#Tech

人工智能正在渗透到越来越多的领域，甚至包括私密生活。如今，市场上涌现出一种低成本的联网设备，配备生物反馈传感器，它们能够根据用户的反应进行调整，以优化体验，并声称学习用户的偏好。然而，这些设备收集的生物数据极其敏感，一旦被导出到不透明的系统，将引发严重的隐私担忧。这些数据远比浏览历史或购物清单更具信息量，涉及反应模式、时机和强度等细节，并可能被用于个人信息交易市场。

斯坦福大学的 CS 153 课程聚焦于“前沿系统”，探讨能源、硅、模型等基础设施领域的变革性升级。课程汇集了包括 Sam Altman、Satya Nadella、Jensen Huang 等全球科技领袖，每周深入剖析技术进步中的瓶颈。学习者将参与一个名为“个人前沿实验室”的 10 周项目，旨在通过个人力量创造价值并探索自我拓展的极限。本课程将于 2026 年春季开课，形式为周二/周四下午 12:00-1:20。

“可食用植物数据库”是一个汇集了园艺师、采集者、种子保护者、植物育种者和研究者所需信息的综合资源。目前已上传约749个文件和图片，旨在为每种作物提供详细信息，包括植物鉴定、分类学、多样性、生长条件、食用部分及安全烹饪方法、其他用途以及生命周期等。网站已完成54个物种页面的基础信息构建，主要涵盖豆科、茄科、葫芦科、伞形科和蔷薇科等家族。此外，还包括植物属的识别信息页面和植物科的分类体系。

人工智能算力正在经历金融化的过程，GPU小时已经在现货市场交易，并被转化为数十亿美元的债务工具，同时预售容量也已成为常态。多家初创公司（如Ornn、Architect Financial、OneChronos、Compute Exchange）正在构建期货交易所和定价指数，并有项目（如GAIB、USD.AI）致力于将GPU能力上链。文章指出，由于基础设施紧张、成本飙升以及对风险对冲的需求，算力衍生品市场正在形成。尽管面临GPU贬值、供应集中和标准化缺失等挑战，但现已出现GPU资产支持债务、期货交易所和衍生品市场等现象，预示着算力金融化正在萌芽阶段。

Codeonix是一款免费、开源的Python自动化工具，无需服务器，即可将Python脚本转换为强大的桌面自动化程序。它提供14种触发器类型，包括计划任务、Webhook、文件变化、设备连接等，并通过环境变量将上下文注入到脚本中。用户可以通过内置的Monaco编辑器编写Python脚本，或使用AI代码生成功能。此外，Codeonix还包含捆绑的Python环境、社区脚本分享平台以及Quick-Run 快速运行覆盖层，方便用户快速部署和管理自动化任务。

文章讨论了“智能编程”（Agentic Coding）带来的新的工作模式对开发者造成的负面影响。这种模式下，开发者不再能像传统编程那样有喘息的空间，而是需要不断地管理和审核由大型语言模型（LLMs）生成的代码，导致认知疲劳和决策疲劳加剧。开发者意识到，过度依赖LLMs，并在不断地进行判断和监督，反而降低了工作效率并可能导致职业倦怠。文章指出，简单地增加代理数量无法解决根本问题，需要改进代码审查和验证流程，但同时也对LLMs构建的验证系统本身的可靠性表示担忧。

开发者为解决 Mac 屏幕录制器 TinyRec 导出速度慢的问题，对其导出流程进行了重写。最初的实现使用 PixiJS 进行渲染预览和 WebCodecs 进行视频编码，但由于 PixiJS 将所有操作绑定到主线程，导致导出 720p 视频需要 15 分钟，且界面卡顿。 为了解决这个问题，开发者将导出管道重写为独立的 Rust 二进制文件，通过标准输入/输出与 Electron 应用通信，并采用 Metal 渲染和 Apple Silicon 的 VideoToolbox 硬件编码加速。最终，导出时间从 15 分钟缩短到 1 分钟，显著提升了用户体验。

一位用户在深夜通过测试ChatGPT时，意外发现模型持续返回“草莓中含有3个e”的答案，而用户原本以为是在测试“r”的个数。这引发了对AI模型训练偏差、过度补偿以及用户思维误导等问题的思考。随后用户在测试“十七”单词时也遇到了同样的问题，最终意识到自己一直是在询问“e”的个数。此事件再次引发关于ChatGPT的准确性和训练方式的讨论，并被用户分享到Hackernews。