SGLang v0.5.12 增加对 DeepSeek V4 的完整推理支持
SGLang v0.5.12 Adds Full Inference Support for DeepSeek V4 ⭐️ 9.0/10

SGLang v0.5.12 为 DeepSeek V4 引入了全面的推理支持，包括张量并行、专家并行、上下文并行和数据并行注意力，以及针对 MegaMoE 的自定义内核如 DeepGemm 和 FlashMLA。 此版本使得在多种 NVIDIA 和 AMD 硬件上高效部署最新的 DeepSeek V4 模型成为可能，显著推动了 LLM 推理优化和 GPU 利用率的进步。 关键新增包括 HiSparse 将非活跃 KV 缓存卸载到 CPU、HiCache 与统一基数树、W4A4 MegaMoE 内核，以及适用于所有 NVIDIA GPU 的统一 Docker 镜像。

github · Fridge003 · May 16, 18:23

背景: DeepSeek V4 是一种大型语言模型，采用混合专家（MoE）和稀疏注意力，需要专门的并行性和内核优化以实现高效推理。专家并行将不同的专家分布到不同 GPU 上，而 HiSparse 则将非活跃 KV 缓存卸载到主机内存以减少 GPU 内存压力。

标签: #SGLang, #DeepSeek V4, #LLM Inference, #GPU Optimization, #Open Source

Qwen 35B 本地任务对比视频引发 OpenClaw 与 Hermes Agent 创始人辩论
Video Comparison of OpenClaw vs Hermes Agent on Qwen 35B Sparks Founders' Debate ⭐️ 9.0/10

Atomic Bot 发布了一段使用本地 Qwen 35B 模型对比 OpenClaw 和 Hermes Agent 真实任务的视频，结果显示 OpenClaw 用时 12 分钟、消耗 203k tokens，而 Hermes Agent 用时 33 分钟、消耗 257k tokens，引发了两方创始人的辩论。 这场辩论凸显了 AI Agent 开发中严谨基准测试的重要性，因为单次运行对比可能产生误导；其结果可能影响开发者对这些开源 Agent 系统的信任与采纳。 Hermes 联合创始人 Teknium 批评该视频的单次运行方法，指出 Qwen 35B 模型以输出高方差著称，并引用 Hermes 在 Wildclawbench 和 WolfBench 等标准基准上的更优表现，以及在实际用户中更高的 token 吞吐量。

rss · meng shao(@shao__meng) · May 17, 00:48

背景: OpenClaw 和 Hermes Agent 是两个著名的开源 AI Agent 系统，能够执行网页抓取和构建仪表盘等多步骤任务。视频中使用的 Qwen 35B 模型是一个混合专家（MoE）模型，拥有 350 亿总参数但仅激活 30 亿参数，专为高效本地部署设计。

社区讨论: 讨论中双方直接交锋：OpenClaw 创始人 Peter Steinberger (@steipete) 分享视频以突出性能优势，而 Hermes 联合创始人 Teknium (@Teknium) 则主张正确评估需要多次试验，并引用 Hermes 在公开基准和用户 token 吞吐量上的领先地位，部分评论者指出需要标准化测试。

标签: #AI Agents, #Qwen, #OpenClaw, #Hermes Agent, #Real-world Benchmark

从零重建 AlphaGo：对 LLM 强化学习的启示
Rebuilding AlphaGo from Scratch: Insights for LLM RL ⭐️ 9.0/10

前 DeepMind 科学家 Eric Jang 使用现代开源工具以极低预算重新实现了 AlphaGo，并讨论了其核心机制——蒙特卡洛树搜索、策略网络和价值网络——如何揭示大型语言模型强化学习中的根本挑战，如方差和信用分配。 这项工作连接了经典强化学习与现代 LLM 训练，为改进语言模型的自对弈和 RL 微调中的样本效率与信用分配提供了实用经验。它还表明复杂 AI 系统现在可以以原始成本的一小部分复现，从而使前沿研究更加民主化。 Eric Jang 的重建使用 ResNet 而非 Transformers 作为神经网络主干，指出 ResNet 在小预算设置下更具性价比。他还强调，在自对弈之前先用人类专家棋谱通过监督学习初始化网络至关重要，这一技术与通常从预训练模型开始的 LLM RL 形成对比。

rss · 跨国串门儿计划 · May 17, 02:58

背景: AlphaGo 是 DeepMind 开发的围棋 AI，它结合了深度神经网络与蒙特卡洛树搜索（MCTS）。它使用策略网络提出有希望的落子，使用价值网络评估棋盘局面，然后利用 MCTS 在这些网络指导下进行搜索模拟。AlphaGo 在 2016 年击败世界冠军李世石，展示了将搜索与习得先验结合的力量。

标签: #AlphaGo, #Reinforcement Learning, #Large Language Models, #Monte Carlo Tree Search, #AI Research

NVIDIA 发布 SANA-WM：2.6B 参数开源世界模型，可生成 1 分钟 720p 视频
NVIDIA's SANA-WM: 2.6B open-source world model for 1-min 720p video ⭐️ 8.0/10

NVIDIA 发布了 SANA-WM，这是一个 2.6B 参数的开源世界模型，可生成 1 分钟 720p 视频并支持 6 自由度（6-DoF）相机控制。该模型基于 SANA-Video 代码库，采用扩散变压器架构。 SANA-WM 代表了在精确相机控制下高效生成长视频的重要进展，可能对游戏、机器人和仿真行业产生影响。然而，社区指出模型权重尚未公开，引发了对其真正开放性的质疑。 该模型采用混合线性注意力机制，结合了 Gated DeltaNet 和 softmax 注意力，实现内存高效的长上下文建模。代码采用 Apache 2.0 许可证，模型权重遵循 NVIDIA 开放模型许可证，但权重承诺“尽快”发布，目前尚未提供。

hackernews · mjgil · May 16, 12:06 · 社区讨论

背景: AI 中的世界模型是一种机器学习系统，它建立环境的内部表示并预测其随时间变化的动态。6 自由度（6-DoF）相机控制允许沿三个平移轴（前后、左右、上下）和三个旋转轴（偏航、俯仰、滚转）移动。SANA-WM 基于 SANA-Video 架构，这是一种专为视频生成设计的扩散变压器。

社区讨论: 社区对技术成就感到兴奋，但因缺少权重而持怀疑态度。一些评论者指出合成训练数据类似于 Unreal Engine 渲染，而其他人则强调演示页面消耗大量带宽。权重未立即公开导致了对“开源”定义的辩论。

标签: #world model, #video generation, #open-source, #NVIDIA, #AI

从 Tailwind 转向结构化 CSS
Moving away from Tailwind to structured CSS ⭐️ 8.0/10

作者 Julia Evans 分享了她从 Tailwind CSS 转向编写语义化 HTML 和结构化 CSS 的个人经历，详细描述了学习过程及权衡。 这篇文章为关于 CSS 方法论持续进行的辩论提供了新视角，鼓励开发者重新考虑工具优先方法，并投资于核心 CSS 技能。 文章反思了 Tailwind 的实用类与传统 CSS 之间的权衡，强调了语义化 HTML 和可维护性的重要性。

hackernews · mpweiher · May 16, 09:14 · 社区讨论

背景: Tailwind CSS 是一个工具优先的 CSS 框架，提供低级实用类以直接在 HTML 中构建设计。它因快速开发而流行，但也因混乱 HTML 并阻止语义化标记而受到批评。相比之下，结构化 CSS 涉及使用有意义的类名组织样式，并将内容与表现分离。

社区讨论: 评论者普遍赞扬 Julia 的诚实写作。一些人同意 Tailwind 颠倒了思考 HTML 和 CSS 的顺序，而另一些人推荐 CSS Modules 作为更简单的替代方案。还有人批评 Tailwind 倡导者通常缺乏深入的 CSS 知识。

标签: #CSS, #Tailwind, #web development, #semantic HTML, #frontend

《加速》预言 AI 代理与技术依赖
Accelerando (2005) Predicted AI Agents and Tech Dependency ⭐️ 8.0/10

一则高评分社区帖子指出，查尔斯·斯特罗斯 2005 年的小说《加速》准确预见了 AI 代理的兴起及用户对其的完全依赖。评论者注意到当前技术已再现小说中的场景。 这验证了小说的先见之明，凸显科幻作品如何预见现实技术变革，从而影响关于 AI 安全、人类依赖性以及技术奇点发展轨迹的讨论。 在《加速》中，角色通过眼镜使用 AI 代理自主执行任务，丢失眼镜后便无法正常生活。这映射了当前对智能手机和 ChatGPT 等 AI 助手的依赖。

hackernews · eamag · May 16, 11:36 · 社区讨论

背景: 《加速》是英国作家查尔斯·斯特罗斯 2005 年的科幻小说，以知识共享许可证免费发布。它探讨技术奇点、AI 代理以及人类在加速世界中的转变等主题。

社区讨论: 评论者表示小说的预言正在‘成真’，并感到‘可怕’。有用户强调了一个场景：AI 代理在眼镜上运行以协助任务，丢失眼镜后完全无助。其他人称赞小说对未来奇异景象的合理描绘。

标签: #science fiction, #AI, #predictions, #technology, #singularity

AI 已打破开放 CTF 格式
AI Has Broken the Open CTF Format ⭐️ 8.0/10

前沿 AI 模型现已能自动解决大多数 CTF 挑战，削弱了这些竞赛中核心的动手解决问题和社区协作体验。 这威胁到 CTF 的教育价值——CTF 是网络安全专业人士和爱好者关键的训练场所——并可能侵蚀定义该社区的协作精神。 作者认为 AI 降低了对深入分析努力的需求，曾经需要团队合作数小时的挑战现在可以通过查询语言模型解决，改变了基本的学习过程。

hackernews · frays · May 16, 07:01 · 社区讨论

背景: CTF（夺旗赛）是一种网络安全竞赛形式，参与者通过解谜、逆向工程或入侵系统来寻找隐藏的旗标。传统上，CTF 采用开放格式，挑战由社区构建并通过创造性思考和协作手动解决，从而培养技术技能和团队情谊。

社区讨论: 评论表达了对 AI 移除协作性、需要数小时解决问题体验的沮丧，一位用户指出“替我做”的诱惑难以抗拒。一些人建议挑战难度应升级竞赛，而另一些人则质疑教育的根本性转变。

标签: #AI, #CTF, #Cybersecurity, #Education, #Community

δ-mem：基于 Delta 规则的大语言模型内存压缩
δ-mem: Delta-Rule Memory Compression for LLMs ⭐️ 8.0/10

一种名为δ-mem 的新方法利用 Delta 规则学习将过往信息压缩为固定大小的状态矩阵，为大语言模型提供高效在线记忆，避免缓存线性增长。 该方法可大幅降低长上下文大语言模型推理的内存占用，使模型在有限 GPU 内存下运行，并有望在实践中支持无限上下文窗口。 δ-mem 使用 Delta 规则更新将新令牌合并到固定大小的状态中，逼近上下文窗口的压缩极限。但它并未消除基本容量限制，相似输入查询可能产生不同激活，导致关联困难。

hackernews · 44za12 · May 16, 09:30 · 社区讨论

背景: 大语言模型通常使用随序列长度线性增长的键值（KV）缓存，长上下文时消耗巨大内存。Delta 规则学习基于期望输出与实际输出的误差调整权重，是神经网络训练的常见方法。固定大小的状态矩阵（如线性注意力模型）将历史压缩为恒定内存占用，实现恒定时间推理。

社区讨论: 评论者观点不一：有人称赞固定大小状态的想法可实现无限上下文和高效 GPU 打包，而另一些人怀疑它未能解决容量问题，因为输入微小变化会导致激活巨大差异，使缓存困难。还有人提出了实际使用中的内存成本和令牌关联缺失的担忧。

标签: #LLM, #memory compression, #AI efficiency, #online learning, #deep learning

OpenAI Codex 性能提升：重渲染减少 75%
OpenAI Codex Performance Boost: 75% Less Re-rendering ⭐️ 8.0/10

OpenAI 宣布对 Codex 进行重大性能改进，包括在线程切换时重渲染减少约 75%，以及在大型仓库中 Git 操作速度提升 10-50 倍。 这些改进使 Codex 对处理大型代码库的开发者来说响应更快，减少了后台开销，使编码会话更高效。 部分流式路径现在实现零不必要的重渲染，昂贵的 Git 操作依据操作类型减少了 10-50 倍。此外，更新还缩短了启动和首次交互的响应时间。

rss · OpenAI Developers(@OpenAIDevs) · May 16, 18:32

背景: Codex 是 OpenAI 开发的 AI 编程助手，集成在 ChatGPT 中，于 2025 年 5 月作为研究预览发布。它帮助开发者编写功能、修复错误和审查代码库。Codex 应用提供工作树和云环境，作为代理编程的命令中心。

标签: #Codex, #OpenAI, #AI coding, #performance

AI 时代，管理者该做什么亲自动手的工作？
What Hands-On IC Work Should Managers Do in the AI Era? ⭐️ 8.0/10

Julie Zhuo 根据与多位硅谷资深管理者的讨论，归纳出四类适合工程管理者的个人贡献者工作，因为 AI 时代管理者被期望亲自动手。 这标志着传统的管理者和 IC 角色分离的范式正在转变，因为 AI 工具降低了动手成本，要求管理者理解技术以做出明智决策。 四类工作包括：内部效率工具、生活质量改进、庆祝故事和愿景作品。关键禁忌是避免关键路径产品工作，因为管理者碎片化的日程可能成为瓶颈。

rss · meng shao(@shao__meng) · May 16, 14:01

背景: 传统上，工程职业分为个人贡献者（IC）和管理两条路径，管理者专注于协调和人员领导。AI 的兴起使构建更便宜、更快速，迫使管理者保持技术参与以评估团队效率和方向。

标签: #engineering management, #AI, #hands-on, #tech trends, #leadership

GitHub 推出面向 Agent 驱动开发的 Copilot 桌面应用
GitHub Launches Copilot Desktop App for Agent-Driven Dev ⭐️ 8.0/10

GitHub 正式发布了专为 Agent 驱动开发流程设计的 Copilot 桌面应用，可同时运行多个 AI Agent 工作流，并原生集成 GitHub Issues、Pull Requests 和 CI 流水线。 这标志着 AI 辅助开发的重要演进，从单智能体编码助手转向覆盖完整开发生命周期的多智能体编排，有望大幅提升开发速度并简化人类开发者与 AI Agent 之间的协作。 该应用通过集成 GitHub Issues、Pull Requests 和 CI/CD 流水线，覆盖从编码到 PR 合并的完整开发生命周期。应用可在 github.com/github/app 获取。

rss · Geek(@geekbb) · May 16, 09:33

背景: Agent 驱动开发（ADD）是一种新兴范式，其中 AI Agent 作为开发任务（如规划、编码、测试和部署）的主要执行者，而人类提供监督和战略方向。多智能体 AI 工作流则涉及在不同软件开发阶段并行使用多个专门 Agent，从而实现更快的迭代和更自主的任务执行。GitHub 的 Copilot 已从内联代码补全工具演变为支持这些高级 Agent 工作流的平台。

标签: #GitHub, #Copilot, #AI Agent, #Developer Tools, #CI/CD

X 算法开源，揭示 Grok 驱动的推荐机制
X algorithm open-sourced, reveals Grok-powered recommendation ⭐️ 8.0/10

埃隆·马斯克已将最新的 X（原 Twitter）算法发布到 GitHub 上，随后使用 Grok Build 进行的分析确认，该推荐引擎现已主要由 xAI 的 AI 聊天机器人 Grok 驱动。 该“为你推荐”系统同时抓取关注账户和全网的内容，然后使用基于 Grok 的 transformer 预测用户最可能互动的帖子。开源仓库允许开发者检查算法代码。

rss · AI Will(@FinanceYF5) · May 16, 08:20

背景: Grok 是由 xAI 开发的生成式 AI 聊天机器人，于 2023 年 11 月推出，并与 X 社交网络集成。Grok Build 是一个基于终端的 AI 编码代理，能够分析代码库并提供见解。开源推荐算法是 X 在内容策展透明度方面迈出的重要一步。

标签: #X algorithm, #Grok, #Recommendation Engine, #Open Source, #Social Media

工具使用模型中认知到行动的差距
Cognition-to-Action Gap in Tool-Using Models ⭐️ 8.0/10

一项新研究通过探测工具使用代理的隐藏状态发现，大型语言模型能正确识别何时应调用工具，但在 26%至 54%的情况下未能执行调用，且该差距完全集中在认知到行动的转换阶段。 这一发现揭示了超越提示工程的根本限制——后期层几何结构可将内部信号旋转到几乎与所需动作正交，解释了即使模型“知道”正确行为时仍持续出现工具使用失败的现象。 内部探针方向是可解码的，但后期层最后一个 token 的机制将该信号旋转到几乎与其应产生的动作正交，从而在认知正确的情况下仍阻止了成功调用工具。

rss · elvis(@omarsar0) · May 16, 20:40

背景: 隐藏状态探测是一种分析神经网络内部表征的可解释性技术。工具使用代理是扩展了调用外部工具（如 API）能力的 LLM。认知-行动差距指的是模型知道应该调用工具但实际并未生成调用。

标签: #interpretability, #tool-using agents, #hidden state probing, #cognition-action gap

令牌正成为解决问题的通用输入
Tokens as Universal Input for Problem Solving ⭐️ 8.0/10

一位著名 AI 人士发推称，令牌正迅速成为解决问题的通用输入方式，标志着转向使用令牌化表示来处理各种任务。 这很重要，因为如果令牌能够统一不同的数据类型（文本、代码、图像），它将通过使模型通过单一界面处理任何问题，加速向通用人工智能的进展。 该推文获得了超过 800 个点赞和 130 条回复，表明社区兴趣浓厚，但缺乏关于令牌化如何从文本扩展到其他模态的技术细节。

rss · Greg Brockman(@gdb) · May 16, 23:25

背景: 令牌化是自然语言处理中的基本过程，将文本分解为单词或子词等更小的单元，使机器能够处理语言。人工智能的进展已将令牌化扩展到图像和音频等其他模态，使令牌成为解决问题的潜在通用表示。

标签: #AI, #LLM, #tokens, #problem-solving, #AGI

Codex 技能分析代码复杂度热点
Codex Skill Analyzes Code Complexity Hotspots ⭐️ 8.0/10

Greg Brockman 转发了 Kappaemme 制作的 Codex 技能，该技能可自动扫描代码库中的计算复杂度热点（如 O(n²) 循环和重复查找），并提出安全的优化建议。 这展示了 AI 驱动的编码代理在提升软件性能方面的实际应用，可能减少手动分析和优化的工作量。它凸显了 Codex 在代码生成之外，辅助处理真实工程任务的能力。 该技能是开源的，可通过命令 npx --yes codex-complexity-optimizer 一键安装。它提供优化前后的复杂度估算、风险等级和测试建议，默认只生成报告以避免破坏性更改。

rss · Greg Brockman(@gdb) · May 16, 13:49

背景: OpenAI Codex 是一种 AI 编码代理，可自动化从规划到部署的软件工程任务。它可作为 CLI 工具使用，也可集成到 IDE 中。计算复杂度分析有助于识别导致性能瓶颈的低效代码模式。

社区讨论: 该推文获得了超过 1385 个点赞和 56 条回复，表明兴趣浓厚。社区评论可能称赞该工具的实用性；但输入中未提供具体评论。

标签: #AI, #Codex, #computational complexity, #optimization, #Greg Brockman

Cerebras 提交 600 亿美元 IPO 申请
Cerebras Files for $60B IPO ⭐️ 8.0/10

据报道，Cerebras Systems 正在提交一份价值 600 亿美元的首次公开募股申请，这将是近年来规模最大的科技公司 IPO 之一。 此次 IPO 凸显了对专用 AI 硬件日益增长的需求，可能为 Cerebras 提供扩大其独特晶圆级芯片生产的资金，从而有可能重塑 AI 半导体格局。 Cerebras 以其晶圆级引擎（WSE）闻名，这是一款用于高性能计算和 AI 训练的超大单芯片处理器，该公司已与美国能源部等机构达成交易。

rss · Latent.Space · May 16, 04:36

背景: Cerebras Systems 设计并制造了有史以来最大的计算机芯片——晶圆级引擎，该芯片将整个硅晶圆用作单个处理器。与传统从晶圆上切割芯片不同，Cerebras 保持晶圆完整，从而实现面向 AI 工作负载的大规模并行处理。其芯片应用于如 Doe 超级计算机等系统中，该系统拥有超过 40 万个 AI 核心。

标签: #AI Hardware, #IPO, #Cerebras, #Semiconductors

阿尼尔·塞思：有意识的 AI 是一种投射，并非必然
Anil Seth: Conscious AI is a projection, not inevitable ⭐️ 8.0/10

神经科学家阿尼尔·塞思认为，认为有意识 AI 必然出现的信念是人类将意识投射到机器上的倾向，类似于在云中看到人脸。 这挑战了许多 AI 专家普遍持有的假设，即意识最终会在机器中出现，进而影响 AI 发展和伦理辩论。 塞思强调，像大型语言模型这样的先进 AI 是出色的模仿者，但并非有感知力的存在，而意识根植于生物体的生理基础。

rss · TED · May 16, 19:00

背景: 阿尼尔·塞思是一位神经科学家，以其理论闻名，该理论认为意识源于大脑的预测过程，而非独立的属性。他区分了解释意识如何产生的“真实问题”和为什么会有感受的“困难问题”。塞思认为，对真实问题的研究可能会消解困难问题，并将这一观点应用于 AI，指出机器缺乏真正意识的生物基础。

标签: #AI, #consciousness, #neuroscience, #philosophy

思考机器实验室推出实时 AI 交互模型
Thinking Machines Labs Unveils Real-Time AI Interaction Models ⭐️ 8.0/10

思考机器实验室展示了一种名为“交互模型”的新 AI 系统，能够在人讲话时进行实时翻译，并理解对话中的时间、停顿和姿态等细微差别。 这标志着超越了现有 AI 助手的重大进步，实现了更自然、类人的交互，能够打断并基于完整上下文做出回应，有望改变客户服务、翻译和协作工具。 该模型处理连续的音频流而非分段音频，从而能在讲话进行时产生翻译输出，并且它还整合了来自姿态和面部表情的视觉线索。

rss · Matt Wolfe · May 16, 23:48

背景: 传统的 AI 模型针对自主任务进行优化，通常在用户说完后才做出回应。交互模型专为实时双向通信设计，AI 能在说话的同时倾听并根据对话流调整，类似于人类对话。

标签: #AI, #Interaction Models, #Real-time Translation, #Thinking Machines Labs, #AI Demos

HackerNews 十大热门：AI 批评、游戏法案、隐私与开源
Top 10 HackerNews Stories: AI Critique, Gaming Bill, Privacy, Open Source ⭐️ 8.0/10

一份精心策划的列表，总结了 2026 年 5 月 17 日 HackerNews 上十大热门故事，涉及 AI 行业批评、加州在线游戏保护法案、数据传票隐私问题、JavaScript 生态系统漏洞以及英伟达开源视频生成模型 SANA-WM。 这份汇总突显了技术领域的关键辩论和进展，从 AI 过度依赖、游戏保存到开源进步，反映了社区的优先事项和担忧。 值得注意的项目包括 Mitchell Hashimoto 关于'AI 精神错乱'的警告、加州要求游戏退款或离线模式的法案、司法部传唤超过 10 万用户数据、一则讽刺 npm 供应链攻击的文章，以及英伟达的 SANA-WM 模型可在单 GPU 上生成长达一分钟的 720p 视频。

rss · HackerNews每日摘要 on SuperTechFans · May 16, 23:38

背景: HackerNews 是一个专注于计算机科学和创业的社会新闻网站，社区对故事进行投票。这份精心策划的列表汇总了 2026 年 5 月 17 日的热门故事，提供了当前技术讨论的快照。

社区讨论: 在关于 AI 精神错乱的热门故事中，社区表达了对 AI 炒作、潜在失业风险以及经济需求崩溃的担忧。一些人认为 AI 将增强而非取代人类工作，而另一些人则强调了重新分配生产力收益的挑战。

标签: #HackerNews, #AI, #开源, #数据隐私, #技术新闻

美司法部要求苹果谷歌识别 10 万汽车改装应用用户
DOJ Demands Apple, Google Identify 100k Car Tuning App Users ⭐️ 8.0/10

美国司法部向苹果、谷歌和亚马逊发出传票，要求其识别超过 10 万名汽车改装应用 EZ Lynk 的用户，作为调查潜在《清洁空气法》违规行为的一部分。 此案凸显了执法部门对用户数据的需求与个人隐私权之间的紧张关系，尤其是在请求范围广泛的情况下。其结果可能为科技公司如何处理大规模政府数据请求树立先例。 传票于 2026 年 3 月和 4 月发出。据报道，苹果和谷歌计划以请求范围过广为由提出质疑，认为这超出了调查范围，并引发了隐私担忧。

telegram · zaihuapd · May 16, 05:34

背景: 《清洁空气法》要求车辆制造商对排放控制进行认证。禁用这些控制的后市场设备是非法的。EZ Lynk 销售允许用户修改发动机参数的软硬件，可能绕过排放系统。司法部于 2021 年首次起诉 EZ Lynk。此次数据请求旨在识别可能使用该产品进行非法排放篡改的客户。

标签: #privacy, #legal, #tech companies, #government surveillance, #car tuning

Google 将操纵 AI 搜索结果列入垃圾政策
Google Bans Manipulation of AI Search Results in Spam Policy ⭐️ 8.0/10

Google 更新了搜索垃圾内容政策，明确禁止操纵生成式 AI 搜索回应，包括 AI Overviews 和 AI Mode 等内容，此举直接针对类似生成引擎优化（GEO）的做法。 这一政策转变确立了 AI 时代 SEO 的明确规则，威胁使用 GEO 策略的网站可能面临排名降权或从搜索结果中移除，表明 Google 维护其 AI 驱动搜索功能完整性的决心。 新政策将操纵 AI 搜索回应与传统搜索排名操纵等同对待，违规可能导致网站降权或完全从 Google 索引中移除。常见的 GEO 手法包括批量生成有偏见的“最佳推荐”内容或在网页中嵌入提示语以影响模型引用。

telegram · zaihuapd · May 16, 06:31

背景: AI Overviews 是 Google 搜索中的一个 AI 功能，能从多个来源生成简洁摘要，但因其准确性和减少网站流量而受到批评。生成引擎优化（GEO）作为一种提升内容在 AI 生成回应中可见度的做法兴起，常通过批量生产有利内容或隐藏指令等方式。Google 更新的垃圾政策现在明确禁止这些操纵手段，将其与传统 SEO 垃圾同等对待。

标签: #Google, #AI search, #spam policy, #SEO, #GEO