全网AI集体翻车,为什么它们死活画不对13个鸡蛋?
虎嗅 · 17 小时前
本文来自微信公众号: 果壳 ,作者:Steed,原文标题:《全网AI集体翻车!为什么它们死活画不对13个鸡蛋?》给你一张白纸,画13个鸡蛋,你需要多久?一分钟?画一个数一个,画完再点一遍,大概连橡皮都用不上。可这道题交给AI,它画了十几轮,一轮也没画对。11月18日,“让豆包画13个鸡蛋”就这么冲上了微博热搜,话题热度当天破了百万。从热搜里流传的截图看,经过是这样的。“让豆包画13个鸡蛋”,这是第一轮丨微博用户@一号哨位“让豆包画13个鸡蛋”,这是第二轮丨微博用户@一号哨位“让豆包画13个鸡蛋”,这是第三轮丨微博用户@一号哨位“让豆包画13个鸡蛋”,不知道是第几轮了丨微博用户@一号哨位“11号呢?”这句话成了全网热梗。更好笑的是,每一轮豆包都说“这次锁定了”,每一次都没数对。到最后,它自己认了输:别做图了,用文字清单最稳,4+4+5=13。网友管这叫“滑跪式认错”。翻车的不止豆包。热搜当晚,“哪家AI能画对13个鸡蛋”成了全网自发的测试题。有网友测到,千问画出过12、15、16个,可灵画出12个,即梦画出了12个半。也有人说豆包试到第4次就成功了,ChatGPT一次就画对了。同一道题,有人一次就过,有人十几轮都不过。这种时灵时不灵,本身就是线索。为什么偏偏是13蛋托的标准款多是12格,模型在训练中见得最多的,很可能就是一盒装满的12个。你写“盒子里13个鸡蛋”,它先画出一个装满的标准盒子,第13个就没地方放了。有人把“盒子里”改成“桌上散放”,难度立刻降了一截。13还是个质数。12可以排成3×4或2×6,整整齐齐。13只能排成1×13,放进任何规整的格子,都要多出一个或空出几格。据博主零重力瓦力的一次横测,9个模型里有4家画对了。结果里还有个细节:画对的,基本把蛋排成了不整齐的布局。画错的,倾向于凑整行整列。画错的模型,把“排整齐”看得比“数对”更重要。AI有时候也能生成13个鸡蛋丨Gemini这只是单次测试,不能当排行榜看。再看数量本身。网友的观察是,个数少的时候还算靠谱,一到十几个,就在12、14、15、18之间来回跳。13刚好落在这一段。占不满格的蛋托、排不齐的质数、数不清的十几个,13一个数全占了。它不是在画,是在“显影”数不清的根子,出在AI的画法上。人画13个蛋,是先在纸上标好位置,画一个数一个,漏了就补。主流的AI生图模型大多走扩散路线,画法完全两样。它从一张纯噪声图开始,就像老式电视没信号时的雪花屏。然后一遍遍去噪,每一步都问自己:如果这张图是“一盒鸡蛋”,哪里该亮,哪里该暗。几十步之后,画面从模糊变清晰。这更像冲洗照片,整张相纸一起显影,没有哪一笔是先画的。模型内部也没有“已经画了几个”这样的计数器,数量只能靠画面各部分之间的关系隐约维持。物体一多,这种维持就松了。扩散模型出图时,整张画面从一片“雪花”开始,一遍遍去噪,逐渐显影成清晰的图像,中间没有“画一个、数一个”的步骤丨作者生成的示意图,底图来自Famartin/Wikimedia Commons(CC BY-SA 4.0)它学的是“看起来像”。看过海量的鸡蛋照片,学会了一盒鸡蛋大概长什么样,却没学会13在画面上对应几个蛋。2025年3月有篇论文,标题直译过来是“文生图扩散模型不会数数,改提示词也没用”。研究者测了15个模型,豆包、可灵、混元、通义万相都在名单里。也就是说,这道题一年多前就有人认真考过,豆包当时就在考场上。结果很一致:要求画1到5个物体,各模型准确率约60%到80%;6到10个,降到约10%到30%;11到15个,几乎所有模型都低于10%。13正好落在最难的一档。2025年3月的论文里,豆包被要求画“N个苹果放在木桌上”,N从1到15。数量一多,画出来的个数就对不上了丨Guo et al.,arXiv:2503.06884(CC BY 4.0)总体最好的Imagen-3,平均准确率也只有43%。研究者还试了几种改写:把数量拆成乘法、加法,平均准确率反而分别降到26%和23%;连指定每个物体放在哪里,也降到了20%。热搜里网友一轮轮改写、换排布,论文一年多前就替大家试过了,结论是——越改越差。同一篇论文按难度分档测试:左边两列是简单题(1到4个),中间是中等题(9个),右边是困难题(13到15个)。打勾表示数对,打叉表示数错。“13棵树”这道题,所有模型都错了丨Guo et al.,arXiv:2503.06884(CC BY 4.0)另一篇2025年10月的论文,解释了为什么有时画对、有时画错。每次图片生成都从一张全新的随机噪声图开始,最后画出几个物体、画在哪里,很大程度上在这张噪声图里就定了个大概。提示词里的数字,反而是个弱信号。所以“偶尔画对”很像抽卡,撞上了一张恰好适合画13个蛋的噪声图。豆包一次出的4张图里,15颗、11颗、13颗混在一起,也是这个道理。重新生成一次,就是重抽一次;就算在上一张的基础上改,它也不会去数。所以越改越乱,并不奇怪。为什么画错了还嘴硬?问题出在分工上。负责聊天的模型,完全知道13是多少。单独问它“12后面是几”,几乎不会答错。但出图的通常是另一个模型,它拿到的只是一段文字描述,13只是其中一个词。各家产品内部怎么分工,大多没有公开。很可能的情况是,聊天模型说“已补到13个”,意思是“我已经按要求下了指令”,不等于它看过、数过那张图。就算它回头去看,数数也是它的弱项。让它“完成前数一遍”,等于让它用最弱的能力给自己验收。“你说得对”,几乎是ChatGPT的招牌式回答了丨ChatGPT嘴硬还有一层原因:聊天模型天生爱顺着人说话。你追问“真的是13个吗”,它容易先答“是”;等你指出只有12个,它又马上改口“确实只有12个”。它不是在核对,是在接你的话。模型说“已补到13个”,和它真的画出13个,是两回事。怎么才能画对想让它画对,网友有几个办法。把“盒子里”改成“桌上散放”,绕开12格的模板。让鸡蛋之间留出空隙,免得粘连。先画标准的一盒12个,再局部重绘加1个。让它先画一个,再在画布上复制13份。还有人直接写排布:第一排5个,第二排5个,第三排3个。这招有人说几乎一次就对,也有人说还是不行。说管用的,多半是运气和场景简化(比如拿掉蛋托)一起起了作用。改写提示词,治不了根。学术界的解法在另一个方向。有研究给模型加上“边画边数、少了就补”的环节,原版模型的准确率只有26%,加上这个环节后到了54%,翻了一倍。给模型加上“边画边数、少了就补”的环节(上排)后,6只小猫、5个鸡蛋都画对了;原版模型SDXL(下排)只画出4只小猫、6个鸡蛋丨Binyamin et al.,Make It Count,CVPR 2025(CC BY 4.0)还有研究把目标数量的布局预先写进初始噪声,在简单的合成测试图上,准确率从20.0%升到85.3%。这些办法大多还没变成人人可用的产品功能,修好之后,准确率也只到一半左右到八成多。至少眼下,数清13个鸡蛋这件事,人还是稳赢。类似的题,其实远不止这一道。让豆包画一把带刻度的小直尺,厘米刻度里的毫米小格大概率不对。这还是数数的老毛病,只不过13个鸡蛋换成了10个小格。某顶刊论文中的实验图片,被质疑AI生成,这把直尺就是证据之一丨Journal of Translational Medicine让豆包画一个左手写字的人,它多半给你一只右手。这又是蛋托那一套:它见过的写字的人,绝大多数用右手。豆包生成的“左手写字的人”丨豆包要是不信,你现在就可以顺手让豆包画一杯“倒得满满当当、快要溢出来的红酒”。不出意外,它大概率还是会优雅地给你倒上三分之一杯,再一本正经地告诉你,酒已经倒满了。PS:本文题图就是豆包生成的,你猜猜看,鸡蛋数量画对了吗?参考文献[1]一号哨位.豆包,咱能不能长点心#豆包被十三个鸡蛋难倒##豆包画不对13个鸡蛋#[EB/OL].微博,2026-11-18[2026-11-19].https://www.sina.cn/news/detail/5366563525889520.html.[2]GUO X,HUO J,LIANG Y,et al.Text-to-image diffusion models cannot count,and prompt refinement cannot help[EB/OL].arXiv:2503.06884,2025[2026-11-19].https://arxiv.org/abs/2503.06884.[3]ZHAO Y,WANG X,DONG L,et al.Demystifying numerosity in diffusion models:limitations and remedies[EB/OL].arXiv:2510.11117,2025[2026-11-19].https://arxiv.org/abs/2510.11117.[4]BINYAMIN L,TEWEL Y,SEGEV H,et al.Make it count:text-to-image generation with an accurate number of objects[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR).2025:13242-13251.[5]SHARMA M,TONG M,KORBAK T,et al.Towards understanding sycophancy in language models[EB/OL].arXiv:2310.13548,2023[2026-11-19].https://arxiv.org/abs/2310.13548.一个AI我嘴硬,是因为我不知道自己错了。你嘴硬,是因为你知道。本文来自果壳,未经授权不得转载.
Launch HN: Onlook (YC W25) – An open-source developer tool for designers
Hacker News · 21 小时前
Hey HN, I'm Daniel, founder of Onlook (https://github.com/onlook-dev/onlook and onlook.com).Onlook is a desktop app that puts a canvas on top of your real codebase, letting you design directly in code with the agent you already use. Over 25,000 designers and developers have supported the project, 100+ have contributed, and it's been the #1 trending repo in the world twice. We just rebuilt the entire product as an agentic design tool, and open-sourced it to the community.Here’s a demo video: (https://youtu.be/BogcYWf4siM)If you're an engineer, traditional engineering tools are largely built for convergence, whereas designers tend to explore and diverge on ideas. Onlook gives designers a familiar canvas while managing all of the dev processes that get between them and making mind-blowing designs in code. Designers can work on a multiple simultaneous worktrees that run on the real app locally, and every change lands as a PR you can review or throw away, so there aren’t mockups to rebuild.We built Onlook because we believe there needs to be a developer tool that works the way designers do.More and more, designers are expected to work in code. Designers think by seeing, drafting, arranging variations, using references, and remixing ideas. That’s why the canvas has been the signature feature of design tools because it genuinely is useful for how messy the creative process is. Most of the challenge of using engineering tools for design work is that the first half of starting a project often takes mental bandwidth in of itself (What branch am I on? What page was that last exploration on?) and the second half is constrained by configuring your coded design to present itself (prompting design tools on top of what you’ve built or making temporary navigation for that specific state).Some of you may remember our earlier Show HNs (July 2024: https://news.ycombinator.com/item?id=40904862, August 2024: https://news.ycombinator.com/item?id=41390449, May 2025: https://news.ycombinator.com/item?id=44127653). Since then, we built a web version (too early), then a Storybook-native build (a mistake). We noticed that our desktop product from July 2024 was still getting hundreds of downloads a month despite zero promotion, so we decided to rebuild it for the new era of designers working in code.How it works…Onlook shines at exploring tons of ideas at once. Ask it to lay out every flow in your product, show every state of a component, or riff on ten versions of one screen. Your designs all show up side by side on an infinite canvas, with each frame as a real webview running your actual app with real data. Not as a mockup, but the real deal.When we built this editor, we had an epiphany that it could be a new kind of IDE for design. Design tools used to be limited to a proprietary setup or closed schema, but now you can push and pull the medium of code to get whatever result you want, so why not give agents an infinite canvas of browsers and see what they do? It turns out, the agents can figure out how to better present coded work by adjusting the urls of browser frames and arranging and resizing them on the canvas.The concept is simple, but it requires a lot of product thinking. For example, because all of the frames on the canvas share a single browser session, and Chromium only allows six connections per host per session, ten frames of the same app end up fighting over limited connections. So, we had to plan around that, and there are still tons of things we need to do to make the canvas ultra performant.Onlook is an Electron app where you can import a repo from GitHub or upload a local folder. Then, Onlook creates a git worktree, starts your dev server, and has the agent sort out missing dependencies or other requirements. You never open a terminal and everything the agent does is a normal git diff that can go to GitHub as a PR. We inject a small script into each frame that draws selection outlines and reads the page, so that way you can click an element, say "make this a card layout," and the agent knows exactly what "this" is.This time we didn't build our own agent. Onlook runs Claude Code or Codex on your own subscription, and we turn whatever the agent emits into one typed event log and draw the UI from that in our own chat interface. On top of that we give the agent a bespoke set of design-specific tools, from arranging frames on the canvas, to making suggestions, to generating multiple iterations of a selection – which is especially useful because the agent decides how to get the app into a state that you need based on your prompt.We also have our own Artifacts which are quick HTML sketches that live in the editor, but outside your repo. They’re almost like components in other design tools in that they can be carried and edited across every project but are detached from the project with no network access. As an example, you can ask the agent to turn your interface into an Artifact, and use it as a reference for another exploration, or download it as HTML and send it to a coworker as an interactive export of something you have in progress. I frequently go back to the artifacts I’ve made as visual snippets when I need new ideas or need to borrow something that’s already been built.The desktop editor is free (you can download it from our website at onlook.com) and open source under Apache-2.0, and we'll eventually offer a paid cloud product for teams.We'd love to hear which repos work and which don't, what you try to do on the canvas, and what's missing. We’re so excited for this to be a new way for designers to work in code!The Onlook team (Joel - thebrubaker and Kris - krisodd), and I will be here all day!
Comments URL: https://news.ycombinator.com/item?id=50562320
Points: 66
# Comments: 59
How cultural exchanges build a close Asia-Pacific community
CGTN China · 23 小时前
As a group of children brought the traditional Xingshi (lion awakening) performance and Yingge dance to life, Peng Liyuan, wife of Chinese President Xi Jinping, and spouses of the leaders of Asia-Pacific Economic Cooperation (APEC) economies, witnessed how centuries-old art forms from southern China's Guangdong Province are being passed down to a new generation, keeping these cultural traditions vibrant and alive.
Presentation: AI-Assisted Software Delivery: From Code to Production
InfoQ · 23 小时前
The panelists explore how engineering teams adapt delivery architectures, pipelines, security, and governance for AI-assisted development. They share practical strategies for verifying AI-generated code, solving testing and deployment bottlenecks, maintaining human oversight, and measuring AI’s true impact on software velocity, quality, reliability, and operational cost. By Garima Bajpaj, Martin Reynolds, Patrick Debois, Gunnar Grosch, Renato Losio
这种神秘消失的器官,是否暗藏长寿密码?
虎嗅 · 1 天前
本文来自微信公众号: 自然系列 ,作者:Nature Portfolio本篇《自然》长文共4049字,干货满满,预计阅读时间13分钟,时间不够建议可以先“浮窗”或者收藏哦。原文作者:Edward Chen研究者竞相尝试再生胸腺——一种短暂存在的免疫器官,希望借之延缓衰老。1996年,低温生物学家Gregory Fahy走进自己医生的办公室,说服对方开出了一个月的生长激素。他想通过注射让自己胸腺重新生长(依据仅仅来源于一项大鼠研究[1]),胸腺是一个特殊的免疫器官,会随着年龄增长而萎缩直至近乎消失。Fahy认为,重生胸腺将有助于他过上更长寿、更健康的生活。Fahy说变化很明显,至少从磁共振成像(MRI)扫描来看如此。他的胸腺功能性组织几乎翻倍了[2]。至于这是不是让他感觉更年轻就不知道了。“我当年只有46岁,多少还处在巅峰状态。”他说,但他说后来几次再生胸腺的尝试让他感觉“精力充沛,所向披靡”。起初这是一场不受监管的自我实验,现在已发展为一系列小型临床试验,由美国生物制药公司Intervene Immune开展,Fahy担任首席科学官。这家公司并非孤例。过去三年间,一系列文献指出,这一曾被认为可有可无的器官能够指示一个人的整体健康情况,这使得胸腺研究数量大增。今年发表的两项研究[3,4]报告,胸腺健康状况的衰退与死亡风险增加有关,这加剧了人们的热情。投资者对此反响积极。1月,瑞士一家生物技术公司TECregen筹集了一千万瑞士法郎(约1240万美元)研发再生胸腺的疗法,据公司网站称,这可能有助于缓解衰老、预防癌症。它尚未披露任何候选药物。去年10月,美国专注胸腺的生物技术公司Zag Bio在获得8000万美元资金后成立。风险投资机构和制药企业纷纷联系Fahy等科学家,启动自己的研究项目。“这个领域引发了极大关注。”美国希望之城(City of Hope,一家癌症医院及研究中心)的首席医师及负责人Marcel van den Brink说,他从1996年开始研究胸腺。“人们曾普遍认为我是在浪费时间。”他说。但现在,“许多人来找我们”严肃探讨这一领域。(Marcel van den Brink是美国一家生物技术公司Thymofox的科学联合创始人。)被遗忘的器官几十年来,人们都认为胸腺是个退化器官。它“被遗忘,不受重视”,英国牛津大学的免疫学家Georg Holländer说,他共同创立了TECregen。20世纪20年代,一些研究者认为这个器官参与了鸟类蛋壳形成,但在哺乳动物中作用有限。几十年后,诺贝尔奖得主、生物学家Peter Medawar提到胸腺,说它是“一个演化上的偶然,没有多大重要性”。他们错了。科学家长期没有注意到这个器官的重要性,部分是因为手术切除胸腺的哺乳动物看起来安然无恙。直到20世纪60年代,免疫学家Jacques Miller在新生小鼠中进行了这类手术,才发现了胸腺的功能[5]。失去胸腺的幼鼠极易遭受感染而死亡。它们的淋巴结中几乎没有免疫细胞。Miller发现胸腺产生T细胞,他在差不多同一时期用这个器官命名了这类细胞。如今我们已经知道,T细胞是免疫系统的重要组成,负责攻击癌症、对抗感染。人类的胸腺在一生中会随着年龄增长快速萎缩。青春期过后,大多数胸腺细胞转化为无功能的脂肪组织。T细胞生产也放缓了。在40岁时,胸腺生产的T细胞大约仅有8岁时的1/4,到65岁时仅有10%[6]。关注功能因此,许多科学家假定年长个体不再需要新鲜的T细胞。“人们普遍认为,只有在年轻时生成T细胞才重要。”伦敦大学学院的免疫学家Jennifer Cowan说,“但事实显然并非如此。”改变这一范式的是三项发现。首先,2023年的一项研究发现,相比没有切除胸腺的人,手术移除胸腺的人在术后5年死亡风险高出近3倍,患癌风险高2倍[7]。“这很惊人。”Cowan说,“要是人们读过这篇论文,就不会再愿意切除胸腺了。”到了3月,两项接连发表的研究综合分析了超过31000人的数据,将研究扩展到胸腺完整但随年龄增长自然萎缩的人群。其中一项发现,胸腺较小与较高的死亡风险、患癌风险以及心力衰竭等心血管疾病有关[3]。第二项研究发现胸腺较小与接受癌症免疫疗法后生存率更低有关[4]。一些科学家指出这些研究仅提出了相关性。“进行回顾性研究时,拼图中许多碎片是无从得知的。”美国耶鲁大学的胸外科医生Daniel Boffa说。他和同事进行了一项研究,发现为治疗胸腺癌而切除全部或部分胸腺的患者,肿瘤复发风险几乎没有差异。尽管如此,商业和学术兴趣已然激增。“再生【胸腺】已经是个大事了。”美国国家癌症研究所的发育生物学家Yousuke Takahama说。“就像重启电脑系统一样,这就好像重启我们的免疫系统。”科学家们认为,胸腺有很大的再生潜力。例如,胸腺会在怀孕时萎缩,在生产之后恢复,美国麻省总医院的血液学家David Scadden说,他共同创立了一家名为Lightning Biotherapeutics的公司。但已经证实能再生胸腺的方法不多。雄激素剥夺疗法是一种前列腺癌的标准治疗方法,它能增加胸腺产生的T细胞数量[9]。热量限制也有此效果[10]。有一种疗法于2021年获批,用于治疗先天无胸腺的患儿,但该疗法成本高昂且复杂,需要将精心处理的供体组织移植到患儿大腿肌肉中。至于促使衰老胸腺重新生长,目前进展比较大的是Fahy的生长激素和其他化合物混合制剂,一周注射4次。一组10名志愿者用药一年后显示出衰老逆转的迹象。Fahy团队研究受试者的“表观遗传时钟”,这是染色体上一系列会随着年龄增长发生稳定变化的化学修饰。结果表明,治疗平均让每个人的表观遗传时钟“回拨”了2.5年[11]。Fahy预计人们将接受注射一年,停止4年,然后再重复这一过程。后续测试将检验他的疗法能否进行调整以减小副作用,并改善肌肉力量、身体成分和大脑白质质量等指标。“这些研究还需要几年时间才能出结果。”他说。研究者还在探索其他疗法,他们希望能够避免使用生长激素可能带来的癌症风险增加和血糖骤升等问题。例如,美国生物技术公司Tolerance Bio的首席执行官Francisco Leon说,他的公司有一种能延缓胸腺萎缩的抗体。这家公司尚未披露该抗体的靶点,但计划在2027年进行临床试验。“这可能会是一种长寿药物。”Leon说,“我们将能预防和治疗衰老相关疾病。”位于美国剑桥的一家生物技术公司Thymmune Therapeutics正在开发现成的干细胞,希望能在注入人体后生长为胸腺组织。目前面临的挑战还有不少。一大障碍在于精准靶向胸腺——组成该器官的大多数细胞都缺乏独特的表面蛋白。而且,许多候选分子需通过静脉注射给药,这对长期疗法而言很不方便。而且,研究者说,如今大多数研究都没有探讨由“再生胸腺”产生的T细胞能够改善健康的机制。“要看到它体积恢复比较容易,但还不清楚其功能是否完全恢复。”美国得克萨斯大学健康科学中心的微生物学家Ann Griffith说,她同时担任该领域一家公司的顾问。目前还不清楚某种疗法是否能更广泛地应用,这有可能还要几年时间。“我们还没有完全理解这些干预如何真正地再生组织,而且我们所知着实尚浅。”Griffith说,“我们还处于起步阶段。”参考文献:Kelley,K.W.et al.Proc.Natl Acad.Sci.USA 83,5663–5667(1986).Fahy,G.M.J.Anti.Aging Med.6,219–227(2003).Bernatz,S.et al.Nature 652,986–994(2026).Bernatz,S.et al.Nature 652,995–1003(2026).Miller,J.F.A.P.Lancet 278,748–749(1961).Bains,I.,Thiébaut,R.,Yates,A.J.&Callard,R.J.Immunol.183,4329–4336(2009).Kooshesh,K.A.et al.N.Engl.J.Med.389,406–417(2023).Resio,B.J.,Canavan,M.,Caturegli,G.,Detterbeck,F.&Boffa,D.J.J.Thorac.Oncol.21,186–194(2026).Sutherland,J.S.et al.J.Immunol.175,2741–2753(2005).Spadaro,O.et al.Science 375,671–677(2022).Fahy,G.M.et al.Aging Cell 18,e13028(2019).原文以Could this mysterious disappearing organ hold the key to longevity?标题发表在2026年7月14日《自然》的新闻特写版块上©natureDoi:10.1038/d41586-026-02149-5
6.6%的中国人BMI不超标,却已经胖得要死(真死亡风险升高)
虎嗅 · 1 天前
本文来自微信公众号: 果壳 ,作者:见文末体检报告出来了,翻到“身体质量指数(BMI)”那一栏,数字旁边赫然印着“超重”或者“肥胖”。这个数字超出标准,是不是说明身体已经出了问题?先别急着给自己宣判。2026年11月,《自然》(Nature)上发表的一项研究分析了844108名成年人的数据,发现只凭BMI判断肥胖,既可能多算一些人,也可能漏掉另一些人。即使同样肥胖,不同人的身体功能和未来风险,也可能相差很大。这不是说BMI没用,研究真正想探讨的问题是,当我们说一个人“肥胖”时,如何透过一个身材指标,去看到潜在的健康问题。BMI判断肥胖,或许不够BMI是筛查超重和肥胖的常用指标。它的计算方式是“体重(千克)÷身高(米)的平方”。对于我国成年人来说,BMI(单位:kg/m2)的参考值如下——我国成年人BMI参考标准丨自制BMI的计算方法简单,只需知道一个人的身高和体重,就能得出对应数值。因此,它被广泛用于体重筛查和相关研究中。不过BMI的局限也很明显,它无法准确反映身体成分。例如,一个肌肉发达的人可能有较高的BMI,而BMI处于正常范围的人,也可能拥有较高的体脂率。2025年,《柳叶刀·糖尿病与内分泌学》国际委员会就建议,除了BMI,还应结合其他指标来确认是否处于肥胖状态。于是在这项新研究中,研究者采用了一种结合BMI、腰围和腰高比(腰围/身高)的肥胖判断方法。腰围和腰高比也是衡量肥胖的常用指标,尤其有助于了解脂肪在腹部的堆积情况,判断是否存在“中心型肥胖(腹型肥胖)”。具体来说,这套组合测量标准称为CAD-obesity,它会根据BMI所处的范围,判断是否需要结合腰围和腰高比来判定肥胖。以研究中的中国成年人为例,满足以下任意一种情况,就会被归入CAD定义的肥胖:BMI≥40:直接归入肥胖,不需要再满足腰围或腰高比条件。BMI≥28且<40:腰围或腰高比至少有一项达到研究设定的界值。BMI≥24且<28:腰围和腰高比两项都要达到研究设定的界值。注:腰围界值为男性≥90厘米、女性≥85厘米;腰高比界值为男性≥0.56、女性≥0.59。比如一位中国成年男性身高1.7米、体重72千克,则BMI为24.9,属于超重,但还没到肥胖标准。同时,他的腰围是96厘米,腰高比为0.56,按CAD-obesity标准可被归入肥胖。研究团队分析了来自中国、英国、美国和西班牙四个队列的844108名成年人的数据,比较了这一方法与单独使用BMI得出的肥胖率有何差异。有人被多算了,有人却漏了应用这套标准后,研究者发现,单独使用BMI与结合腰围、腰高比判断,得出的肥胖分类并不完全相同。在四个队列中,1.2%~3.1%的参与者BMI达到了肥胖标准,但腰围和腰高比没有达到研究设定的相应界值,换用综合标准后不再被归入肥胖。与此同时,还有5.2%~8.6%的参与者BMI处于超重范围,尚未达到肥胖标准,但腰围和腰高比都达到了设定的条件,换用综合标准后被归入肥胖。也就是说,在这套新标准中,有人从肥胖范围中被移出,也有人被纳入。在这四个队列中,被纳入的人比被移出的人更多,因此综合标准得出的总肥胖率更高。以研究中的中国开滦队列为例,单独使用BMI时,17.8%的参与者被归入肥胖;换用综合标准后,肥胖比例升至21.3%,增加了3.5%。此外英国、美国和西班牙队列的肥胖比例分别提高了3.3%、5.6%和7.4%。研究者进一步分析发现,结合BMI、腰围和腰高比判断肥胖,有助于识别死亡风险较高的人群。仅以BMI判断的超重或肥胖,与全因死亡风险的关联度不大;但以综合标准判断的肥胖,死亡风险明显升高。参与者的身体状况并没有发生变化,改变的是判断依据。这提示在判断肥胖和健康风险时,仅靠BMI可能会忽略与腰部脂肪堆积有关的信息。基于BMI与CAD组合测量标准判断的肥胖患病率和分类准确率|参考文献胖和胖不一样,有人的肥胖更加危险除了重新定义什么是肥胖,委员会还为肥胖重新做了分类:临床肥胖,即脂肪过多,已经出现器官功能受损或日常活动受限;临床前肥胖,指的是脂肪过多,未来健康风险增加,但目前器官和全身功能基本正常。器官功能受损的定义是存在冠状动脉疾病,并伴有18项标准中的至少一项,如高血压、慢性阻塞性肺疾病、血糖或血脂异常、慢性肾脏病、髋关节或膝关节骨关节炎等|参考文献在这项研究中,经过统计调整,临床肥胖在所有肥胖的人当中占22.7%~31.3%,在总人群中占5.6%~10.9%。研究者进一步比较了不同人群的死亡风险。结果显示,相对于参照组(没有肥胖也没有器官功能受损的人),临床前肥胖者的全因死亡风险升高19%,而临床肥胖升高69%。意思是,所有符合肥胖标准的人,死亡风险都升高,其中器官功能或日常活动已经受到影响的肥胖者,死亡风险更高。那么,临床前肥胖,是不是很快就会发展成更危险的临床肥胖?研究给出的答案是,不一定。研究追踪了起始时没有器官功能受损的肥胖者,发现在中国、英国和西班牙队列中,10年内发展为临床肥胖的比例分别为21.2%、8.7%和22.6%。也就是,77.4%~91.3%的临床前肥胖,在10年内相对稳定,没有发展为临床肥胖。实线代表临床肥胖的估计累积发病率,虚线代表器官功能障碍的累积发病率|参考文献不过,“相对稳定”不意味着可以放任临床前肥胖发展。作者认为,临床肥胖需要更加紧急的治疗,以应对已经发生的功能损害、更高的死亡风险;而临床前肥胖可能也需要积极的预防性治疗,包括生活方式调整、药物治疗,甚至手术治疗。当然,这项研究只是初步评估了新的肥胖诊疗框架,研究结果尚未进入相关指南。未来,还需要更多研究进一步完善肥胖的临床诊疗。Guokr根据身高和体重算出来的BMI,仍然是简单、方便的肥胖筛查线索。不过,单独这一个数字,不足以承担诊断、风险预测、治疗方案制定的全部任务。不妨把BMI当作起点,接着关注腰围、血压、血脂、血糖和关节等方面的情况,更加完整地了解自己的健康状况,然后积极预防和治疗。参考文献Pan,A.,Yang,S.,Ramos,R.et al.Validation of clinical and preclinical obesity across global cohorts.Nature(2026).https://doi.org/10.1038/s41586-026-11237-5
Putin, Trump, and Xi sign joint declaration towards peace (FULL TEXT)
RT · 1 天前
Putin, Trump, and Xi have signed a joint declaration pledging to reduce nuclear risks, ensure stable energy supplies, and reform the UN Read Full Article at RT.com
.NET 11 : ASP.NET Core: Union Type Support, OpenAPI 3.2 by Default and Blazor AI Components
InfoQ · 1 天前
Microsoft has released ASP.NET Core in .NET 11. The update adds C# union type support in JSON bodies, asynchronous validation for Minimal APIs, OpenAPI 3.2 by default, and SignalR authentication refresh. Blazor gains a CacheView component, client-side validation for static SSR forms, opt-in circuit pause for inactive tabs, and experimental AI components. Zstandard compression is on by default. By Almir Vuk
这款ED药,能不能顺利变身阿尔茨海默新药?
虎嗅 · 1 天前
本文由虎嗅旗下健康与抗衰公众号“九叶刀研究”首发,全文约2600字。封面图来自Unsplash。都说阿尔茨海默病新药难做,但今年有点不一样。最近,韩国AriBio公司公布了在研阿尔茨海默新药三期临床试验数据[1],有趣的是,它原本只是一款治疗男性勃起功能障碍的药物,而且背后站着一家中国公司:复星医药。[2]那么问题来了:它是怎么变成阿尔茨海默病潜力药物的?试验到底有没有成功,能不能获批?为它押下重金的中国公司,到底能不能如愿以偿?从ED,到阿尔茨海默病AriBio公司在研的药物代号AR1001,其实是老药新用,它原名米罗那非(Mirodenafil),最初由韩国SK化学研发,2007年获得监管批准,以Mvix之名开卖,适应证是男性勃起功能障碍。没错,米罗那非和西地那非、他达拉非这类药物一样,它们都是PDE5抑制剂。AriBio公司创始人郑在俊也是听到美国有动物试验表明,PDE5抑制剂可能改善认知[3],当时有多项研究显示,西地那非有可能改善认知[4] [5],而米罗那非和西地那非一样,作用的都是PDE5通路,所以时任SK化学研发人员的郑在俊决定拿下SK化学的授权,成立AriBio公司,于2011年开始研发工作。“大脑伟哥”从此踏上征途。在15年前,没有任何大规模人体验证,仅凭着几篇机理论文就拿下授权,的确需要莫大的勇气,而后来的研究进一步证明PDE5抑制剂的靠谱程度,2021年,《自然·衰老》发表论文,通过分析700多万人的健康数据发现,使用西地那非可以使阿尔茨海默病的风险降低69% 。[6]尽管只是针对西地那非,尽管只是相关性研究,没有因果证明,不过毕竟是第一个针对PDE5抑制剂的大规模研究,对已经做了10年研究的AR1001来说,总算是个不错的消息。那么这次公布的AR1001的三期数据,是否可以证明它的确有效呢?薛定谔的“成功”AriBio公司是在今年11月16日的阿尔茨海默病临床试验大会(CTAD2026)宣布了其在研小分子口服新药AR1001的三期临床试验数据:单药服用一年后,相关症状恶化速度减缓了31%。[1]结果似乎不错?但细看数据就不太对劲了。一款阿尔茨海默病新药是否有效,金标准是“临床痴呆评定量表”(Clinical Dementia Rating Sum of Boxes,CDR-SB)。而AR1001与安慰剂组相比,CDR-SB分数提升了0.44(也就是AriBio公司所说的,临床下降速度减缓了31%),但在1535人的总人群中,AR1001的提升分数仅为0.11。简单地说,这次三期临床试验喜忧参半:和安慰剂组相比,0.44分的提升有统计学意义,算成功了;但总体来看,0.11分的提升没有统计学意义,又算是失败了。这么看,R1001是不是没希望上市了?也不一定。通常认为,服用新药的人和对照组相比,当SCR-SB评分改善达到1分时(即最小临床重要差异(MCID)要≥1),才算有明显效果,对照上述试验中0.44分的提升,其实不能算及格。当然,最近两年上市的阿尔茨海默病新药,成绩都不算太好。[7]想让认知能力有可觉察的改善,CDR-SB改善分数至少要达到1分,九叶刀使用AI制图监管能不能批?矮子里拔高个阿尔茨海默病新药的评价标准,历来争议很大。而FDA表示,不能只看主终点一个数字,要看多个终点是否一致、效应是否随时间扩大。也就是说,一款阿尔茨海默病药物是否能获批,改善分数是重要标准,但不是唯一标准。所以,上文表格中,礼来的多奈单抗,渤健/卫材的仑卡奈单抗的改善分数均未超过1分,但都能获批上市。而对监管机构来说,AR1001可能与阿杜那单抗一样的尴尬角色,它们有着有惊人相似之处:都是两组试验,一组成功,另一组失败;两款药都是通过重新分析数据,获得阳性结果,AR1001突出安慰剂对照组数据,阿杜那单抗突出高剂量和试验时间长的试验组数据;都拿替代指标说事儿,比如AR1001宣称脑脊液cGMP升高,而阿杜那单抗则宣布脑内淀粉样斑块,但在CDR-SB金标准评分方面,成绩都不咋样,高剂量阿杜那单抗提升仅0.39分,而AR1001为0.44分。不过AR1001的优势是:它是一款小分子口服药物,无需注射,且能透过血脑屏障,而且最重要的是,它的安全性相对较高,从目前公布的信息看,它不会像单抗类药物那样导致脑水肿。对患者来说,AR1001改善效果一般,但不良反应少,服用相对方便,而且认知改善分也非常接近已经上市的仑卡奈单抗(0.44 vs 0.45),如果得分更低的阿杜那单抗(0.39)都能获批,那AR1001有什么理由不获批?所以,现在难题甩给了监管方。假如真的获批,那么什么时候能用到?什么时候能用到?目前AR1001已经完成了三期临床试验,但研发公司表示,还有一项扩展研究,clinical trails显示,该研究完成时间预计为2027年10月[8],公司还称,将继续研究数据,并与FDA讨论完整结果,确定后续步骤。如果数据过关,则可以着手准备新药申请(NDA)事宜,该阶段大概需要半年到10个月,这意味着,最快2028年三季度能获得批准,等到开出第一张处方,可能要到2028年底甚至更晚了。而对AR1001背后站着的中国公司复星医药来说,这意味着什么?复星医药踏入同一条河流2025年至今,复星医药在阿尔茨海默病领域连续押下重注。先是拿下韩国AriBio公司的在研新药AR1001大中华区权益,2025年12月和2026年5月,又先后拿下东南亚及全球独家选择权,首付款及里程碑付款最高达到1.8亿美元。2025年底,复星医药宣布以14.12亿元的价格收购绿谷医药53%的股份,获得控股权[9],后者研发了颇受争议的阿尔茨海默病新药甘露特钠。这两款药都有个共同特点:不是很优质,甚至是有些风险的资产。AR1001的二期临床研究未达预设主要疗效终点,仅因为血液生物标志物有所改善[10],韩国方面便决定推进三期研究。甘露特钠上市之初,就受到包括饶毅在内的多方专家和媒体质疑,而且该药仅获得附条件批准,2025年8月,甘露特钠再注册申请未获国家药监局批准,研发方绿谷制药也陷入困境,一度裁员80%。肿瘤、免疫炎症和神经退行性疾病是复星医药的三大核心业务,复星在同一赛道拿下两款风险很高的产品,都是在趁着两家研发公司陷入困境的时候入场,试图以自身的研发、注册和商业化能力来化解不确定性。为什么复星医药如此敢赌?因为阿尔茨海默病药物的市场诱惑太大了。在此次三期数据出炉前,复星医药已经完成了美日欧的专利布局,保护期一直到2040年,复星医药董事长陈玉卿曾对媒体表示,AR1001的潜在市场规模高达50亿美元。AriBio公司CEO郑在俊在今年10月接受《朝鲜日报》采访时则说,希望AR1001成为确诊轻度认知障碍后的一线药物。根据复星医药与AriBio达成的协议,6000万美元算是全球独家授权协议的定金,在三期临床试验数据出炉之后,复星方面有90天时间评估,是否行使独家选择权[11],如果答案为“是”,那意味着复星要再出8000万美元的预付款。不过二级市场已经用钱投票了,三期数据出炉当天,Aribio和复星医药的股价双双暴跌。现在,复星医药90天行权倒计时开始,这也将是它在阿尔茨海默病领域赌桌上揭开的第一只盅。本文为基于公开信息进行的分析,不构成任何投资和医疗建议。参考文献[1] AriBio’s oral AR1001 Meets Primary Efficacy Objective in Prespecified Monotherapy in Population in Phase 3 POLARIS-AD Trial. 2026.11.17[2] AriBio's oral Alzheimer's drug meets monotherapy goal in phase 3 as Fosun weighs licensing option. FiercePharma. 2026.11.17[3] Heo Ji-yoon. Aribio drives Korea's dementia push with once-daily AR1001 and CHA Vaccine synergy. Chosun Biz. 2026.3.26. [4] Puzzo, Daniela., Staniszewski, et al. (2009). Phosphodiesterase 5 inhibition improves synaptic function, memory, and amyloid-beta load in an Alzheimer's disease mouse model. The Journal of neuroscience : the official journal of the Society for Neuroscience, 29(25), 8075-86. doi: 10.1523/JNEUROSCI.0864-09.2009[5] Cuadrado-Tejedor, M., Hervias, I., Ricobaraza, A., et al. (2011). Sildenafil restores cognitive function without affecting β-amyloid burden in a mouse model of Alzheimer's disease. British journal of pharmacology, 164(8). https://doi.org/10.1111/j.1476-5381.2011.01517.x[6] Fang, J., Zhang, P., Zhou, Y. et al. Endophenotype-based in silico network medicine discovery combined with insurance record data mining identifies sildenafil as a candidate drug for Alzheimer’s disease. Nat Aging 1, 1175–1188 (2021). https://doi.org/10.1038/s43587-021-00138-z[7] Buracchio, T., Campbell, M., & Krudys, K. (2025). Assessing clinical meaningfulness in clinical trials for Alzheimer's disease: A U.S. regulatory perspective. Alzheimer's & dementia (New York, N. Y.), 11(2), e70113. https://doi.org/10.1002/trc2.70113[8] Clinical Trail. Phase 3, Double-blind, Randomized, Placebo-controlled Trial to Evaluate the Efficacy and Safety of AR1001 in Participants With Early Alzheimer's Disease (Polaris-AD). NCT05531526[9] 复星医药. 复星医药宣布控股收购绿谷医药 加码布局中枢神经系统领域创新药管线. 2025.12.25. [10] Greeley, D., Nash, M., Herskowitz, B., et al. (2025). A phase 2 randomized, placebo-controlled study on the efficacy and safety of AR1001, a phosphodiesterase-5 inhibitor, in patients with mild-to-moderate Alzheimer's disease. The journal of prevention of Alzheimer's disease, 12(9), 100337. https://doi.org/10.1016/j.tjpad.2025.100337[11] Fosun Pharma and AriBio Sign Exclusive Global Option Agreement for AR1001 for the Treatment of Alzheimer's Disease. 2026.5.14
NetWasm 0.10 Speeds Up C# on WebAssembly, Now Faster Than Mono AOT
InfoQ · 1 天前
Summary: NetWasm, an ahead-of-time compiler from C# to WebAssembly, has reworked exception handling, bounds-check elimination, SIMD and division in its 0.10 series. Across more than 2000 benchmark cases, the project reports running in 0.41 times the time of Mono AOT’s WASI build. By Edin Kapić
Discord Rewrites Desktop and Mobile Clients in Rust Using Zed's GPU-Accelerated Rendering Framework
InfoQ · 1 天前
Discord’s CTO Stanislav Vishnevskiy recently announced rewriting its desktop and mobile clients in Rust, moving away from Electron and React Native. The project eliminates layers of abstraction to directly leverage the device’s GPU, native mobile views, and a Rust core shared across platforms. Early results hint at a significant reduction in RAM usage and boot time for chat, voice, and streaming. By Bruno Couriol
林妹妹配孙悟空,网友到底在嗑什么?
虎嗅 · 1 天前
本文来自微信公众号: 家姻心理 ,责编:杨涛屹,编辑:张嘉仪,作者:家姻心理最近,社交平台上流行起一对“邪门”CP:《西游记》里的孙悟空和《红楼梦》中的林黛玉,网友称之为“圣黛CP”。这对组合其实前几年就有人剪辑过,今年借着AI视频再度走红,热度居高不下。原著里,黛玉对着落花,只能荷锄葬花;到了视频里,悟空一棒挥去,落花便纷纷回到了枝头。这还不算,他还带着林妹妹逛街、逛游乐场、一起吃桃子,硬是把整日伤春悲秋的林姑娘,拽进了热热闹闹的人间烟火。评论区里,有人直呼“邪典”,但更多的人在说“支持这门亲事”“希望林妹妹过上开心日子”。还有网友拿两人的出身打趣,一个是石头里蹦出来的,一个前世是绛珠仙草,说这才是真正的“木石前盟”。不过,按原著宝玉大概是全书最懂黛玉的人。网友为什么偏偏觉得,一只几乎不说话的猴子,才是她的“完美男友”?下面结合几项心理学研究,聊聊这个问题。01懂她,不等于接得住她01宝玉的在乎,常常落在了自证上不少网友喜欢拿悟空和宝玉作对比。宝玉和黛玉志趣相投、心意相通,可两人相处时却争吵不断。宝玉并非不在乎黛玉,恰恰是太在乎,每次黛玉情绪上来,他都急着表白、急着自证,结果往往越闹越僵。视频里的悟空几乎没有台词,可林妹妹一落泪,他便二话不说有所行动。七十二变的神通,在这里全用在了哄林妹妹开心上。话不多,却总能让人觉得,黛玉的情绪被稳稳接住了。02亲密感,来自“觉得被理解、被认可、被关心”社会心理学中的伴侣回应性(perceived partner responsiveness)概念,可以帮助我们理解这种差别。Laurenceau等人(1998)在研究中介绍了Reis和Shaver提出的观点:一个人向伴侣袒露感受之后,如果觉得对方的回应理解了自己、认可了自己、关心着自己,亲密感就会加深。这三层意思,放到日常生活里,大概是这样的:理解,是听懂了对方为什么难过,而不只是知道对方难过了。妻子下班回家说了句“今天烦死了”,丈夫回“别想了,早点休息”,他知道她心情不好;如果他问一句“是不是那个方案又被打回来了?”,她会觉得,他知道自己在烦什么。认可,是觉得对方的感受说得通,而不是急着纠正。同样是听对方抱怨,“这点小事至于吗”和“换我也会生气”,给人的感受完全不同。前者表达的是否定,而后者潜台词是“我跟你是同类”。认可并不等于全盘同意对方的看法,只是先承认:你有这样的感受,是可以理解的。关心,是让对方感到自己的事被放在了心上,而且对方愿意为此做点什么。可能是记得对方前几天提过的事,主动问一句进展;也可能什么都不说,先把对方最头疼的那件事办了。视频里的悟空几乎没有台词,靠的就是这一种。Laurenceau等人(1998)还请大学生连续一到两周,在每次与人交流之后立即记录当时的感受。结果发现,向对方袒露自己、对方也向自己袒露,都会让这次交流显得更亲密,而其中一部分作用,是通过“觉得对方理解我、认可我、关心我”实现的。也就是说,亲密感很大程度上取决于一个人是否“觉得”自己被理解、被关心。对方心里的在乎,并不一定都能被感受到。以此来看,宝玉懂黛玉,可每到要紧处,他的心思常落在证明自己身上;悟空不多说一句,只管替黛玉把难过的事摆平,让人看得明明白白:她的事,他放在了心上。03中国夫妻也是如此在中国夫妻中,研究者也看到了类似的规律。Yuan等人(2022)对来自全国28个省份的550对中年夫妻的调查,以及Lu等人(2024)对北京和天津668对处于不同婚姻阶段的夫妻的研究都发现:夫妻感知到的伴侣回应性越高,对自己婚姻的评价往往也越好。可见,“觉得对方不够在乎自己”并不是一件小事,它往往和人们对婚姻的整体评价联系在一起。02林妹妹的不安,可不只是“太敏感”01黛玉为何总是不安?给林黛玉“拉郎”,网友早不是头一回了。此前就有一对同样令人大跌眼镜的“伏黛CP”,把她和《哈利·波特》里的大魔头伏地魔凑在了一起。从伏地魔到孙悟空,配对的对象一个比一个离谱,网友对林妹妹的牵挂却始终没变。这份牵挂,多半源于黛玉的身世。她幼年丧母,小小年纪便离开扬州,投奔外祖母家;后来父亲也撒手人寰,她自此成了真正寄人篱下的孤女。贾母虽然疼她,可贾府上下人多口杂,初进府时,她便“步步留心,时时在意,不肯轻易多说一句话,多行一步路”。《葬花吟》里那句“一年三百六十日,风刀霜剑严相逼”,写的是花,又何尝不是她自己身处重压、心事难安的写照。书里不少人嫌黛玉“爱使性子”,可放在这样的身世里看,她的试探和多心并不难理解。02依恋理论怎么看这种不安据周春燕和黄希庭(2004)的综述介绍,依恋理论认为,儿童会在与照料者的互动中,逐渐形成对自我、对他人以及对关系的稳定认知,即“内部工作模型”,并带着它进入日后的人际关系。后来,Hazan和Shaver进一步提出,成人恋爱关系中的情感联结也可以被理解为一种依恋关系。一个早年经历丧失、身边又始终没有稳定依靠的人,很难真正有安全感,只能一次次去确认:自己在对方心里到底有没有分量。当然,黛玉是文学人物,我们无法跳脱作者的描述去直达她的内心世界,只是暂且借用依恋理论的视角来理解她的不安。03需要越多,越难被满足现实中,也有不少人像林妹妹一样,格外需要确认对方的在乎。Lu等人(2024)对668对中国夫妻的研究发现,依恋焦虑较高的人,感知到的伴侣回应性往往更低,婚姻满意度也更低。研究者解释说,这类人对亲密和回应有很高的需要,却又容易低估伴侣给予的支持;而中国夫妻之间习惯保持更远一些的距离,表达也更含蓄,这让他们的高需求更难得到满足。宝黛并非夫妻,这项研究自然不能直接套在他们身上;但一个对回应有着很高的需要、却总在含蓄与试探里打转的人,读来确实很像林妹妹。04不太表达的人,在中国婚姻里未必吃亏依恋理论里,和依恋焦虑相对的另一种不安全依恋,叫依恋回避。回避程度较高的人,倾向于与人保持距离、压抑负面情绪、凡事依靠自己。在西方样本中,依恋回避通常被看作婚姻满意度的不利因素。但Lu等人(2024)在中国夫妻中看到的结果不太一样:依恋回避程度较高的人,感知到的伴侣回应性反而更高,而感知到的伴侣回应性又与更高的婚姻满意度相联系。这种正向的关联,在他们伴侣的婚姻满意度上也能看到。研究者的解释是,中国文化对情绪内敛、表达含蓄更为包容,伴侣也更愿意为对方调整自己的行为;同时,回避程度较高的人原本对伴侣回应的期待可能就不高,收到回应时,容易觉得超出预期。此外,回避者看重彼此的距离,可能恰好满足了伴侣对独立和自主的需要,在婚姻的后期阶段尤其如此。这些解释是研究者的推测,研究本身并没有直接测量。这当然不是说越冷淡越好,它同样只是一项相关研究的结果。但它提醒我们:在中国夫妻中,含蓄、有分寸的相处方式,本身未必是问题。05感觉不到,未必是对方不在乎所以,感觉不到被在乎,未必是对方真的不在乎,也不能简单归结为自己“太作”“太敏感”。需要更多确认的人,遇上含蓄的表达方式,中间就容易落空。宝玉和黛玉之间也有几分这个意思:一个越在乎越急着自证,一个越不安越要试探,两人都用了力,却常常接不住彼此。需要说明的是,Lu等人(2024)是一项横断研究,只能说明变量之间的关联,并不能确定谁导致了谁。研究者自己也提到,依恋焦虑较高的人往往会低估伴侣的回应,但反过来,伴侣不一致的回应,也可能让依恋焦虑升高。与其争论到底是谁的问题,不如看看两个人之间的回应卡在了哪里。03悟空式的伴侣:安全港与安全基地01悟空给了黛玉什么依恋研究常用“安全港”(safe haven)和“安全基地”(secure base)来描述一段关系能给人的支持:前者指遇到压力时,可以回到亲近的人身边寻求安慰和帮助;后者指想去探索、追求目标时,知道身后有人支持,遇到困难随时可以回来(Feeney&Collins,2015)。Feeney和Collins(2015)还进一步提出,好的亲密关系不只是在逆境中给人安慰和支撑,也会在没有逆境的时候,鼓励人抓住机会、去尝试和成长。黛玉对花落泪,悟空一棒挥去让落花重开,替她把难过的事挡了下来;平日里,他又拉着黛玉逛街、去游乐场,带她看看大观园外面的世界,鼓励她走出熟悉的小天地。前者像安全港,后者像安全基地。再加上悟空无父无母,没有一大家子人需要黛玉去应付,对一个在大家族里处处小心的人来说,这样的伴侣自然显得格外理想。02嗑CP的安慰,也有边界明知是剪辑和AI生成的内容,很多人看完仍然觉得感动。嗑CP比喜欢单个角色多了一层:观众是在旁观一段关系,并把自己对理想关系的期待投射进去。人们最容易被什么样的情节打动,往往能反映出他们在现实中最渴望什么。在评论区写下“希望林妹妹开心”的人,或许也在回应自己某个阶段没被好好接住的经历。但这种安慰有它的边界。Stein等人(2022)的实验发现,想一想自己最喜欢的媒体角色,负面情绪的下降幅度与想到真实亲友的人差不多,但孤独感却没有减轻;而想到真实亲友的人,孤独感则有所减轻。看悟空哄林妹妹开心,能让人心里一暖,但真正让人不孤单的,还是身边的人。况且悟空式的回应是高度理想化的。他神通广大,随叫随到,永远把黛玉放在第一位,现实中没有谁能做到。依恋研究所说的安全感,主要来自伴侣之间稳定、可预期、相互的回应,并不依赖对方有多强大。普通人不必神通广大,只要能在对方需要时一次次稳稳地回应,同样可以给人这样的安全感。04日常相处中可以怎么做结合前文的研究,几点建议供大家参考。1.觉得不被在乎的一方:把需要说出来期待对方主动察觉一切,往往会带来失望。“我今天心情不好,想让你陪我一会儿”,比等对方猜要有效得多,也给了对方回应的机会。另外,既然需要较多确认的人容易低估伴侣给予的支持,也可以试着留意一下:对方已经用他的方式做了些什么。2.常被说“不够在乎”的一方:让在乎被看见伴侣倾诉时,很多人的第一反应是分析原因、给出建议,或者像宝玉那样急着解释自己没有恶意。可以先停一下,用一两句话回应对方的情绪,比如“听起来你今天压力很大”。认可对方的感受,并不等于同意对方的所有看法,但能让对方确认自己被听到了。心里在意,也要表现出来。注意到对方最近睡得不好、工作不顺,或者提过想做的事,可以说出来,也可以像视频里的悟空那样,直接用行动回应。如果伴侣比较容易不安,这一点更加重要:依恋焦虑较高的人更难感受到被回应和支持。研究者建议,另一方需要理解他们的难处,给出更强烈、更坚定的回应(Lu et al.,2024)。3.两个人一起:既做安全港,也做安全基地伴侣遇到困难时给予安慰,伴侣想尝试新事物时给予支持,两者同样重要。面对对方想换工作、学新技能、出去走走之类的想法,可以少一些“万一出问题怎么办”,多问一句“需要我做什么”。回应也需要是双向的。亲密感来自一来一回的袒露和回应,双方既是倾诉者,也是回应者。好的关系里,两个人都会累,都需要被接住。今天你接住了我,明天我也接住你。05写在最后林黛玉的结局早已写定,网友的二创只是一种温柔的想象。可我们自己的故事还没写完。想要被在乎是人之常情,不善表达也不等于不爱,两个人之间的回应可以慢慢磨合。被理解、被认可、被关心,可以是对方难过时一句“我在”,也可以是对方想往前走时,你那句“去吧,有我呢”。如果你也曾为悟空让落花重开的那一幕心头一暖,不妨问问自己:在现实的关系里,我希望被怎样回应?我又是否给过对方这样的回应?愿我们都能慢慢成长为那个接得住对方的人,也愿每个人都能被认真对待。更多精选好文•研究盘点|爱的根本公式=事事有回应•为什么越沟通越崩溃?揭密亲密关系中的“隐形战争”•没有幸福的童年,也能拥有安全的关系:从Papi酱的访谈,读懂"挣来的安全感"参考文献Feeney,B.C.,&Collins,N.L.(2015).A new look at social support:A theoretical perspective on thriving through relationships.Personality and Social Psychology Review,19(2),113–147.https://doi.org/10.1177/1088868314544222Laurenceau,J.-P.,Barrett,L.F.,&Pietromonaco,P.R.(1998).Intimacy as an interpersonal process:The importance of self-disclosure,partner disclosure,and perceived partner responsiveness in interpersonal exchanges.Journal of Personality and Social Psychology,74(5),1238–1251.https://doi.org/10.1037/0022-3514.74.5.1238Lu,S.,He,Y.,Li,Q.,Chen,Z.,&Fang,X.(2024).Dyadic effects of attachment styles on marital satisfaction among Chinese couples:The mediating role of perceived partner responsiveness.Journal of Social and Personal Relationships,41(12),3770–3790.https://doi.org/10.1177/02654075241277227Stein,J.-P.,Liebers,N.,&Faiss,M.(2022).Feeling better…but also less lonely?An experimental investigation of how parasocial and social relationships affect people's well-being.Mass Communication and Society.Advance online publication.https://doi.org/10.1080/15205436.2022.2127369Yuan,Q.,Fan,Z.,&Leng,J.(2022).The effect of emotional reactivity on marital quality in Chinese couples:The mediating role of perceived partner responsiveness.Frontiers in Psychology,12,Article 787899.https://doi.org/10.3389/fpsyg.2021.787899周春燕,黄希庭.(2004).成人依恋表征与婚恋依恋.心理科学进展,12(2),215–222.
Claude Code新模式来了,不换模型,Token消耗最高砍掉77%
虎嗅 · 1 天前
本文来自微信公众号: AI前线 ,作者:飞野、四月,编辑:四月,原文标题:《Claude Code新模式来了!不换模型,Token消耗最高砍掉77%》用过Claude Code的开发者,几乎都有过同一种体验:干活确实爽,但看着后台飞速跳动的Token消耗和账单,心也在滴血。过去想让AI智能体跑得更快、花钱更少,用户通常只有两条路:要么苦等厂商发布更便宜的新模型,要么手动把主力模型降级成小模型,忍受交付质量的滑坡。但最近,Anthropic在Claude Code(v2.1.323及以上版本)的更新日志里,悄悄塞进了一个默认关闭的实验功能——Code Mode。第三方实测显示:在完全不换模型、不牺牲智商的前提下,开启这个模式跑多步开发任务,真实API账单直接少了22%–23%;而在高频调用外部工具的场景下,模型累计处理的Token总量更是暴跌了62%–77%。当Anthropic进一步交出本地脚本编排权,代码进一步成为Agent与工具之间最高效的通信协议。Claude Code过去为什么烧钱?要理解Code Mode省下了什么,得先看清传统智能体干活有多“笨重”。普通模式下,Claude Code通常由模型直接组织工具调用。比如先通过Bash搜索文件,再调用Read查看内容,最后用Edit修改代码。如果后续操作依赖前一步的执行结果,工具就需要将结果返回给模型,由模型判断下一步该怎么做。虽然Claude Code本身已经支持并行工具调用,也能通过Bash脚本批量执行命令,但对于需要多步判断和跨工具协作的任务,模型仍可能反复参与中间流程,不断消耗Token。只改一两个函数时,这套流程没什么问题。可一旦遇到跨几十个文件找错误,或者通过MCP(模型上下文协议)拉取上百条外部记录的任务,两笔隐藏开销会迅速把上下文撑大。第一笔开销在起跑线上。独立评测站点bestagent.dev拆解请求载荷发现,未开启Code Mode时,Claude Code每轮默认向模型发送16个内置工具定义,光首轮请求体积就达到约38,000 tokens。只要会话继续,这份“工具说明书”就在每一轮请求里反复重传。第二笔开销藏在中间过程里。很多工具返回值其实只需扫一眼、筛出几行有用的内容,但在逐轮调用的机制下,整段日志、整批原始记录全部要留进对话历史。在开源基准Bicameral的测试中,让模型通过MCP拉取120张工单并统计退款总额,普通模式被迫分轮把120条记录完整拉进上下文。可见,过去智能体每调用一次工具,就要把全量原始输出连同全部工具定义再装进下一轮上下文,造成轮次越多、Token消耗呈滚雪球式膨胀的问题。一次对调度架构的手术Code Mode做的事情,本质上是重构了模型与工具之间的调度分工。开启Code Mode后,Claude可以先编写一段JavaScript,将多个工具调用、条件判断、循环执行和结果过滤组织到同一段代码中。对于不需要模型逐步决策的操作,程序可以连续执行,并直接处理工具返回的数据,最后只将必要结果送回模型上下文。Anthropic官方文档举过一个直观的例子:比如你想让Claude找到某个配置文件、把里面的重试次数从3改成5,再跑一遍测试。以前它得先找一次文件、等结果返回,再改一次配置,改完再跑一次测试,每一步都得回对话里过一遍。开启Code Mode后,它会自己写一段小脚本,在本地把“找文件、改配置、跑测试”一口气做完,最后只把“改了哪个文件、测试过没过”这两句结论交回对话。中间搜索过的目录、生成的大量测试日志,都可以先由代码处理、筛选,再将必要信息交给模型。至于最终能省下多少Token,仍取决于脚本返回的数据量。与此同时,Code Mode在入口处做了一次大幅瘦身:模型侧接收到的内置工具定义,从原来的16个精简成了只保留代码执行和状态轮询等功能的3个核心入口。两家独立第三方测试给出了一致的变化。bestagent.dev测得首轮请求从约38,000 tokens降到约22,000 tokens。Bicameral在4个模型上也测得每轮起跑固定减少13,055—13,106 tokens。Code Mode切掉了每轮重传的工具定义和中间冗余输出,把上下文窗口留给了真正需要模型做判断的信息。强模型的红利,弱模型的陷阱省Token的逻辑听起来无懈可击,但真实世界里的跑分却呈现出剧烈的分化。目前最全的公开测试来自开源基准Bicameral。该团队在Claude Code v2.1.326上,用Opus 5.5、Sonnet 5.5、Haiku 5.5、Fable 5.2四个模型跑了6类任务、每组2轮共计96次运行(48组开关对照)。表现最亮眼的是高频MCP取数求和测试:通过外部工具逐条拉取120张工单并统计退款总额。4个模型的对话上下文增量从约54,000 tokens骤降至3,500—8,800 tokens(降幅84%—94%)。16次运行全部答对,累计处理Token减少62%—77%。在需要阅读并筛查重复扣款的研判类取数任务上,处理Token减少40%—68%,对话上下文减少65%—83%。不过测试团队说明,这批人工生成的工单存在句式规律,模型脚本刚好借机跳过了重复段落。并且出现了3次未过检失败,全部出在Haiku 5.5模型上。换一种日常工作,这组数字就有所缩水了。回到大家每天都在干的本地文件修改(在47个Markdown文件里查死链、在Python项目里跨36处调用重命名函数)。单看执行过程中新产生的对话内容(Task context),16组对照里有14组不仅没降,反而因为额外写脚本或排错变多了。但因为开启后每轮起跑携带的“工具说明书”固定少了约1.3万个Token,里外一抵消,Opus 5.5、Sonnet 5.5和Fable 5.2整趟跑下来的累计处理Token依然降了15%—54%。唯独Haiku 5.5在文件任务里处理Token反增9%。回看日志发现,主因是其中一次脚本找错目录,攒下的大量报错记录把起跑底座省出来的额度全吃光了。另外需要注意的是,报告里专门强调:“累计处理的Token”不等于实际账单费用,因为被省掉的大头属于重复读取的提示词缓存。平台对这部分缓存本身就按更低费率打折计价。把这笔账折算成美元的,是另一组第三方测试,来自独立评测站点bestagent.dev。该团队在Claude Code v2.1.325上用Opus 5.5按Anthropic官方API标价对3个真实开源仓库任务各跑3次,测出了更贴近日常体感的数字:新增带测试的CLI参数:开启Code Mode后单次费用从$0.45降至$0.35(省23%),耗时从80秒缩至60秒。134个Markdown文件查死链:费用从$0.20降至$0.16(省22%),耗时从26秒缩至18秒。20个技能说明文件统一加版本号:费用几乎持平($0.16对$0.17)。因为即便不开Code Mode,Claude自己也会在Bash里写一段小脚本一次改完。不过bestagent.dev只测了Opus 5.5单模型两分钟以内的短任务,像第一组测试中的那种复杂任务,依然可能有更好的实际费用差异。可以看出,Code Mode真正擅长的是一些批量处理的复杂任务,如跨工具批量数据处理,以及需要多轮检索与测试联动的仓库开发。遇到原本一条shell就能解决的简单文件批改,换不换它几乎没有区别,用弱模型(Haiku 5.5)写错脚本路径还可能放大返工损耗。能省钱又提速,却要把它“默认关闭”?既然能省下真金白银,Anthropic为什么还要设置环境变量门槛(CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1),并在文档里打上“实验特性,可能随时修改甚至移除”的警告?首要卡点在安全把关与过程监控上。在传统模式下,Claude每读一个文件、跑一条命令都要单独发起请求,系统的权限规则、钩子脚本和安全审核可以逐条盯着把关。企业监控系统也能按每次工具调用留下一条清晰的记录。可开启Code Mode之后,Claude把一连串动作打包写进整段JavaScript里一次性跑完。在Auto模式下的安全分类器只能整段大致看一眼代码,没法像过去那样对运行期动态拼出来的每一条路径逐一细查。为了防住风险,官方在启用门槛上加了多层硬锁。Claude Code会刻意忽略项目目录配置文件里的Code Mode开关,防止开发者克隆一个外部仓库时被对方暗中打开。如果用户开启了企业监控导出或禁用遥测,客户端会直接拒绝启动Code Mode。安检之外,能用的场景也还有限。从支持范围看,现阶段的Code Mode更像一块限在纯命令行终端里的“试验田”。它目前只支持在本地交互式终端、直连Anthropic官方订阅或Console账号使用。桌面端App、VS Code插件、以及亚马逊Bedrock、谷歌云等第三方云平台暂时全都用不了。对于现在就想试用的用户,可以注意两点:第一,看任务决定开关,做批量处理等复杂任务时省Token的效果才明显。第二,开启后几个联动功能会暂不可用,远程控制、Chrome浏览器联动和电脑操控(computer use)都会停用。把视野拉高一层看,Code Mode验证了一件对行业有启发的事:在底层模型不变的情况下,仅仅把“谁来组织循环、中间数据留在哪”这层Harness的工作方式改对,对Claude Code这样成熟的客户端依然能挤出两成以上的真实成本。类似的改进,最近几个月,从云基础设施到开源编程工具,已经有好几支团队沿着同一方向推进。Cloudflare、OpenCode 2都开发了类似的功能,按需查目录、用脚本组合调用工具。8月开源的DeepSeek Harness在四种运行模式里,也内置了程序化工具调用(PTC)模式。但他们各自降Token成本的能力如何,易用性和安全性又如何,还有待更多对比测试来展现。
Launch HN: Maritime (YC F26) – A managed cloud for production AI agents
Hacker News · 1 天前
Hi HN, we're Ary and Maria, co-founders of Maritime (https://maritime.sh). We're building an agent-native cloud that handles everything from custom environments to lifecycle management for AI agents.Demo: https://www.youtube.com/watch?v=lCWMdBQ96rYThere’s been an explosion of sandbox companies coming out of SF, but sandboxes solve maybe 10% of the infrastructure problem for AI agents. The approach that most sandboxing companies take is:You buy Hetzner/OVH Cloud bare metal servers, use Firecracker to slice the servers up into VMs, sell those VMs with low margins.It’s a bit of an oversimplification, but the point is it’s a narrow solution to a fairly difficult problem.We talked to a couple hundred companies that are building AI agents. From personal assistants and coding agents to specialized healthcare agents, and the main pattern we saw was that even after choosing a sandbox provider, you still have to build additional infrastructure just to get things working. These were the primary points of friction:1. Agent lifecycle management.There’s a lot that you have to build in order to properly give your agents VMs: things like sleep/wake, persistent storage, triggers, scheduling, per-user routing and spend caps, health monitoring, failure recovery, and deploying updates across thousands of VMs without downtime.
There are so many of these small sandbox management tasks that companies have to build and maintain themselves, and they add up.2. Custom environments.Production agents have varying needs. Some agents need Windows applications. Others need Android, browsers with persistent sessions, custom operating system images, preinstalled desktop software and applications, or specific dependencies.
Some agents need access to private networks to interact with customer-specific things on prem, or residential IPs, or the ability to restrict network access completely.3. Cost optimization.If you’re selling a personal assistant for $20/month, a sandbox that costs $0.04/hour comes out to roughly $29/month if you keep it running continuously, not including LLM inference, storage, etc. There is a way to combat this though, which is to optimize sandbox usage with auto-snapshotting, making things event-driven, mounting S3 buckets to agent environments via FUSE for cheap storage, cold-tiering snapshots, etc. All roads lead to… building more infrastructure.So what did we build differently?We give each agent its own isolated, persistent microVM and a configurable environment. On top of the compute, we built a lot of composable services: provisioning, persistent state, sleep/wake orchestration, triggers, schedule creation, monitoring, network configuration, updates, rollbacks, recovery, per-agent spend tracking, login handoffs, all the things you’d need for production agents.We also spent a huge amount of time optimizing cost. A lot of thought was put into things such as scale-to-zero, copy-on-write over shared base images, compressed memory snapshots, hot/warm/cold snapshot and disk tiering, and other optimizations while balancing these with performance metrics like latency.As a result, Maritime costs $1 for a 2gb RAM agent per month (unlimited usage for that $1), with additional resources available as needed.Maria was a visiting lecturer at MIT and did research at Project NANDA on agent infrastructure. Ary did research on agent coordination protocols at the same lab. We started Maritime together this March because of all the issues we faced with trying to deploy agents to the cloud during our research.We want your feedback.If you're building an agent product, what did you have to build on top of sandboxes to make them work? We want to know about all the workarounds and weird things you’ve had to build.Are there things you’ve tried to build with VMs but couldn’t? Does Maritime fit your needs? Is there a feature we’re missing that would make us more enticing?Happy to answer any questions in the comments.https://maritime.sh
Comments URL: https://news.ycombinator.com/item?id=50549188
Points: 31
# Comments: 25
Show HN: Mastra Factory, the open-source software factory we use to build Mastra
Hacker News · 1 天前
Hi HN, we're Shane, Sam, and Abhi.Almost two years ago, we shared Mastra, our open-source TypeScript agent framework, on Show HN: https://news.ycombinator.com/item?id=43103073. It got a few hundred upvotes; a couple of weeks later our downloads had doubled, and we were off to the races.Today we're sharing Mastra Factory, the open-source software factory we built to help maintain Mastra itself.At Mastra, we now average nearly 4M downloads per week, and with Factory our team now merges hundreds of PRs a week across the mastra-ai GitHub org. Last week, Factory opened and merged 238 PRs, alongside 630 merged PRs from humans.There's a lot of debate about what a software factory is. For us Factory is a configurable agentic kanban board that's @-taggable in Slack.Under the hood, it uses Mastra’s durable agents for long-running sessions, our conversational memory system, a markdown based wiki with source citations to incorporate company knowledge, signals that subscribe to PR comments wired up into sessions, and a customizable cloud sandbox with our coding harness (working on supporting Claude Code, Codex etc).When we started out, we modeled Factory around our existing workflow-oriented process (triage, plan, build, review, shipped). Three months later, we find ourselves mostly driving it through Slack vs a web UI.We’ve seen more senior engineers kick off sessions in parallel (“triage the 20 oldest issues and let’s evaluate…”). We’re using bug and vuln scanners now, and we’ve closed our repo to outside contributors, asking folks to write detailed issue repros instead.You can get started with `npm create factory`.It’s fully open-source, so you can run it entirely on your infra (we also offer a hosted version). Comment here, we would love to know what you think!https://factory.mastra.aihttps://github.com/mastra-ai/template-factory
Comments URL: https://news.ycombinator.com/item?id=50548660
Points: 67
# Comments: 20
LinkedIn Cuts Daily Spark Shuffle Fetch Failures from 750 to 20 with Apache Celeborn
InfoQ · 1 天前
LinkedIn deployed Apache Celeborn as a shared remote shuffle platform across most Spark and Flink workloads, reducing daily shuffle fetch failures from approximately 750 to 20. The deployment also lowered compute costs by 10%, improved application runtimes by 14%, and reduced shuffle costs per task by nearly 90% through dedicated storage, replication, and data-plane optimizations. By Leela Kumili
答卷照牛,但没了老黄,英伟达已不对味
虎嗅 · 2 天前
本文来自微信公众号: 海豚研究 ,作者:海豚君,原文标题:《答卷照牛!但没了老黄,英伟达已不对味!》英伟达(NVDA.O)北京时间2026年11月18日凌晨,美股盘后发布2027财年第三季度财报(截至2026年10月),这也是黄仁勋11月12日辞任后、由临时CEO Colette Kress主持的首份财报,具体内容如下:1.数据中心:本季度收入1076亿美元,环比增量为186亿美元,同比增长110%,好于市场预期(1018亿)。增长主要由Vera Rubin首季量产出货和Blackwell Ultra(GB300)的持续出货带动:Rubin在量产出货的第一个季度就贡献了接近200亿美元收入(约占数据中心收入的18%)。网络业务本季度收入超过210亿美元,约占数据中心收入的两成。另外,本季度公司对华出货了24亿美元获许可的Hopper数据中心产品(直接销售的H200)。公司从本财年开始调整了披露口径,将数据中心拆分为“超大规模客户(Hyperscale)”和“ACIE(AI云、工业与企业,含主权客户)”。具体来看,本季度超大规模客户收入601亿美元,环增114亿美元(+23%),明显高于一致预期(533亿);ACIE客户业务收入475亿美元,环增72亿美元(+18%),略低于一致预期(489亿)。时隔两个季度,超大规模客户重新成为收入增长的最大增量,云行业积压订单(backlog)从3个月前的2万亿美元增至2.5万亿美元;ACIE的环比增长则来自对头部新云的Vera Rubin出货,以及前沿实验室开始自建数据中心。在各家大CSP自研芯片的情况下,英伟达过去一年用“扶持中小客户+资产负债表兜底”打开了ACIE市场(新云占ACIE一半以上)。但这条路径本季已经出现收缩迹象:ACIE环比增速从上季的25%放缓至18%,并低于一致预期。Kress在电话会上表示,会对新云“保持自律、有选择地支持”,未来的融资支持将优先放在土地、电力和机房(land,power,shell)上,并坦言“过去一个季度很多事情都变了”。2.核心增量信息:公司从上季度开始披露Commitments、Additional Commitments、Guarantees三组数据,这三项把英伟达“算力央行”的角色摆上了台面。本季度是黄仁勋离任后的第一次披露,变化可以概括为:上游继续锁产能,下游兜底是有选择的。1)Commitments(承诺):本季度供应与产能承诺达到3,900亿美元,环比增加1,110亿(上季度2,790亿),公司称主要是多年期的内存采购。从年份分布看,新增的供应承诺几乎都落在2028财年(对应2027自然年):FY28的供应与产能承诺从上季度的870亿跳升至2030亿,FY29由880亿小幅增至920亿,FY30及以后合计只有260亿。粗略对比,按FY28收入指引增长75%、毛利率指引72%–73%推算,FY28营业成本约2000–2080亿美元,与FY28的2030亿供应承诺大体相当——支撑“75%增长”的上游供给基本已经锁定。2)Additional Commitments、Guarantees:针对下游客户的承诺与兜底①Additional Commitments(附加承诺):本季度只剩“新云协议”(原“AI cloud协议”更名)一项,金额320亿美元,环比减少40亿。公司还新增了一段说明:这类承诺只有在新云自行完成融资、相关算力部署上线并经英伟达验收后才生效。Kress表示“没有改变任何东西”,只是因为收到不少询问,把条款写得更清楚。海豚君认为,不管怎么解释,余额从360亿降到320亿,实际上L2(附加承诺)的扩张已经停了下来。②Guarantees(担保):本季度担保最大敞口1,180亿美元(上季度1,085亿),增加的95亿全部来自新出现的“电力与系统信贷支持担保”。公司对担保的描述也从“土地、电力、机房”扩展为“土地、电力、机房和硬件融资安排”,即开始为部分客户的硬件融资提供兜底。新云的土地电力机房担保(35亿)和SB Energy/PORTS-Pike园区(1,050亿)维持不变。PORTS-Pike园区的担保随9栋楼逐期完工生效,首期预计在FY29,英伟达另有约3.8GW的扩容担保选择权。截至目前,公司尚未因担保支付过任何款项。公司8月宣布的5000亿美元算力融资平台(Apollo、BlackRock、Blackstone、Brookfield、高盛、KKR)仍在搭建中,Kress表示公司“继续与基础设施资本伙伴密切合作,推动融资平台落地”,本季度没有披露落地项目。3)管理层交接后的首次表态:本次电话会由Jones(新任董事长,首次设该职位)开场、临时CEO Kress主讲。主要表态如下:①人事:董事会一致接受黄仁勋辞职,并且“无意让其重新担任CEO”。已聘请猎头公司牵头遴选永久CEO,内外部人选都会考虑。新CEO必须能应对先进芯片与国家安全交织的环境,公司希望尽快任命,但“不会为了快而降低标准”,没有给出时间表。对辞职的具体情况和正在进行的调查不予回应。②合规:董事会当天宣布成立“国家安全与出口管制监督委员会”,由部分独立董事、外部资深顾问和法律顾问组成,加强与美国政府各相关部门的沟通。③经营:Kress反复强调“业务一切照常”,路线图不变(Vera Rubin Ultra明年推出、Feynman 2028年推出),客户、供应商和合作伙伴“100%支持”,台积电管理层本周还到访英伟达,公司已追加锁定内存和先进封装产能。④资本回报:未来将把扣除战略用途后的全部超额自由现金流返还股东,剩余2,273亿美元回购授权计划在FY28内用完。Kress把股东回报列为最优先事项之一,同时表示首要投向是供应商(以预付款等方式支持扩产),其次是已承诺的投资,再次是对少数优质客户提供融资或担保,且会逐一严格评估。3.指引:公司预期2027财年第四季度(即4Q26,为14周季度)收入1,300亿美元(±3%),环比增长142亿美元,高于市场预期(1,247亿美元);下季度毛利率(GAAP)为71.0%–72.0%,环比下降约3个百分点,符合市场预期(71.9%)。指引不含任何中国数据中心计算收入,管理层还明确表示已经停止向中国出货获许可的Hopper数据中心产品(H200),这部分在三季度的24亿美元在四季度归零。剔除中国Hopper产品这部分,公司下季度收入按13周折算后同口径环比仍有约6%的增长。管理层重申FQ4毛利率是底部,四季度仍在按旧价格履行已经接下的订单,新价格从新财年开始生效,FY28毛利率回到72%–73%的框架不变。公司管理层在后续交流中,将2028财年收入增长展望从约70%上调至约75%。Kress表示“需求远超供给,预计业绩仍将保持强劲”。FY28的增长展望已经考虑了对现行出口管制的评估,但公司“还需要时间研究其中较难的部分”,没有给出量化影响。海豚君整体观点:业绩撑得住,但回落不是简单的“错杀”上季度老黄甩出FY28“约+70%”的明牌,股价一度修复至239美元的高点。但随后,英伟达遭遇了“人事+合规”的双重冲击。本次财报的意义已超出单季业绩,市场真正要验证的是“没有黄仁勋的英伟达”能否守住2027年(FY28)。公司管理层在随后的交流中,把FY28(即2027年)营收增速展望从约70%上调至约75%,毛利率指引72-73%,想以此作为回应,来表明“有没有黄仁勋,英伟达照样能增长”。公司通过与上下游采购和担保承诺的详细披露、对新云“自律、有选择地支持“态度、成立委员会、做更大力度的分红回购、H200后续收入归零等…..这一切都在说明,英伟达新班子:靠着老黄打下的深厚底子,与老黄割席、对国家表忠诚、有财务管理思维来安抚华尔街的当下需求。但这些选择的背后,仍缺乏对最最最关键问题的回答:后黄仁勋时代,到底谁为公司的长期战略和执行掌舵?美国商务部11月16日发布出口管制新规,把“向中资远程提供算力”纳入全球许可管理,并对东南亚、巴西五国新增出口许可门槛;公司在财报中还披露已停止向中国出货获许可的Hopper数据中心产品,FQ4指引不含任何中国数据中心计算收入。在本次财报之外,市场还关心以下方面的情况:1)黄仁勋离职与CEO继任董事长Harvey Jones代表董事会表示:黄仁勋是在“与公司行为准则、标准和文化规范不符的个人行为”被披露后辞职的,董事会一致接受,且无意让其重新担任CEO。海豚君认为在订单和供应已经锁定的12–24个月内,CEO更替对经营的直接影响有限,FY28上调至75%也印证了这一点。真正受影响的是两件事:一是对客户的兜底与融资扩张会更审慎,本季度新云协议已从360亿降至320亿;二是公司出口管制风险上升,对华获许可的Hopper数据中心产品已停止出货。董事会排除了黄仁勋回归的可能,永久CEO的遴选也没有时间表。在新CEO确定战略方向之前,治理风险并没有出清。2)出口管制新规:离岸算力通道被封堵规则内容:美国商务部工业与安全局(BIS)11月16日发布临时最终规则,目的是防止现有出口管制“通过涉及第三国数据中心的远程计算安排被规避”,主要包括五部分:海豚君怎么看:对英伟达而言,这次新规是“收入受损不大、估值压力更大”。其中①②是主要冲击——中资在全球租卡训练的路径被切断,壳公司代签、拆小单的漏损空间也被堵上;③对非美系本地新云是交付摩擦,美系云厂商只是多了月报合规成本。先澄清一个口径:FY25按开票地,新加坡收入约237亿美元(18%)、中国(含香港)约171亿美元(13%),合计约三成,但这并不是本次新规的敞口。改按客户总部口径重述后,FY25中国一项增加约79亿美元至约250亿(约19%),其余主要是美国总部客户在新加坡开票,属于豁免对象。中国总部客户收入占比此后从约19%降至FQ2 FY27的8.2%,是H20禁售等此前对华管制所致,这次新规目前并未触及对华直销与H200许可。不过,公司在财报中披露,三季度对华出货了24亿美元获许可的Hopper数据中心产品,中国(含香港)收入回升至110.5亿美元、占比9.5%。但管理层同时表示已停止向中国出货这类产品,四季度指引不含任何中国数据中心计算收入,停止的原因没有说明。新规直接打到的,是非美系机房向中资出租算力及实物转运这条“离岸通道”,在财报地区口径里大多记在“台湾”(ODM出货)或“美国”(OEM)名下,任何口径都直接看不出来。假定毛敞口约为收入的5.5%–7.5%(详见下图),被挤出的配额并不会全部消失,海豚君假设其中50%–60%可被北美云厂、AI实验室和主权云接走,那么实际影响在2-3%左右。更值得关注的是二阶影响:中资租户撤出后,海外新云的空置率和租价是否承压,进而削弱其扩容与融资能力、触及英伟达的包销与担保。对中国市场,离岸训练路径受限会倒逼国产算力采购。原本“转向H200对华许可采购”这一对冲,也随着英伟达停止对华出货而暂时落空——三季度24亿美元的对华收入在四季度归零,长期看中国数据中心市场会进一步转向国产。3)Rubin的爬坡节奏Vera Rubin于8月开始量产出货,第一个季度就贡献了接近200亿美元收入(约占数据中心收入的18%,略低于上季度说的20%)。整机柜VR200 NVL72采用72颗Rubin GPU(单GPU中2个die)+36颗Vera CPU。每GW收入从Hopper约180亿、Grace Blackwell约250亿美元提升到Vera Rubin超过400亿美元,Feynman(2028年架构)将进一步提升到“明显高于500亿美元”。除GPU外,CPU和网络是本季另外两条增量:独立的Vera CPU已获CoreWeave、Meta、Nscale和OpenAI采用(此前为AWS、OCI和SpaceX),管理层预计FY28 CPU总收入翻倍以上。网络业务本季收入超过210亿美元,共封装光学(CPO)路线按计划推进,Lambda完成了英伟达CPO交换机的首个量产部署(连接超过1万颗GB300)。管理层本次重申Vera Rubin Ultra明年推出、Feynman 2028年推出,路线图按计划推进;同时推出了DSX POD模块化AI工厂参考设计,首批计划明年初交付美国和中欧客户。4)市场预期及竞争格局SemiAnalysis近期全面下调了AI芯片的出货与支出预期,尤其是对英伟达大幅下调,原因在于“性能/TCO+融资能力”的双重筛选:①前沿实验室的算力组合中英伟达的优先级下降——Anthropic使用TPU、Trainium、AMD GPU和英伟达GPU四类平台,英伟达在性价比上最边缘;OpenAI方面,AMD认股权证交易使AMD GPU很有吸引力,且OpenAI会优先部署自研ASIC(Jalapeno、Serrano);②英伟达对新云的客户敞口最高,而新云的执行与融资风险都在上升。对ASIC竞争下的长期定价权,Kress只表示定价“经过深思熟虑”,FY28毛利率框架不变。市场对英伟达估值的担忧已经从“大厂资本开支回落、市场地位/毛利率能否维持、业绩是否见顶”,进一步延伸至“治理(CEO空缺)、合规(出口管制调查)和融资生态(兜底收缩)”。这份财报暂时化解了业绩端的担忧,但治理、合规和融资生态三个问题都没有解决——永久CEO没有时间表;出口管制新规的影响公司仍在研究,对华Hopper产品已停止出货;新云协议在收缩,新的硬件融资担保却在增加。若后续政策进一步恶化,公司业绩和估值仍会承压。整体来看,这是一份“经营超预期、风险未出清”的财报。股价回落到当前位置后,业绩端的支撑反而更强了,但海豚君并不认为这是简单的“错杀”:估值折价来自治理、合规和融资生态三块尚未出清的风险,而非业绩本身。在出现明确的出清信号(永久CEO落地、独立调查结论、出口管制立法定案)之前,海豚君认为修复空间有限。海豚君对英伟达财报数据及相关图表:
Vercel Releases UI SDK for Agents to Compose UI from Reusable Behaviors
InfoQ · 2 天前
Vercel has released UI SDK in beta, an Apache 2.0 TypeScript library of more than 50 UI behaviors in @ui-sdk/core, with adapters for React, Vue, Svelte, Solid, and Web Components, so agents can compose accessible components and operate them through a documented agent bridge. By Daniel Dominguez
Leaders of China, Russia, US will discuss issues on world peace
CGTN China · 2 天前
Guo Jiakun, a spokesperson for the Chinese Foreign Ministry, said the heads of state of China, Russia and the US will have an in-depth exchange of views on maintaining world peace during their meeting at the Asia-Pacific Economic Cooperation (APEC) CEO Summit in Shenzhen.
Leaders of China, Russia, US will discuss issues on world peace
CGTN World · 2 天前
Guo Jiakun, a spokesperson for the Chinese Foreign Ministry, said the heads of state of China, Russia and the US will have an in-depth exchange of views on maintaining world peace during their meeting at the Asia-Pacific Economic Cooperation (APEC) CEO Summit in Shenzhen.
火遍全球的“徒步28年回家”男人:我承认对儿子很自私
虎嗅 · 2 天前
本文来自微信公众号: 新周刊 ,作者:洛卡来,编辑:贾小凡徒步探险家卡尔·布什比花了28年从智利走回家乡英国,完成了一件不可思议的人类壮举,引发全球关注。被他的传奇故事吸引的人们,跟着卡尔走过高原、海峡与沙漠,见证无限的惊险与精彩。前妻安吉拉记得的,却是另外一些琐碎的事情:她的儿子有多么挂念远方的爸爸。11月初,一件罕见的人类壮举引发了全世界媒体的关注。历时28年,英国冒险家卡尔·布什比(Karl Bushby)终于完成了从南美洲智利徒步返回英国故乡赫尔的壮举,累计行程约3.1万英里(约5万公里)。卡尔这趟远征从智利南端出发,穿越冰封的白令海峡,跋涉于茂密丛林,横渡里海,最终回到了人生的原点。各大媒体报道他回到家乡的全过程,甚至直播了最后一段他与家人团聚的场面。这场传奇性的横跨四大洲的耐力远征,使卡尔成为了第一个不间断徒步环游世界的人。28年后,卡尔·布什比终于回到了英国赫尔。(图/卫报)在全世界的社交媒体上,卡尔的故事也引发了网友的热议。有人佩服他花了28年,做成了一件当初没人当真的伟大事业;也有人不禁留意到,他出发时,儿子亚当只有8岁,成长中大部分时刻都被错过了。卡尔的儿子亚当·布什比小时候曾和同学说,自己的爸爸在徒步环游世界,他的同学们都觉得他在编故事,直到后来新闻真的报道了父亲的传奇故事。从这个角度去看,这有点像非科幻版的《星际穿越》:父亲在孩子年幼时离家去完成一项壮举,28年后,父亲归家,而孩子也从一个盼望爸爸回来的孩子,自己成为了一名父亲。从12年延长到28年的徒步之路1998年11月1日,29岁的卡尔带着约500美元从智利的蓬塔阿雷纳斯上路。帐篷和生活用品都塞在一辆被他称作“野兽”的手推车上。他最初对这段徒步之旅的预计时长是12年,但最终时长超过了一倍之多。卡尔刚开启旅途时,并不会说西班牙语。智利的高原上寒风刺骨,他得把身体斜成45度才能站稳。恶劣的天气持续了好几天,寒风吹来的尘土和沙砾不断拍在他的脸上。严重的高原反应让他喘不上气,再加上呼吸困难、饥饿,他饱受折磨。卡尔很快意识到,如果想要直接闯过这片狂风肆虐、干涸龟裂的高原,无异于自寻死路。于是他马上改变了路线,翻过安第斯山脉,向西往海岸走。路上的地形依然恶劣,他一度靠一根香蕉撑了三天。背着沉重行囊的卡尔,开启他的旅程。(图/卫报)卡尔到达智利阿塔卡马沙漠后,花了五个月的时间穿过5号公路。但不管怎么说,旅途刚开始时还算顺利。随着他的缓慢前进,公路上来来往往的卡车司机,都认得这个推着车的人。有人朝他扔瓶装水,也有人递水果给他,“我不知道卡车里是谁,但他们都在照顾我。”到了哥伦比亚后,卡尔发现情况没有那么乐观,“当时,哥伦比亚简直就是个无法无天的混乱之地,叛乱、反叛乱、毒品和缉毒情报机构混杂其中。”2000年,当他准备前往巴拿马时,他必须通过臭名昭著的达连隘口。这条长达97公里的隘口,遍布茂密的热带雨林、沼泽和山脉,是当时哥伦比亚和巴拿马边境游击队的掩护地带。避免引人注目,卡尔把自己打扮成流浪汉,将地图、指南针和常用药品缝在衣服的暗袋里。不过,他还是避免不了被持枪抢劫,“保持微笑,一个微笑就能帮你渡过很多难关。只要化解冲突,化解矛盾,你就会没事的。”为了让旅程顺利进行,卡尔时常乔装成了流浪汉。(图/卫报)卡尔从南美穿越到美国,最终抵达阿拉斯加。南方有南方的严峻,北方有北方的残酷。为了从美国前往俄罗斯,他必须穿越白令海峡——连接北冰洋和太平洋的狭窄冰封水道,全长约82公里。当时的白令海峡不再是完全冰封的状态,随着冰层不断融化成海水,部分冰层持续脱落。而在卡尔之前,从来没有人成功从阿拉斯加徒步到达西伯利亚。真正走到白令海峡,已经是出发后的第八年。想要穿越白令海峡,意味着卡尔要同时兼顾徒步和游泳才能穿越这片半冰封的海域。有英国媒体前往当地拍摄这次任务,卡尔告诉主持人桑德斯,他一生都在与失败作斗争,而现在他要证明自己。“有些人可能会觉得这很荒谬,有些人可能会觉得这很不负责任,但有些人会理解我的感受。人生中有些事值得为之付出生命。”卡尔和搭档探险者迪米特里·基弗踏上了白令海峡。(图/卫报)他和搭档探险者迪米特里·基弗就这样踏上白令海峡的冰面,晚上把帐篷搭在浮冰上。有一次,薄冰突然塌了,装着补给的雪橇掉进海里。零下30摄氏度,两个人硬是把重达90公斤的雪橇拖回冰面。在穿越白令海峡的过程中,他们还与北极熊来了场正面相遇。“我们试图吓走它,但根本没用。如果它想抓我们,我们就死定了。太可怕了。它简直是庞然大物。”好在,北极熊盯着他们看了一会后就走开了。卡尔长舒一口气,感到如释重负,“你根本逃不掉的。”有时候拖延时间的不是恶劣的自然条件,而是让人无能为力的经济状况与突发状况。2008年金融危机爆发后,卡尔身上原定的商家赞助协议纷纷告吹,他的资金也随之耗尽。他只好隐居墨西哥,靠着当服务员和帮忙经营一所赛艇学校赚取生活费,勉强维持了两年的生活。卡尔在冰冷的海水中奋力游向海岸。(图/卫报)走到中亚后,卡尔的陆路计划再次受阻。战争让他无法按计划经俄罗斯绕过里海北岸,南边途经伊朗的路线也走不通。2024年,他和同伴从哈萨克斯坦出发,横渡里海,终于抵达阿塞拜疆。这趟横渡有船只沿途支援,他们白天下水,晚上在船上休息,总共花了31天。两年后,他又以相似的方式渡过英吉利海峡,在英国多佛附近上岸,最终徒步回到家乡赫尔。整趟旅行持续28年,按团队公布的数字,卡尔靠步行和游泳走完了约5万公里。其中据卡尔估计,真正走路的时间大约有15年。“哪怕父母去世,也绝不回家”卡尔对自己的旅途很诚实。当中间因为各种原因停下来时,他会耐心等候能继续上路的时机,然后回到上次停下的地方重新出发。好不容易渡过白令海峡到达俄罗斯后,卡尔和同伴因没有从指定口岸入境被扣留,甚至一度被怀疑是间谍。俄罗斯法院曾下令将他们遣返,两人上诉后,遣返令才被撤销。受签证停留期限限制,卡尔只能断断续续地进行这段旅程:在俄罗斯境内走一段、离境一段时间,下次再回到中断的地点继续行走。大概十一年后,他终于走完这段路。无论遇到什么困难都坚持完成这样一项无人当真的壮举,或许和他从小形成的性格不无关系。卡尔·布什比在英国小城赫尔长大,他从小有轻微的阅读障碍。接受媒体采访时他说,同学们都把他当成笨小孩,“给我贴上了笨蛋的标签”。为了缓解在学校的难过,他会跑到郊外观鸟。16岁时,卡尔决定辍学加入少年伞兵团。他考了五遍体能选拔才过关,“通常情况下,他们会允许你尝试两三次。”但是卡尔从来没有放弃过,“因为我从不放弃……这大概是(后来一定要完成徒步)最初的征兆之一,我就是不肯放弃。”在部队里,卡尔也始终像个局外人。他把这一点归因为他不爱喝酒,“我从来不喝啤酒,这是个问题。”整个参军生涯中,他认为同事们从来不信任他,他也感受不到同事的尊重。1990年至1995年,英国军队的规模从16万人缩减到12万人。尽管卡尔保住了工作,但他受困于生活的无趣,“我就是那种渴望在生活中寻找挑战的人。年轻的士兵们都渴望战斗,结果却每天被派到北爱尔兰的某个大门站岗放哨,这实在没什么吸引力。”卡尔顶着风雪艰难跋涉。(图/卫报)卡尔那时就有时候会想,来一个长途徒步旅行会是什么体验。他开始研究世界地图。让他下定决心的是一张他生日前夕收到的贺卡,是同为当兵的父亲寄来的。父亲在卡片中提到,有几个同僚在讨论,能不能经白令海峡从伦敦走到纽约。卡尔在地图上用一支黑色记号笔,从英国向东画,穿过欧洲、亚洲和白令海峡,画到纽约;到了纽约,他又觉得可以再往南,便把线一直画到南美洲最南端。为了确认这条路线是否可行,他花了几年研究线路,并重新捡起学生时代没学好的数学、物理和地理。最终,他却决定反向而行,从智利走回家。“我说想徒步环游世界的时候,没有人把我的话当真。大家只是觉得,卡尔又冒出个疯狂念头。可越是这样,我越来劲。我会盯着地图,想象那会是什么样的生活,我放不下这个念头。”卡尔接受采访时说道。对“死亡”的思考也推动他开启了这趟旅程,“我很在意死亡这件事。人总有一死,生命只有一次,那你要怎么过?”在伞兵团服役十二年后,卡尔在1998年出发了。他给自己立了两条规矩:一是全程不准借助任何交通工具;二是在没有徒步抵达目的地前,绝不回家。第二条规矩近乎无情。出发前,卡尔就跟家里人说过,哪怕父母在他远行期间去世,他也不会回英国参加他们的葬礼。后来,儿子亚当在出摩托车事故差点没命的时候,卡尔也没有回英国探望。签证、经费和疫情让他停了又走,走了又停,原计划的12年硬生生拖成了28年。横渡英吉利海峡后,卡尔·布什比在多佛吃了一份久违的炸鱼薯条。(截图/社交平台)到达多佛后,卡尔在餐厅点了一份英国国菜炸鱼薯条,还配上豌豆泥。他掏出手机对着盘子拍了段视频,说自己28年没吃这份经典的饭菜了。吃完这顿饭,他还得再往北走大概400公里,才能回到母亲的家门口。400公里和28年的5万公里相比,算是近在咫尺,但同时又像是世界上最远的一段路。在徒步的旅程中,卡尔每天都有关乎生存的问题要解决:车胎扎了上哪儿补,衣服脏了上哪儿洗,今天还能走多远……现在快到家了,卡尔反倒更发愁了。他在多佛接受媒体的采访时说,回赫尔后打算先住在母亲家,再看看要不要找一份工作。他和母亲之间也有些生疏,需要花点时间重新熟悉起来。他说,想到这些就有点害怕。11月2日上午11点,卡尔·布什比推着那辆叫“野兽”的手推车,出现在赫尔市中心。早就有几百人聚集在维多利亚女王广场,有热心民众朝他大喊:“干得好,卡尔!”他把车停下后接过话筒,开玩笑地回了一句:“让大家久等了。”到家后,卡尔和母亲激动相拥。(图/卫报)母亲安吉拉在家里的厨房等着他。当地记者问她感觉怎么样,她说自己有点高兴也有点紧张。摄影记者、电视台和纪录片摄制组都聚在卡尔家门口等着。安吉拉一见到卡尔就抱住了他,哭着问:“你跑哪儿去了?”卡尔对记者坦言,自己曾一遍遍想象走到这扇院门前的场景。但当他真的见到母亲时,他反倒有些恍惚,觉得母亲变了很多。“我跑哪儿去了?”卡尔重复了一遍安吉拉的话,笑着说:“二十八年了,这不回来了。”壮举背后的男孩和女人在现场欢迎卡尔的,除了母亲,还有他多年未见的儿子亚当,和已经12岁的孙女。在踏上旅途前,唯一让卡尔放心不下的是当时8岁的儿子。他也曾纠结过,自己如果真的离开,那么基本参与不了儿子的成长。如果按照计划一切顺利进行,卡尔回英国的时候,亚当应该20岁了。而事实上,等到卡尔返乡时,亚当已经36岁。卡尔和儿子亚当。(图/每日邮报)“那是个很难的决定,”卡尔说,“但我当时想的是:‘我怎样才能对儿子有价值?如果我做一件这么大的事,对他会不会更有价值?’”显然,卡尔对这个问题也没有答案。1998年离开家后,卡尔再见到亚当是在2004年。14岁的亚当跟着奶奶一起飞去阿拉斯加探望爸爸,两父子在阿拉斯加认真聊了一次。回程飞机上,亚当慢慢想明白,他的父亲大概非得把这趟路走完才愿意回家。小时候的他希望父亲能早点放弃这个想法,等到父亲真的开启了这段旅程,他又觉得都开始了,怎么也得走完。随着科技的发展,亚当和卡尔的交流方式从写信变成打视频电话。在随后的这些年,亚当无论是考下摩托车和汽车驾照,还是女儿出生,都会给父亲发消息告知。不过,不是每一次的消息都能收到父亲的及时回复,有时候回复要在一个星期后才到来,甚至卡尔可能会失联好几周。亚当虽然心里很着急,但是也只能默默等待父亲来自远方的消息。全家人在家门前迎接卡尔。(图/卫报)亚当也常在自己的社交账号上发父亲徒步的内容,对媒体谈起卡尔时,语气里满是骄傲。说起这些年父亲错过了的事情,他还是一口气列了不少:上学、毕业、女儿出生,还有无数个生日、圣诞节和跨年。无论长大后如何理解父亲,小时候,他也只是一个想要爸爸在身边的孩子。回顾那28年,卡尔也承认自己的自私。那些年他几乎只关注自己的生活:有没有钱吃饭,明天有没有办法接着走。回到赫尔那天,有记者询问卡尔和亚当之间的关系,卡尔表示自己并不后悔环球徒步这个决定,他觉得自己和亚当依然很亲近。多年来真正陪在亚当身边的,是卡尔的前妻、亚当的母亲安吉拉·蒂夫嫩。卡尔和前妻安吉拉。(图/每日邮报)她在接受媒体采访时表示,自己认识卡尔时只有18岁。亚当十个月大时,两人结了婚,随后搬到英格兰汉普郡的陆军基地。后来卡尔被军队派回北爱尔兰,安吉拉留在当地照顾孩子,身边也没有帮忙照顾小孩的亲友。说起那几年,她觉得两个人结婚得太早,也过早地成为父母。婚姻结束得也很早,1995年两人离婚,安吉拉带着亚当回到了贝尔法斯特。三年后,卡尔便开始了他的征途安吉拉回忆亚当当时太小,不明白爸爸为什么要走那么久,而她也必须克服一个人拉扯大小孩的艰辛,“我得学会什么都自己来。”后来,亚当也曾去美国陪父亲走过一段路。她记得儿子回来的时候,他一直兴奋地跟她说了很多路上的见闻,说着那段旅途有多精彩,和爸爸待在一起有多开心。她理解卡尔想去追寻自己的梦想,但也坦言在独自抚养小孩的时间里,卡尔应该给与他们更多的支持。对于安吉拉而言,这28年她唯一能做的,就是一次次向亚当解释,为什么爸爸不在家,为什么爸爸还没有回来。28年后,卡尔回到了母亲的家门口。(图/每日邮报)在《每日邮报》对安吉拉的这篇专访下面,很多读者在争论一个父亲离开这么久,还能不能被称为英雄。最高赞的评论,批评卡尔把照顾孩子的责任留给前妻,也有人认为,两人在出发前就已经分开了。卡尔在徒步前就已离婚是事实,不过如果出门的是安吉拉,留下来把孩子养大的是卡尔,人们会先问她打算怎么穿过白令海峡,还是先问她的孩子怎么办?卡尔从哪里出发、每天走多远、被签证耽误的细节,各大新闻媒体都有报道,但这些讲述中几乎看不到任何关于儿子亚当如何长大、前妻安吉拉如何抚养他的描述。直到卡尔的环球之旅结束后引发巨大关注,我们才能从一家媒体的采访中,看到安吉拉自己的叙述。在28年的时间里,卡尔的每一步都会被各大新闻媒体报道。(图/卫报)卡尔的故事像是《月亮与六便士》走进现实,充满理想与勇气的人去远方追求月亮,故事的视角也跟随着他去了远方,但无人在意留在家中的家人为六便士操劳。被传奇故事吸引的读者们,跟着卡尔走过高原、海峡与沙漠,见证无限的惊险与精彩。留在原地的前妻安吉拉记得的,却是另外一些琐碎的东西:她的儿子有多么珍惜陪爸爸走过的那段旅行,有多么挂念远方的爸爸。2014年亚当成为爸爸那天,给卡尔发了条消息。等卡尔第一次见到孙女,女孩已经12岁了。有记者问他,第一次见到孙女是什么感受。他说:“这太棒了,我们在这儿才刚迈出第一步。”好在孙女还有很多个生日,卡尔还有机会参与她的人生。校对:开心;排版:丁小艺1.After 28 Years Walking Across the Globe,He’s Almost Home-The New York Times-2026-10-292.‘Some things are worth dying for’:Karl Bushby’s incredible 28-year walk home,through deserts,kidnappers and polar bears—The Guardian—2026-10-133.it took 28 years for this man to walk around the world.Now,he’s finally coming home—British GQ—2026-9-264.What walking around the world taught Karl Bushby:‘A constant display of the very best of humanity’—The Big Issue—2026-8-145.Karl Bushby:The Man Who Walked The World Is Finally Home–“I’ve Re-Established My Faith In Humanity”—TO VIMA—2026-11-36.‘Where have you been?’–Karl Bushby’s mother meets adventurer on his return to Hull—The Yorkshire Post—2026-11-27.Karl Bushby:Leaving my son behind while I walked around the world was purely selfish—The Telegraph—2026-11-28.Karl Bushby latest:Adventurer returns home to Hull after 28-year walk from South America—Sky News—2026-11-29.Karl Bushby and Angela Maxwell Swim Across the Caspian Sea—ExplorersWeb—2024-10-1910.Around the world walk delayed by Ukraine war—BBC News—2022-5-911.How Karl Bushby battled English Channel doubts—BBC News—2026-10-712.Karl Bushby Press,Interviews&Media Rights—Karl Bushby官方网站13.I'm the ex-wife of Karl Bushby-the'hero'who walked around the world.I might not have traversed the jungles of Colombia but I did raise a decent,happy and well-adjusted son...while his father was off on his adventure-Daily Mail—2026-11-7
最让人想逃的聊天方式,它排第一
虎嗅 · 2 天前
本文来自微信公众号: 简单心理 ,作者:简单心理有一种聊天特别消耗人——你说自己最近工作很累,对方马上说:「我之前比你还累,因为……」你聊起感情关系里的困惑,对方开始讲自己的恋爱经历。你分享一个有趣的发现,对方立刻接过话题,讲起知道的相关知识。最后,你发现自己只是一个引子,无论说什么对方都能把话题转回ta身上。交谈结束后,你通常感觉很疲惫,还有一种隐隐地不满,你说不出什么,只是下次这位朋友约你出去的时候,你会犹豫一番。社会学家Charles Derber曾经用一个概念描述这种日常互动中的现象:Conversational narcissism(对话自恋)——指人们在对话中倾向于将注意力和话题重新引向自己。这里的narcissism不是临床意义上的自恋型人格障碍,而是一种发生在日常交流中的、以自我为中心的互动模式。它的关键不在于一个人说了多少自己的事情,而在于:当另一个人开始表达时,另一方是否有意愿倾听?谈话是互相「抛球」,还是一个人的「独角戏」?01你到底在听我说话还是只想说自己?什么是真正的「对话自恋」?它并非只是简单地谈论自己。传播学研究者Anita L.Vangelisti等曾发表一篇题为《Conversational Narcissism》的研究论文,提炼出「对话自恋」的两个关键特征[2]:1)在谈话中极端地聚焦自我;2)以至于排除了对他人的适当关注。研究者还发现,对话自恋不只是语言内容的问题,也涉及注意力、身体动作和互动方式。被参与者识别出的典型行为包括[2]:▨吹嘘自己;▨把谈话话题重新引向自己;▨夸张的手势和身体动作;▨提高说话音量;▨别人说话时明显走神,眼神失去关注。除此之外,还可以看对方的回应方式。一般交谈中,人们的回应方式有两种:转移式回应(shift-response)和支持式回应(support-response)。举个例子:A对B说:「我最近工作特别累,每天都要加班,感觉快要撑不住了。」B回答:「我也是!我最近忙得更夸张,昨天晚上十一点才下班,真的快疯了。」注意力从小A的经历转移到了B的经历,小A的话变成了B讲述自己的入口,这就是「转移式回应」。如果B回答:「怎么了?最近工作量突然增加了吗?你已经这样持续多久了?」B没有急于讲自己的经历,而是帮助A继续表达,进一步了解ta的处境,这就是「支持式回应」。Derber认为,「对话自恋」的关键表现,就是一个人习惯性地使用「转移式回应」,却很少使用「支持式回应」[1]。但这种行为并不一定是刻意的,很多人甚至完全意识不到自己正在改变谈话的方向。那么,这样的交流方式会给关系带来什么影响?首先,当一个人只谈论自己时,对方是比较容易感受到的。表现出这些行为的人,会被评价为具有更低的社会吸引力[3]。「对话自恋」还与感受到的友谊质量较低有关[4]。也就是说,当一个人在朋友倾诉时总是把话题引回自己身上,对方会觉得自己没有得到期待中的支持。不过,研究者也提出了一个重要的补充:「对话自恋」并不完全是一个人的固定性格特征,它还取决于互动双方的需求和谈话目标[3]。这种行为,其实比人们想象地更常见。02为什么人们会忍不住讲自己?1.人天然更习惯以自己为参照系来理解他人心理学中有一个概念叫自我参照效应(Self-reference effect),简单来说,当我们接收到一条信息时,大脑很容易把它和自己的经历、知识与感受联系起来。比如,当朋友说「我最近工作很累」,立刻想起自己曾经加班到深夜的日子;当朋友说「我最近失恋了」,马上回忆起自己的分手经历。这种联想本身没有问题,也是理解别人、产生共鸣的重要途径。问题在于,有时候人们会把「我想起了自己的经历」误认为「我已经理解了对方」。但实际上,两者并不相同。2.格外渴望被看见Derber提出「对话自恋」理论有一个更大的社会学背景,在《The Pursuit of Attention》中,他进一步讨论了个人主义文化、社会支持不足与人们争取注意力之间的关系[1]。Derber认为,当人们缺乏足够的社会支持时,就更加渴望通过日常互动获得认可。注意力因此成为一种稀缺资源,每个人都希望自己的经历被看见,自己的观点被重视。当两个人都在争取注意力时,对话就可能变成一种隐性的竞争。你说自己的工作有多辛苦,我也要告诉你我多不容易;你讲自己的高光时刻,我也想让自己被肯定。没有谁对谁错,只有两个都渴望被看见的普通人。3.满脑子都是自己的烦恼,就很难再听见别人2010年,心理学家Rebecca A研究了青少年友谊的研究中的「对话自恋」现象。发现:具有较高内化症状(包括抑郁、焦虑等症状)的青少年,在讨论问题时更容易表现出这种自我聚焦行为[5]。研究者认为,当一个人长期陷在自己的负面情绪和问题中时,可能更难从自己的心理困境中抽离出来,关注朋友正在表达的内容。当然,这不意味着所有有抑郁或焦虑症状的人都缺乏倾听能力,更不能把对话中的自我聚焦简单归因于心理问题。它只是提醒我们:一个人总是讲自己的事情,有时并不是因为ta太喜欢自己,而是太难从自己的困境中走出来。4.把话题转向自己,也是想靠近你也有一些时候,人们转移话题,并不一定只为了谈论自己,可能真的是想表达亲近。朋友:「我最近刚开始学瑜伽。」你:「我也学过!刚开始的时候我总是找不到平衡。」——建立起共同经验,让两个人更快产生亲近感。朋友:「我最近失恋了。」你:「我懂,我去年分手的时候也特别难受。」——希望通过分享自己的经历告诉对方:你不是一个人,我理解这种痛苦。这是一种建立连接的方式,但却可能导致过早地把注意力从对方身上移开,引发对方的失落。那么,问题来了——为什么人们有时候想表达理解,却让对方觉得自己被忽视?分享自己的故事,究竟何时是共情,何时就变成一种以自我为中心的偏差呢?03如何让一场谈话成为两个人的事?研究者发现,同样是谈论自己,「对话自恋」中的「自我聚焦」与正常的「自我表露」(self-disclosure)是不同的概念[6]:正常的「自我表露」通常是相互的:你分享自己的经历,我也分享我的经历,两个人逐渐建立信任。而「自我聚焦」则是非对称的:一个人的经历不断占据对话,另一个人则挤到了边缘。因而,正常的「自我表露」与更好的友谊质量相关,而「自我聚焦」则与友谊问题相关。这意味着,同样一句「我也经历过」,可能产生完全不同的交流效果。但很多时候,这一切都是在无意识中发生的,你可能滔滔不绝地谈论了太多自己的事,除非有人提醒,自己并不能意识到。在谈话中如何既能分享自己,又避免一不小心太「自恋」?我们也为你准备了一些建议:1.在联想到自己的经历后,不必立刻回应朋友说:「我最近真的很焦虑。」你可能马上想到自己曾经焦虑的经历。但在讲述之前,不妨先停一下,问问对方:「是什么事情让你最近这么焦虑?」因为你们虽然都有过类似的情绪,但背后的原因、感受和需要可能完全不同。2.聊自己为了帮助对方,而不是成为谈话中心这两种动机不一定容易区分,但可以观察一个细节:当对方没有表现出兴趣,或者没有顺着你的故事继续追问时,你是否能够自然地把话题交还给ta?如果可以,那么自我分享就仍然是交流的一部分;如果你总是希望对方继续关注自己的故事,那么谈话可能已经偏离了原来的方向,不妨试着把话题拉回来。3.保留对另一个人的好奇心比如,你对朋友说:「我去年失恋的时候也特别难受,那段时间我花了很久才走出来。」然后,你又问了一句:「不过,你现在怎么样了?你们分手之后还有联系吗?」这时候,你的经历就可能成为建立联结的桥梁,让对方知道,你能够理解ta的感受,同时也没有忘记,这场谈话原本是关于ta的。当好奇心打开时,你的目光就不会始终落在自己身上。写在最后谈话是一段关系的缩影,两个人如何交谈,通常意味着ta们在关系中如何互动。从这个角度来说,好的谈话和一段高质量关系的本质也是一样的——是双向、流动、有弹性的。因而谈论自己并不是问题所在,只有当分享过度,谈话陷入僵化、单向度时,才失去了交谈的意义。朋友刚分手,你也失恋过,但你并不一定真的知道对方正经历着什么。对方此时最需要的,或许只是你能陪ta待一会儿。很多时候,倾听(即什么也不说),可能比表达更珍贵。这意味着我们暂时把自己的判断、感受和需求放在一边,真正进入了另一个人的世界。作者寒冰责编罗文封面《Girls》什么样的交谈方式让你感觉疲惫?欢迎在评论区聊聊~📄参考文献[1]Derber,Charles.(2000).The Pursuit of Attention:Power and Ego in Everyday Life.2nd edition.Oxford University Press.[2]Vangelisti,A.L.,Knapp,M.L.,&Daly,J.A.(1990).Conversational narcissism.Communication Monographs,57(4),251–274.DOI:10.1080/03637759009376202[3]Vangelisti,A.L.,Knapp,M.L.,&Daly,J.A.(1990).Conversational narcissism.Communication Monographs,57(4),251–274.DOI:10.1080/03637759009376202[4]Schwartz-Mette,R.A.,&Rose,A.J.(2010).Conversational Self-Focus in Adolescent Friendships:Observational Assessment of an Interpersonal Process and Relations with Internalizing Symptoms and Friendship Quality.Journal of Social and Clinical Psychology,28(10),1263–1297.DOI:10.1521/jscp.2009.28.10.1263[5]Schwartz-Mette,R.A.,&Rose,A.J.(2010).Conversational Self-Focus in Adolescent Friendships:Observational Assessment of an Interpersonal Process and Relations with Internalizing Symptoms and Friendship Quality.Journal of Social and Clinical Psychology,28(10),1263–1297.DOI:10.1521/jscp.2009.28.10.1263[6]Schwartz-Mette,R.A.,&Rose,A.J.(2010).Conversational Self-Focus in Adolescent Friendships:Observational Assessment of an Interpersonal Process and Relations with Internalizing Symptoms and Friendship Quality.Journal of Social and Clinical Psychology,28(10),1263–1297.DOI:10.1521/jscp.2009.28.10.1263
Launch HN: StarSling (YC P25) – Self-improving CI for agent-volume repos
Hacker News · 2 天前
We’re Yonas and Daniel and we’re building StarSling (https://starsling.dev), fast GitHub Actions runners with AI agents that ship PRs to continuously improve your tests and workflows.Every CI job gets its own ephemeral sandbox on the fastest Zen 5 machines and NVMe Disk with unlimited concurrency so a burst of agent PRs all run at once. We’re different from other runners because ours come with agents that cut down your CI bill over time. PRs are generated through our CI harness, which runs an agent loop that’s tuned to improve your CI speed and reduce cost.Mastra now merges over 1,800 PRs a month and we got their slowest workflow from 29m 56s on GitHub-hosted runners down to 5m 06s (5.87x) on StarSling. We realized the true value of having an agent loop running on top of fast runners when our agents found an 11-month-old performance bottleneck in better-auth. The fix made one of their test jobs 5.4x faster: https://github.com/better-auth/better-auth/pull/10762.I previously founded StackShare, which grew to over 1.5M developers. Daniel helped build Netflix's internal developer portal. Last year we started building AI agents for DevOps because shipping code to prod fell way behind agentic coding. We hit the CI bottleneck ourselves as we were building agents. Our own agents shipped so many PRs that at peak our job queues were backed up for hours and our CI bill got close to our inference bill.We now support per-second billing, and just shipped StarSling Disks - persistent disks that give you a 4.9x speedup in dependencies ready over actions/cache. You can see a quick demo of disks in action here : https://www.youtube.com/watch?v=2JrrpRm9Mww.Our CI harness runs a loop that has agents:
- Analyze your workflows, run logs, and machine telemetry
- Propose an optimization
- Test your unchanged workflow side by side the proposed change
- Deterministically judge that the difference is statistically significant
- Ship the winner to you as a PR with benchmarks evidenceWe benchmarked open source repos on our runners and average 10x speedup in wall clock time with 70% less runner time:
- https://github.com/starsling-demo-org/benchmark-gogs (12.8x)
- https://github.com/starsling-demo-org/benchmark-shellcheck (5.5x)
- https://github.com/starsling-demo-org/benchmark-chatwoot (3.9x)
- https://github.com/starsling-demo-org/benchmark-transfer.sh (11.7x)
- https://github.com/starsling-demo-org/benchmark-mirotalksfu (36.4x)Yes, you can do these optimizations yourself with prompts so we’ve released skills for this: https://github.com/starslingdev/skills. The benefit of using our agents is that you don’t need to spend tokens and CI compute finding optimizations yourself.We started building our runners on AWS at the beginning of the year and realized that was too expensive. But at that time there weren’t any cloud providers that could give us the same machines we were getting on AWS, billed per minute (microVMs). So we convinced a handful of sandbox providers to get Zen 5s and started benchmarking them publicly (https://github.com/starslingdev/hpc-sandbox-benchmarks).We’ve learned that fast infrastructure is table stakes for CI, but it’s not sufficient on its own. To get fast and cost effective CI you need a process that continues making improvements. We turned CI optimizations from OpenAI, Anthropic, Linear and others into playbooks for your agent: https://starsling.dev/ci-playbooks.To try it, give your agent this URL: https://docs.starsling.dev/start. You get 2,000 free minutes. Our agents start opening PRs once you've hit about 10,000 minutes.Today we announced our CI Challenge: if StarSling can't save you at least 10% on your next CI bill, we'll literally give you $1,000. Eligibility and rules here: https://starsling.dev/blog/ci-challenge.We’d love your feedback on the headless experience and what you’d like to see improved in your own CI setup!
Comments URL: https://news.ycombinator.com/item?id=50536468
Points: 31
# Comments: 15
“减肥针不算药啊”,这5种情况不说实话会要命
虎嗅 · 2 天前
本文来自微信公众号: 果壳 ,作者:代天医她在手术前做足了准备,24小时内只吃了白面包、苏打饼干、清汤和水煮蛋,12小时内完全没有吃饭喝水,家属可以作证。按道理讲,她的胃早就应该空了。然而,麻醉刚开始,大量黄色液体就从她嘴里涌出来。医生紧急抢救,但她从胃里反上来的液体,还是有一部分灌进了肺里。脱离危险后,她才在医生的追问下承认术前隐瞒了一件事:自己正在打“减肥针”。之前没说,是因为她觉得这只管减重美容,不算是“药”,不需要告诉医生。可能很多人都不知道,在使用这些胰高血糖素样肽-1(GLP-1)受体激动剂类药物时,至少有5类情况,遇到时一定要告诉医生你在用药。她没说,是因为没把“减肥针”当作药物文章开头的真实案例,在2025年发表于《围手术期医学》(Perioperative Medicine)。这位61岁的患者,为了减重在4个月前开始注射司美格鲁肽,最后一次注射是在术前6天。就因为她漏报了这个信息,原定的冠脉造影手术被取消了。医生紧急进行气管插管时,在气管导管内吸引出胃内容物。之后,她的血氧饱和度降低到84%~88%(大于95%为正常),CT检查也发现了肺部阴影。这些都提示,她把从胃里反流到嘴里的液体吸进了肺里(误吸)。对于误吸来说,她在3天后病情好转出院,没有留下后遗症,已经算是最幸运的结局了。误吸,有可能会危及生命丨gharibianlaw胃里的液体反流进肺里,可以很严重部分手术和检查要求禁食,就是为了尽量把胃排空,预防误吸。因为人在麻醉镇静中,会失去吞咽和咳嗽反射,容易把胃里的液体反上来并灌进肺里。这些混着胃液和唾液的液体酸性强、带有细菌,有可能引起呼吸衰竭和肺炎等等。常规的禁食时间,是按照普通人的胃排空速度定的。可是,近年GLP-1受体激动剂的使用,改变了这个时间。这类药物减重的核心机制之一,就是延迟胃排空。有研究显示,用药者胃排空一半的时间可延长45%。理论上,这有可能增加误吸的风险。2024年发表于《美国医学会杂志·外科学》(JAMA Surgery)的一项研究中,术前胃超声显示,使用GLP-1受体激动剂类药物的患者,胃内有残留的比例为56%,明显高于非用药者的19%。用药后实际发生误吸的案例,此前也已有多起报道。尽管,单个病例不足以证实因果关系,现有大规模研究也没有发现这类药物明显升高误吸风险。不过出于安全考虑,如果你正在使用GLP-1受体激动剂类药物,遇到相关情况时,建议主动告知医生正在用药。哪些情况,需要主动告诉医生我在用药?以下5种情况可能与GLP-1受体激动剂类药物有关,遇到时建议主动向医生说明:所有进手术室、“睡一觉”或“无痛”的检查或治疗在接受麻醉或者镇静之前,尽早告知医生所用药名、剂量、第一次和最后一次用药时间,以及用药期间是否出现过恶心、呕吐、腹泻和腹痛等消化道症状。医生会根据个人和检查治疗情况,决定是否需要停药、停多久,有可能调整术前禁食时间、术前检查和麻醉诱导方式等。胃肠镜检查及治疗同样几升泻药喝下去,使用GLP-1受体激动剂的人,胃肠道里更有可能残留内容物,导致医生看不清楚,需要改期重做。在预约检查及治疗时,就告知医生用药情况,医生有可能为你调整肠道准备方案。胃肠道“干净”,医生检查时看得清楚,是检查准确、治疗效果好的前提丨NCI Dictionary of Cancer Terms-upper gastrointestinal endoscopy出现可能是药物不良反应的症状时使用GLP-1受体激动剂时,恶心、腹痛、腹胀或呕吐等胃肠道症状很常见,特别是在增加剂量的阶段。如果你也出现了类似的不舒服,建议在就诊时说明用药情况,帮助医生确定合适的加量速度和处理方式。如果出现以下症状,可能发生了严重不良反应,建议尽快就医:持续剧烈呕吐、无法进食饮水;剧烈腹痛不缓解;严重腹胀、停止排气排便;呕吐或腹泻后头晕、尿少;视力下降或视野缺损。GLP-1受体激动剂不良反应丨参考文献[6]其他医生为你开药时胃排空速度影响部分口服药的吸收速度和效果。有些药物只有维持在特定浓度才安全有效,与GLP-1受体激动剂合用时需要密切监测,如华法林。口服激素避孕药的效果也可能受到影响。建议在新增任何药物时,都告知医生正在长期使用的其他药物。备孕、怀孕和哺乳目前,妊娠和哺乳女性使用GLP-1受体激动剂的数据有限,不足以确定药物是否会增加胎儿出生缺陷、流产等不良结局的风险,也不足以确定药物对母乳喂养的婴儿是否绝对安全。部分药物说明书提示,计划妊娠前至少停用2个月。另外还需要关注“意外怀孕”。部分女性因严重肥胖、多囊卵巢综合征等多年不能自然受孕,但用药后排卵功能恢复。因此,用药期间建议采取可靠的避孕措施。建议在计划妊娠、发现意外妊娠或哺乳前咨询医生。以上的提醒,只是为了提供多一层防护,不代表这些情况一定会造成危险。绝不建议大家擅自停药、改变治疗方案,更不要因此逃避需要麻醉镇静的检查或手术。把所有正在用的药物都告诉医生,医生自然会给它们预留出合适的位置。参考文献[1]Barbosa Santos L,et al.Perioperative bronchoaspiration in a semaglutide user on aresidue-free diet:a case report and insights from a complication.PerioperativeMedicine.2025;14:115.[2]Sen S,et al.Glucagon-like peptide-1 receptor agonist use and residual gastriccontent before anesthesia.JAMA Surgery.2024;159(6):660–667.[3]Hiramoto B,McCarty TR,Lodhia NA,Jenkins A,Elnaiem A,Muftah M,Flanagan R,Chan WW.Quantified Metrics of Gastric Emptying Delay by Glucagon-Like Peptide-1 Agonists:A Systematic Review and Meta-Analysis With Insights for Periprocedural Management.Am J Gastroenterol.2024 Jun 1;119(6):1126-1140.[4]Gala K,Tome J,Krall M,Tian D,League JB,Vargas EJ,Pardi DS,Johnson AM,Coelho-Prabhu N.Quality of bowel preparation for colonoscopy in patients on glucagon-like peptide-1 receptor agonists.Gastrointest Endosc.2025 May;101(5):1068-1072.e1.[5]Wharton S,Calanna S,Davies M,Dicker D,Goldman B,Lingvay I,Mosenzon O,Rubino DM,Thomsen M,Wadden TA,Pedersen SD.Gastrointestinal tolerability of once-weekly semaglutide 2.4 mg in adults with overweight or obesity,and the relationship between gastrointestinal adverse events and weight loss.Diabetes Obes Metab.2022 Jan;24(1):94-105.[6]Kim JA,Yoo HJ.Exploring the Side Effects of GLP-1 Receptor Agonist:To Ensure Its Optimal Positioning.Diabetes Metab J.2025 Jul;49(4):525-541.
Show HN: TrnRT – An open-source LLM inference engine for AWS Trainium
Hacker News · 2 天前
Hi HN, Sanchit here from RunAnywhere (YC W26). We just open-sourced TrnRT: Trainium RunTime, our inference engine for AWS Trainium. We started 3 weeks back, and currently we’re able to serve and run GLM 5.3 flash (FP8) on AWS trn2.48xlarge, and will bring more models support soon. It’s open to contributions :)What it does today:- Serves 2 instances of GLM-5.3 flash on a single box, 8 trn2 with a cache aware router.- Can process 3.57M TPM (tokens per minute) on SemiAnalysis's AgentX benchmarks.- Runs decode as one NKI kernel per layer half, or for the 11 sparse-attention layers fuses both blocks into a single kernel, for faster performance.We started working on Trn2 because we wanted to explore it and see if we can come close to beating it’s performance in terms of cost efficiency compared to H100/H200. A big MoE with 1M context window such as GLM-5.3 flash requires a lot of memory, and memory/tb on a trn2.48xlarge costs less than half compared to 8x h200 on AWS, and hence we wanted to experiment with it and now we’re sharing some early results.But AWS's own stack didn't support the model: vLLM Neuron's latest release did not register any GLM model, and NxDI, AWS's own distributed inference framework, is no longer under active development. We also saw the drop of SGLang Neuron implementation yesterday, but there is no good support for Trn2, which is the only chip available for public use right now.We ran semiAnalysis's AgentX benchmarks, which replays real coding agent sessions:- 1 box served 28.9 RPM(requests per minute) with 32 agents at batch 12 (also known as concurrency)-The P50 TTFT with a cached prompt at 16 agents is ~1.24 seconds with a decode of 35.9 tps.Initially, the recurrence in one kda (linear attention) layer was ~2% of the layer's attention time at batch 1, and the rest was projections, transposes and XLA glue between small kernels.So we wrote the megakernel so that it covers the whole layer in 2 kernel dispatch, which made decode 25% faster at batch 8.The sparse attention kernel keep a layer’s working weights in SBUF, distributing weighted streaming across the cores and handling the interchip communication withinThere’s an approximation in the sparse-attention prefill, affecting about 1.2% of block selections.You can refer to the write-up for the profiling results:https://runanywhere.ai/blog/glm-5-3-flash-trainium2-nki-mega...Please give it a try yourself on a trn2.48xlarge and reproduce the AgentX results by following the steps in docs/RESULTS.md. Happy to collaborate and hear any feedback.Deploying high performant dedicated inference at lab like performance and half the price for open models such as the GLM-5.3 family, Kimi K3, Deepseek flash etc. is how we make money. You can talk to us regarding the same at founders@runanywhere.ai.We hope you find this useful. If you are working with Trainium or have experience with NKI kernels, we'd love to get your honest feedback. Feel free to share the models you want support for next, and we welcome any contributions to the repository.
Comments URL: https://news.ycombinator.com/item?id=50533270
Points: 34
# Comments: 5
中国赴美留学少了一半,全球首次大降温,最新门户开放报告数据惊人
虎嗅 · 2 天前
本文来自微信公众号: 谷雨星球 ,作者:小谷,原文标题:《中国赴美留学少了一半,全球首次大降温!最新门户开放报告数据惊人》大家好,我是小谷,专注于国际教育的数据研究。就在昨晚,我们每年准点蹲守的「美国门户开放报告Open Doors」发布了。这份由美国教育协会发布超过20年之久的报告,是一探赴美留学生人数变化、趋势的最权威统计之一。我们连续多年追踪这份报告,见证了留美潮的热浪和退潮——从2010年后的十年人数翻了3倍,从12万到高峰期接近38万人。直到2020年,历史出现了拐点,开始暴跌。这之后一路下跌,去年首次被印度取代第一大生源国的位置。今年中国留学生数量仍持续减少,本科在读人数74,594人,跌回到2012年(74516人)的规模,跟最高值比起来降了一半。说实话,赴美留学降温已经不再是新鲜事,但今年报告披露了一件事情:自不可抗力因外,全球赴美留学总人数第一次主动掉头向下,首次出现降温。不过,虽然都在降温,我们的情况又有些不一样。#谷雨数据调查局第一时间找来报告的完整版,并结合十年数据进行独家分析,有意料之中,也有意想之外。■国内的情况,这份2026年发布的报告,主要统计2025/26学年。美国梦的吸引力下降美国每年吸引全球最大规模的国际学生体量流入,是全球第一大留学目的地。今年也不例外。最新数据显示,2025/26学年,美国共吸引了1,146,163名国际学生,已经逐步恢复到曾经的高峰值。但有一个数据更值得注意:今年比上一学年少31,603人,下降2.7%。Open Doors统计的包括在美留学和拿OPT(毕业一年内)的学生,今年这批人增加了4.15万,达到33.58万,占总数近三成。如果去掉这批人,只看在大学读书的的国际学生,就会发现从88.35万降到81.04万,减少7.31万。也就是说,全球在美留学的国际学生总数降幅高达8.3%。再看学段。其中研究生下降13%,降幅最大,本科生略微下降0.3%,无学历降幅最大,高达18%,只有OPT增长14%。这个趋势,从新生变化里也能看得更明显。在美国大学就读的国际学生人数为228,123人,同比减少17.7%,一年少了近4.9万人。除2020/21学年外,这是近十个学年中的最低值。其中硕士人数下降22.4%,一年少6.85万人,占比最多;博士人数增长3.1%,增加4,734人。新入学的研究生也减少25.6%。这或许说明了一件事:美国依然是全球留学的头号目的地,但它的绝对吸引力正在松动。当签证收紧、留美就业门槛飙升,甚至连过去几十年把「美国梦」种进无数人心里的造梦机器——好莱坞——也日渐式微之际,不只是我们,全世界正在对美国祛魅。这或许跟经济有关系。今年其披露了一些很特别的数据,是谁在替学生付学费?本科生阶段,81.9%主要来自个人和家庭自付,13.3%依赖美国高校资助。研究生阶段,依赖个人和家庭的比例为54%,依赖美国高校资助的比例为41%,其中包括助教、助研等支持。随着美元汇率上涨,这笔钱越来越贵,自然打退堂鼓的家庭也越来越多了。赴美留学中国本科生继续跌全球赴美都在降温,但我们的情况又有些不同。可以用一道简单的数学题来说明:今年全球赴美留学本科生共有35.62万人,下降0.3%,若不算我们的话,其余生源地的本科生反而增加2,923人,增长约1%。换句话说,全球降温最主要在研究生,但我们降得最猛的反倒是本科生。2025/26学年,中国在美留学生总数254,458人,同比下降4.3%,这也是连续第六年下降,若跟2019/20学年最高峰的37.25万人相比,少了近11.81万人,累计减少31.7%。从趋势来看,其中本科生和研究生各下降5.1%,非学历下降最多,为16.6%。如果把时间拉长到十年来看——本科生连续七年下降,从接近15万人到不足7.5万人,比峰值减少49.9%,近乎腰斩。研究生下降了16.8%。换句话说,过去六个学年,中国留美总人数减少的部分,有六成多来自本科。但这种降幅速度慢了下来,今年中国留学本科生同比下降5.1%,比前两年的12.8%、10.2%相对缓和许多。只是,至于是否已经见底,仅凭这一年还无法确定,还需要再看几年。人数减少,热门专业也在变化。这些年来,全球最热门的专业一定是读数学与计算机,就读该大类的学生占全部国际学生的四分之一。但人数在减少,其中计算机与信息科学减少7%,数学与统计减少2.1%,最大类别降到了286,168人,同比减少6.3%,一年少了19,209人。另一大热门专业商科与管理人数约16万,基本持平,增长最快的是健康相关专业增长3.8%。另外,物理与生命科学增长2.8%,艺术减少8.5%,人文学科最惨,减少12.9%。中国学生的专业变化,却有些不同。留学黄金期的2012/13学年,商科占中国留学生的29%,数学与计算机占11.2%;今年,两者分别为10.7%和23.3%,调转了位置。但最近一年,数学与计算机占比也从23.6%小幅降到23.3%。工程占比从17.8%升到18%,,物理与生命科学10.8%,人文1.3%,变化都很小。增长最大的是社会科学(10.4%)和和艺术(6%),专业更加分散了。赴美留学的结构在改变那么,在全面降温的同时,到底谁降得最多?谁又在增加呢?先来看看目前赴美留学人数第一位的印度,今年也在减少,主要也是研究生阶段。数据显示,印度在美学生总数33.94万人,下降6.5%,其中研究生人数从17.79万降到11.66万,一年少了6.13万人,下降34.4%;本科人数只下降1.1%,OPT人数则增长26.8%。如果只算在大学的人数,中国为19.29万人,印度为15.72万人,我们仍然更多。排在第三的是韩国,目前共有4万余人赴美留学,也有4.3%的降幅。每年我们去美国大学访校,也会发现路上许多韩国人。此外,我们又做了一次加减:中国和印度合计减少35,045人,已经超过美国国际学生总数的净减少量。其余生源地合在一起,其实增加了3,442人。前25大生源地中,有16个下降,但也有9个创下人数新高。如排在第四的加拿大,涨了4.1%,排在第五的如尼泊尔暴涨16.7%,第六位的越南涨了6.5%,第八名的孟加拉国暴涨11.8%,第九名的巴西涨了3.8%,还有巴基斯坦也涨了8.9%。降幅最多的是沙特阿拉伯,降了11%,其次是日本,下降9.8%,印度尼西亚,下降7.5%,西班牙下降5.5%,德国下降4.4%。全球第二大留学国英国,今年赴美留学人数涨了1.3%。报告还披露双边数据中的另一头:2024-25年度去留学的美国学生人数。数据显示,一共有313,824名美国学生在海外留学,比去年增长5%。意大利,西班牙和英国,法国等前四大目的地,学生人数占了超过40%,日本成为第五大留学地,增幅达到16.2%,人数也超过了1万人,另一个超过1万人的是爱尔兰。此外,2700个美国人在中国留学,比2023-24年增长54.4%,是增幅最大的地区。最热门大学和州今年国际学生最多的前五所,依次是纽约大学、亚利桑那州立大学、东北大学、哥伦比亚大学和南加州大学。纽约大学仍以26,595人排第一,但同比减少3.4%;东北大学减少7.3%,波士顿大学减少8.8%。亚利桑那州立大学则增长2.7%,升到第二。加州大学圣地亚哥分校增长4.7%,芝加哥大学增长10%。州的变化同样如此。纽约州超过加州成为国际学生最多的州,但纽约州自身也下降3%;加州下降5.8%。德州和伊利诺伊州则分别增长1.9%和1.1%。对我们来说,加州、纽约州、马萨诸塞州、伊利诺伊州和宾夕法尼亚州仍是接收人数最多的五个州。还有一个需要继续追踪的信号。与年度报告同时公布的2026年秋季快照中,809所受访高校表示降温仍在继续:国际学生总数下降9%,新生下降15%,本科下降3%,研究生下降15%,OPT也下降6%。有人做过这样一个比喻,我们每个人都是站在时代的曲线上,曲线的波动弧度和路径,决定了我们生命周期的上限和下限,而选择或许比努力更重要。没人能预知未来,但数据能替我们试试时代的水温,感知趋势,做出选择。那么,你的答案呢?🔽欢迎做个投票🔽