反向传播完全不同。世界模型并没有解决这些问题；它们本质上是我们习惯使用的同一种深度学习架构。如果你认为从世界本身学习是瓶颈，你可以把一个视觉-动作 LLM 放在机器人/模拟身体的强化学习循环中。
Yann LeCun 去年八月和我共进午餐时告诉我，Alex Wang 成为他的”老板”后，他会先试一两个月，看看情况如何，然后决定是留下还是另谋高就。我建议他如果决定离开 Meta，就创立自己的公司，追逐自己的梦想，而不是为别人的梦想工作。
他的团队雇佣了 LeBrun 担任 CEO，LeFunde 担任 CFO，LeTune 担任后训练主管，还在考虑雇佣 LeMune 担任增长主管，LePrune 负责推理效率。（名字梗）
要想在新企业中取得成功，他需要少花点时间在 Twitter 上。
9. Debian decides not to decide on AI-generated contributions (得分: 261)
Debian 项目决定暂不就 AI 生成的贡献制定明确政策，目前采取观望态度。
用户评论精选：
我的情况：我几乎一辈子都在写代码，但几年前我的手腕受了相当严重的永久性损伤，几乎不能打字。这让我无法从事全职工作。随着 LLM、AI 自动补全和基于代理的开发工作流的出现，我交付可靠、高质量代码的能力恢复了，甚至可以说更好了。我个人从无障碍的角度大力倡导 AI。我确切地知道我想要什么输出，并严格控制它，但现在掌舵的是 AI 和我的声音，而不是我的指尖。
你是一个理性的人，假设其他使用 AI 的人也像你一样理性，知道如何正确使用 AI，但这并没有解决争议。我们听到的传闻是，项目收到的 PR 多到无法审查，这些 PR 质量明显很低，贡献者的动机是自私的（比如为了在 Github 个人资料上获得学分）。在这种情况下，PR 不是带着你投入工作的同样诚意提交的。
我采用的技术是：我不会把高层问题扔给 AI，然后审查一大堆更改。我会把我已经打算实现的技术解决方案告诉它，然后让它生成我本来要写的代码。这大大减少了审查疲劳，因为我已经确切地知道我期望看到什么，所以我的审查主要集中在偏差上。
真正的不变量是责任：如果你提交了一个补丁，你就拥有它。你应该理解它，能够为设计选择辩护，并在需要时维护它。
浪费任何时间或精力来确定来源是否是 AI 是愚蠢的。如果所有要求都得到满足，无论是风格指南、文档、功能、全面测试还是正确性，那就是好的。不管是 AI 写的，还是 Computronistan 本地人精心手工制作的字节码。
10. Show HN: How I Topped the HuggingFace Open LLM Leaderboard on Two Gaming GPUs (得分: 260)
个人开发者仅用两张 RTX 4090 游戏显卡，通过复制 Qwen2-72B 模型中间的 7 层结构，在不修改任何权重的情况下，登顶 HuggingFace 开源 LLM 排行榜。
用户评论精选：
作者：我发现在 Qwen2-72B 中复制特定的 7 个中间层块，不修改任何权重，就能提高所有 Open LLM 排行榜基准的性能，并获得了第一名。奇怪的发现：单层复制没有效果。层数太少，什么都不会发生。太多了，效果会变差。只有约 7 层的电路大小块才有效。这表明预训练在层栈中刻划出了离散的功能电路，只有完整保留时才能工作。整个项目是在我地下室的 2 张 RTX 4090 上开发的。
认为模型层中可能隐藏着认知通用语的想法非常有趣，让我对一个巧妙的想法充满希望：可插拔知识库。MoE 尚且不论，一个在整个互联网和几十万本被盗书籍上训练的模型，携带的知识远远超过任何给定工作流程实际需要的。如果我们能够交付精简的模型，在其中插入对今天工作有用的知识库，而且只插入那些，那就太好了。这也意味着你可以保持模型知识的新鲜，而不需要重新训练整个模型。
我觉得你可能破解了潜在空间推理。我一直有预感这样的方法会奏效，但不知道训练如何反向传播。但你已经证明，你只需要复制现有的层。
学术文献似乎正在跟上：
- SOLAR / DUS (Kim et al., 2023)：复制 Transformer 层构建了一个 10.7B 模型，性能优于 30B 参数基线。
- 《深度的诅咒》(2025)：解释了为什么这样做有效：Pre-LN 导致深度 Transformer 层收敛到恒等函数，这意味着中间层是真正计算发生的地方，复制它们可以集中这种能力。
- 《用潜在推理扩展测试时计算：循环深度方法》(Geiping et al., NeurIPS 2025)：将这个想法推向逻辑结论：用单个循环块训练的模型在推理时重复，在不增加参数的情况下扩展推理深度。
今日趋势总结
- AI 监管与政策：多家公司和开源项目正在制定 AI 相关的使用政策，亚马逊要求高级工程师审批 AI 辅助变更，Redox OS 全面禁止 LLM 贡献，而 Debian 则选择观望态度，反映了行业对 AI 工具使用的不同立场。
- AI 基础设施创新：从 Yann LeCun 筹集 10 亿美元打造物理世界理解 AI，到个人开发者用消费级显卡优化 LLM 性能，AI 技术的创新正在大公司和个人开发者两个层面同时推进。
- 隐私与安全担忧：儿童安全政策导致的大规模监控，以及开源项目面临的 AI 生成低质量 PR 泛滥问题，都反映了技术进步带来的新挑战。
- 缅怀先驱：Tony Hoare 爵士的离世让整个科技社区缅怀他的贡献，他的思想至今仍然影响着软件开发的方方面面。
关于 Hacker News
Hacker News 是由 Y Combinator 运营的科技新闻网站，聚焦于计算机科学、创业、技术等话题，是全球技术社区最有影响力的信息平台之一。本摘要每日更新，精选过去 24 小时最热门的 10 篇文章和精彩评论。