1次围观

2025-01-31 Hacker News Top Stories #

JavaScript Temporal 是一种新型日期时间处理API，旨在解决Date对象的诸多问题，提供更现代化和可靠的管理方式。

DeepSeek的R1-Zero和R1系统在ARC-AGI-1基准测试中分别获得14%和15.8%的得分，展现了较强的适应性。

DeepSeek的一个公开数据库泄露了超过一百万行敏感信息，包括聊天记录和API密钥，已被及时修复。

华盛顿特区附近发生商业客机与黑鹰直升机碰撞事故，导致至少18人遇难，FAA正在调查原因。

Mistral Small 3 是一个24B参数的开源模型，性能优化，适合局部部署，提供预训练和指令调优版本。

SmolGPT 是一个最小化的PyTorch实现，用于从零开始训练小型LLM，适合教育和研究用途。

梵蒂冈发布说明，强调人工智能应作为工具辅助人类，不能取代人类智慧和人际关系的重要性。

一个新项目旨在为Python开发从零开始的静态类型检查器，目前已提交800个Pull Request。

成功写博客的关键在于找到独特风格、坚持写作并专注于特定领域，而非取悦所有人。

研究发现年轻成年人使用大麻可能导致大脑功能下降，尤其是工作记忆相关区域的活动减少。

JavaScript Temporal is coming #

https://developer.mozilla.org/en-US/blog/javascript-temporal-is-coming/

JavaScript 正在引入一种新的处理日期和时间的方式 ——Temporal。Temporal 旨在简化和现代化 JavaScript 中的日期和时间管理，解决现有 Date 对象的一些严重问题。

JavaScript 的 Date 对象问题 #

JavaScript 的 Date 对象自 1995 年创建以来一直未进行重大更新，尽管它借鉴了 Java 的 java.util.Date，但其实现存在多个问题：

** 时区支持不足 **：Date 对象仅支持用户的本地时间和 UTC，没有时区支持。
** 解析行为不可靠 **：Date 对象的日期解析行为不一致，可能导致难以追踪的错误。
** 不可变性问题 **：Date 对象是可变的，这可能引发一系列复杂的问题。
** 夏令时和历史日历变更 **：跨越夏令时变化和历史日历变更的计算非常困难。

因此，大多数开发者依赖像 Moment.js 和 date-fns 这样的库来更好地处理日期和时间。

Temporal 的优势 #

Temporal 被设计为 Date 对象的完整替代品，使得日期和时间管理变得可靠和可预测。它添加了对时区和日历表示的支持，提供了许多用于转换、比较和计算的内置方法，以及格式化等功能。Temporal API 包含超过 200 个实用方法，开发者可以通过 MDN 上的文档查阅详细信息。

Temporal 的核心概念 #

Temporal 的关键概念包括：

** 持续时间（Duration）**：表示两个时间点之间的差异。
** 时间点（Points in Time）**：
- 唯一时间点：例如，Temporal.Instant 表示一个时间戳。
- 带时区的日期时间：例如，Temporal.ZonedDateTime。
** 不带时区的日期时间（Plain）**：
- 全部日期和时间：Temporal.PlainDateTime
- 仅日期：Temporal.PlainDate
- 年和月：Temporal.PlainYearMonth
- 月和日：Temporal.PlainMonthDay
- 仅时间：Temporal.PlainTime

此外，Temporal 还提供 Temporal.now 方法，以获取当前时间的不同类实例或特定格式。

Temporal 的基本用法示例 #

以下是一些基本用法示例：

获取系统时区的当前日期时间：

const dateTime = Temporal.Now.plainDateTimeISO();

console.log(dateTime); // 例如：2025-01-22T11:46:36.144

获取纽约时区的当前日期时间：

const dateTimeInNewYork = Temporal.Now.plainDateTimeISO("America/New_York");

console.log(dateTimeInNewYork); // 例如：2025-01-22T05:47:02.555

使用不同的日历系统，例如计算下一个中国新年的日期：

const chineseNewYear = Temporal.PlainMonthDay.from({
  monthCode: "M01",

  day: 1,

  calendar: "chinese",
});

处理 Unix 时间戳的示例：

const launch = Temporal.Instant.fromEpochMilliseconds(1851222399924);

const now = Temporal.Now.instant();

const duration = now.until(launch, { smallestUnit: "hour" });

当前支持状态与试用 #

目前，Temporal 的支持正在逐步增加，Firefox 浏览器已经在 Nightly 版本中实现了较为成熟的版本。如果想了解更多的兼容性信息，可以查阅 MDN 和 TC39 的文档。此外，还可以使用 @js-temporal/polyfill 进行试用，允许开发者在任何浏览器中尝试 Temporal 的功能。

结论 #

随着 Temporal 的逐步推出，JavaScript 中处理日期和时间的方式将变得更加现代化和可靠。开发者现在有机会熟悉这个新 API，并为将来的项目做好准备。

HN 热度 979 points | 评论 288 comments | 作者：SigmundurM | 13 hours ago #

https://news.ycombinator.com/item?id=42876840

Temporal 是一个很好的时间处理库，解决了旧的 Date() API 的问题，并且从其他高质量的时间库中吸取了灵感。
时间处理的复杂性在于需要考虑时区、夏令时等因素，否则会导致 bug。
使用固定偏移量的时间戳（例如 +02:00）和特定时区的时间戳（例如 Europe/Paris）之间的区别很重要。
添加时间时需要考虑时区和夏令时的变化，否则会导致错误。
PostgreSQL 的时间戳处理方式存在问题，尽管有“timestamp with time zone”类型，但实际上并不存储时区信息。
RFC 9557 提供了一种新的时间戳序列化格式，可以解决时区和夏令时的问题。
时间处理的复杂性需要谨慎处理，否则会导致严重的后果，例如在医疗系统中可能会影响生命。

An analysis of DeepSeek’s R1-Zero and R1 #

https://arcprize.org/blog/r1-zero-r1-results-analysis

ARC Prize 基金会的目标是定义、衡量和激发新的通用人工智能（AGI）理念。为了实现这一目标，他们创建了一个强大的全球创新环境。尽管近年来大语言模型（LLM）取得了显著进步，但基金会认为，仅仅依靠 LLM 的扩展并不能实现 AGI。因此，他们推出了 ARC Prize 2024，旨在提高人们对 LLM 扩展的局限性的认识，并推动新的研究方向。

最近，DeepSeek 发布了他们的新系统 R1-Zero 和 R1，这些系统在 ARC-AGI-1 基准测试中取得了与 OpenAI 的 o1 系统相当的成绩。R1-Zero 和 R1 的得分分别为 14% 和 15.8%，而 o1 系统的得分为 20.5%。这些结果表明，R1-Zero 和 R1 在处理未见问题时具有较强的适应性。

R1-Zero 是一个不需要人类标注的系统，它仅仅依靠强化学习来训练。与 R1 相比，R1-Zero 在 ARC-AGI-1 基准测试中的得分略低，但在其他基准测试中，例如 MATH AIME 2024，R1-Zero 的得分为 71%，而 R1 的得分为 76%。这些结果表明，R1-Zero 在某些领域具有较强的推理能力。

研究人员分析了 R1-Zero 和 R1 的训练过程，发现 R1-Zero 可以创建自己的内部领域特定语言（DSL），而 R1 需要人类标注来提高其领域的普遍性。这些发现表明，R1-Zero 具有较强的适应性和可靠性，可能成为未来的研究方向。

此外，研究人员还讨论了 AI 领域的两个重大变化：可以通过增加计算资源来提高准确性和可靠性，训练成本正在转移到推理成本。这些变化将推动对计算资源的需求增加，特别是在推理方面。同时，研究人员也指出，AI 系统的可靠性是其应用的关键因素，目前的 LLM 系统还不能满足这一要求。

总的来说，这篇文章讨论了 ARC Prize 基金会的目标和活动，介绍了 DeepSeek 的 R1-Zero 和 R1 系统，分析了这些系统的性能和训练过程，并讨论了 AI 领域的未来发展方向和挑战。

HN 热度 676 points | 评论 252 comments | 作者：meetpateltech | 1 day ago #

https://news.ycombinator.com/item?id=42868390

使用推理模型生成数据，然后训练非推理模型以提高其性能，但仍存疑虑是否能捕捉到推理链的全部内容。
通过用户反馈来改进 AI 模型的性能，但反馈的质量和真实性可能存在问题，特别是用户可能提供错误或有偏见的信息。
即使有大量数据，AI 模型仍可能难以区分正确和错误的信息，特别是在专业领域，需要专家级的知识和判断。
AI 模型可能会被故意误导或“毒化”，但公司可能会通过检测和过滤来防止这种情况。
使用“后见之明”来判断 AI 模型的响应是否有用，通过查看后续的对话或相关的对话来评估其性能。
即使在“瓶中”环境中，AI 模型也可以通过数学推理和理论分析来产生新的想法和解决方案，但这仍然是当前技术的局限。

Exposed DeepSeek database leaking sensitive information, including chat history #

https://www.wiz.io/blog/wiz-research-uncovers-exposed-deepseek-database-leak

Wiz 研究团队发现了 DeepSeek 的一个公开可访问的 ClickHouse 数据库，该数据库允许完全控制数据库操作，包括访问内部数据。该暴露包括超过一百万行日志流，包含聊天记录、密钥、后端详细信息和其他高度敏感的信息。Wiz 研究团队立即将该问题负责地披露给 DeepSeek，后者迅速修复了该漏洞。

DeepSeek 是一家中国的 AI 初创公司，最近因其开创性的 AI 模型而受到媒体的广泛关注，特别是 DeepSeek-R1 推理模型，该模型在性能上与 OpenAI 的 o1 相媲美，并以其成本效益和效率而突出。Wiz 研究团队对 DeepSeek 的外部安全状况进行了评估，并发现了该漏洞。

漏洞是通过对 DeepSeek 的公开可访问域进行评估发现的，研究团队使用被动和主动的子域发现技术，发现了大约 30 个面向互联网的子域。其中大多数看起来是无害的，托管元素，如聊天机器人接口、状态页面和 API 文档，但没有一个表明存在高风险的暴露。然而，当研究团队扩大搜索范围到标准 HTTP 端口（80/443）以外时，他们检测到两个不寻常的开放端口（8123 和 9000），与以下主机关联： http://oauth2callback.deepseek.com、 http://dev.deepseek.com、 http://oauth2callback.deepseek.com 和 http://dev.deepseek.com。

进一步调查发现，这些端口指向一个公开暴露的 ClickHouse 数据库，可以在没有任何身份验证的情况下访问，立即引发了红旗。ClickHouse 是一个开源的列式数据库管理系统，旨在快速分析大型数据集。通过利用 ClickHouse 的 HTTP 接口，研究团队访问了 /play 路径，允许直接通过浏览器执行任意 SQL 查询。运行一个简单的 SHOW TABLES；查询返回了一个完整的可访问数据集列表。

在这些表中，有一张表格引起了注意：log_stream，它包含了大量的日志条目，包括高度敏感的数据。log_stream 表包含超过一百万个日志条目，特别是以下几列：timestamp（记录日期从 2025 年 1 月 6 日开始）、span_name（引用各种内部 DeepSeek API 端点）、string.values（明文日志，包括聊天记录、API 密钥、后端详细信息和操作元数据）和 _service（指示哪个 DeepSeek 服务生成了日志）。

该暴露对 DeepSeek 自身的安全性和其最终用户构成了严重的风险。不仅攻击者可以检索敏感的日志和实际的明文聊天消息，还可以潜在地泄露明文密码和本地文件以及专有信息直接从服务器使用诸如 SELECT * FROM file(‘filename’) 的查询，具体取决于 ClickHouse 配置。

研究团队强调，AI 服务的快速采用而没有相应的安全保障是内在的风险。该暴露凸显了 AI 应用的安全风险来自支持它们的基础设施和工具的现实。虽然人们对 AI 安全的关注主要集中在未来威胁上，但真正的危险往往来自基本风险，例如数据库的意外外部暴露。这些风险应该是安全团队的首要任务。

随着组织急于采用来自越来越多的初创公司和供应商的 AI 工具和服务，必须记住，这意味着将敏感数据托付给这些公司。快速采用往往导致忽视安全，但保护客户数据必须是首要任务。安全团队必须与 AI 工程师密切合作，以确保对所使用的架构、工具和模型有可见性，从而保护数据并防止暴露。

HN 热度 660 points | 评论 450 comments | 作者：talhof8 | 1 day ago #

https://news.ycombinator.com/item?id=42871371

即使开发者来自非英语国家，代码和数据库也通常使用英语书写
世界上的电子元件和 PCB 制造业也逐渐支持多语言，但仍然有很多英文标识和缩写
由于 CJK 语言不能简写或缩略，因此在日语中会看到拉丁字母
使用非英语命名变量和数据库会带来混乱和不便
在处理特定领域的术语时，使用本地语言可能更合适，但也可能带来翻译和理解的问题
即使在本地项目中，使用英文命名变量和函数也更为常见和方便
混合使用多种语言会导致代码混乱和难以维护
在特定领域中，使用本地语言可能是必要的，但需要谨慎处理以避免混乱和错误

Commercial jet collides with Black Hawk helicopter near Reagan airport #

https://www.mediaite.com/news/breaking-commercial-jet-collides-with-police-chopper-near-reagan-airport/

本网页是一篇新闻报道，主要内容是关于美国华盛顿特区雷根国家机场附近发生的一起空中碰撞事故。一架从堪萨斯州威奇塔飞来的客机与一架美国陆军黑鹰直升机在空中相撞，导致两架飞行器坠入波托马克河。事故中至少有 18 具尸体被找到，所有 67 名机上人员恐怕已遇难。

报道中提到，美国联邦航空管理局（FAA）已经开始调查此次事故的原因。与此同时，美国前总统特朗普对此次事故发表了看法，认为事故的原因可能是由于航空管理部门过于注重多样性和包容性，而忽视了安全问题。特朗普的这一说法引发了争议，一些媒体人士对此进行了驳斥。

此外，报道中还提到了一些其他新闻，包括特朗普计划在 2025 年为老年人做的五件事，包括帮助他们获得更好的社会保障待遇。同时，还有一些关于特朗普的其他新闻，包括他对媒体的批评和他对某些事件的看法。

总的来说，本网页的内容主要是关于美国华盛顿特区附近发生的空中碰撞事故，以及特朗普对此次事故的看法和其他相关新闻。

HN 热度 605 points | 评论 591 comments | 作者：mzmzmzm | 21 hours ago #

https://news.ycombinator.com/item?id=42874301

事故可能是由于空中交通管制（ATC）或直升机操作员的错误造成的，但需要更多信息来确定责任方。
ATC 录音显示，塔台指示直升机在商业飞机后面通过，但直升机操作员报告已经看到飞机并请求视觉分离。
直升机和商业飞机之间的通信存在问题，可能是由于 VHF 无线电的限制或操作员的错误。
航空业对新技术的采用较为保守，VHF 无线电已经过时，应该采用更现代化的通信技术。
直升机操作员可能没有正确执行视觉分离的指令，导致了碰撞。
事故发生后，ATC 控制员迅速响应，组织搜索和救援工作。

Mistral Small 3 #

https://mistral.ai/news/mistral-small-3/

Mistral AI 团队最近推出了 Mistral Small 3，这是一个具有 24B 参数的、延迟优化的模型，发布在 Apache 2.0 许可下。Mistral Small 3 在性能上与更大的模型如 Llama 3.3 70B 或 Qwen 32B 具有竞争力，并且是对不透明的专有模型（如 GPT4o-mini）的一个优秀的开源替代品。该模型在 MMLU 上达到 81% 的准确率，延迟为 150 个令牌/秒，目前是其类别中最有效的模型。

Mistral Small 3 被设计为适合局部部署，具有较少的层数，从而减少了前向传递的时间。该模型既有预训练也有指令调优的版本，均发布在 Apache 2.0 许可下。这些检查点可以作为加速进度的强大基础。值得注意的是，Mistral Small 3 既没有使用强化学习，也没有使用合成数据进行训练，因此它在模型生产管道中比其他模型（如 Deepseek R1）更早。它可以作为构建累积推理能力的基础模型。

在性能方面，Mistral Small 3 在人工评估中表现出色。开发团队进行了与其他模型的对比评估，结果表明 Mistral Small 3 在代码、数学、常识和指令跟随方面具有竞争力。该模型的准确率和延迟使其适合于快速响应的对话式助手、低延迟函数调用、细化调整以创建特定领域的专家，以及本地推理等应用场景。

Mistral Small 3 的发布标志着 Mistral AI 团队对开源社区的承诺。该模型将在多个平台上提供，包括 la Plateforme、Hugging Face、Ollama、Kaggle、Together AI 和 Fireworks AI。团队期待看到开源社区如何采用和定制 Mistral Small 3，并计划在未来发布具有增强推理能力的小型和大型 Mistral 模型。同时，Mistral AI 团队也在招聘，欢迎有兴趣的开发者加入他们的团队。

HN 热度 539 points | 评论 169 comments | 作者：jasondavies | 10 hours ago #

https://news.ycombinator.com/item?id=42877860

Mistral Small 3 模型的性能和价格都很有竞争力，尤其是在运行在笔记本电脑上的表现。
有些用户对模型的结构化输出能力表示满意，但也有人认为结构化数据的提取仍然是一个挑战。
使用特定模型和技巧可以提高结构化输出的准确性，例如使用 Zod 模式或 “assistant: {” 技巧。
有些用户正在寻找适合从大量 PDF 中提取信息和分类的模型，Qwen 2.5 32B 被认为是较好的选择。
小模型在功能调用方面的表现不一，有些模型容易返回不必要的函数调用，需要额外的提示和模板来过滤。
Mistral Small 3 模型的性能和价格使其成为一个不错的选择，尤其是在运行在笔记本电脑上的表现。

SmolGPT: A minimal PyTorch implementation for training a small LLM from scratch #

https://github.com/Om-Alve/smolGPT

这个网页介绍了一个名为 SMOL-GPT 的项目，它是一个使用 PyTorch 实现的最小化语言模型（LLM），旨在用于教育目的和简单性。该项目的特点包括：

最小化代码库：纯 PyTorch 实现，没有抽象开销现代架构：GPT 模型，具有闪电注意力、RMSNorm 和 SwiGLU 等特点高效训练：支持混合精度、梯度累积、学习率衰减和权重衰减等特点数据集支持：内置 TinyStories 数据集处理自定义分词器：SentencePiece 分词器训练集成

该项目提供了快速开始的指南，包括安装、准备数据集、训练模型和生成文本等步骤。同时，也提供了预训练模型的下载和使用方法。

预训练模型的细节包括：模型架构为 4096 个 token 的词汇表、8 个注意力头、8 层变换器、512 个嵌入维度等。该模型在 TinyStories 数据集上训练了约 18.5 小时，验证损失为 1.0491。

该网页还提供了样本输出，展示了模型生成的文本质量。样本输出包括两个例子，分别是根据提示 “One day, Lily met a unicorn” 和 “The dragon flew over the mountains” 生成的文本。

配置部分介绍了模型架构和训练参数的配置，包括块大小、注意力头数、嵌入维度、dropout 率等。文件结构部分介绍了项目的目录结构，包括配置文件、数据加载和预处理、模型实现、文本生成脚本等。

最后，网页介绍了贡献方式，欢迎用户提交 bug 修复、性能改进、新的特性等。同时，也提供了训练环境的配置细节，包括 GPU、vCPUs、RAM 和 VRAM 等。

HN 热度 393 points | 评论 52 comments | 作者：amrrs | 1 day ago #

https://news.ycombinator.com/item?id=42868770

SmolGPT 是一个 minimal 的 PyTorch 实现，用于从零开始训练一个小型 LLM。
项目作者分享了自己的 C 语言实现，尽管速度较慢，但对内存管理和数据管理有了深刻的理解。
有人建议从高级抽象开始，然后逐步移除抽象，直到达到底层，以此来深入理解系统。
Numpy 可以使用芯片制造商的 BLAS，尝试替换它可能是一个好的学术练习。
有人分享了一个轻量级的纯 Python 实现的 ndarray 类。
项目的目的是为了更好地理解 LLM 的训练过程，并提供一个简单的接口来测试训练结果。
有人推荐了一个 Google Colab 笔记本，用于训练 LLM 模型。
nanoGPT 是一个更直接的 GPT-2 复现，而 SmolGPT 则包含了一些新的想法。
有人寻找一个开源项目，能够帮助他们理解 LLM 的训练过程，并提供一个简单的接口来测试训练结果。
fast.ai 的课程被推荐为学习深度学习和机器学习的好资源。
Karpathy 的系列文章被推荐为学习 LLM 的好资源。
有人建议从命令行工具开始，使用已知的数据集来微调和评估模型。
训练 LLM 模型需要大量的数学计算和 GPU 资源，单个 CPU 可能不足以完成任务。
有人分享了他们自己的 LLM 实现，从零开始，使用自己的多通道 tokeniser 和 embedding 表。
了解 LLM 的训练过程需要扎实的机器学习和线性代数基础。

Antiqua et Nova: Note on the relationship between AI and human intelligence #

https://www.vatican.va/roman_curia/congregations/cfaith/documents/rc_ddf_doc_20250128_antiqua-et-nova_en.html

本文是天主教会关于人工智能与人类智慧关系的说明。文章首先指出，人类的智慧是上帝赐予的礼物，是人类作为“上帝的形象”（创世纪 1:27）的重要方面。教会鼓励科学、技术、艺术和其他人类事业的发展，认为这些是人类与上帝合作以完善可见世界的方式。

文章接着讨论人工智能的概念和发展，指出人工智能的目标是模仿人类智慧，并且已经取得了快速的进步。人工智能可以执行复杂的任务，如翻译语言、预测天气、识别图像等。然而，人工智能的“智慧”与人类智慧不同，前者是功能性的，而后者是整体的，涉及人类的全部存在。

文章强调，人工智能的发展和使用必须以人类的尊严和整体发展为出发点。教会认为，人工智能应该被视为人类的一种工具，而不是取代人类的角色。文章还指出，人工智能的发展和使用必须遵循道德原则，确保其不会对人类造成伤害。

最后，文章呼吁人们关注人工智能的发展和使用，特别是其对人类社会和个人生活的影响。教会鼓励人们进行反思和讨论，以确保人工智能的发展和使用符合人类的价值观和道德原则。文章强调，人工智能的未来取决于人类的选择和行动，教会将继续参与这一讨论，促进人工智能的负责任发展和使用。

HN 热度 382 points | 评论 371 comments | 作者：max_ | 10 hours ago #

https://news.ycombinator.com/item?id=42877709

梵蒂冈关于人工智能和人类智慧关系的观点值得赞赏和思考
人工智能可能会让孩子们养成将人际关系视为交易的习惯
过多的屏幕时间和人工智能交互可能会阻碍孩子们的健康成长
人工智能的出现可能会加剧人们之间的隔阂和交易化关系
梵蒂冈的观点强调了人类关系和同理心的重要性
人工智能的发展需要考虑其对人类社会和伦理的影响
人类智慧不仅仅是计算和逻辑，还包括情感和同理心
人工智能的命名可能会让人误解其与人类智慧的关系
人类需要在人工智能的发展中保持谨慎和责任感
人际关系和同理心是人类最宝贵的财富，需要在人工智能的发展中得到保护和促进

“We’re building a new static type checker for Python” #

https://twitter.com/charliermarsh/status/1884651482009477368

网页内容显示为社交媒体平台 X 上的一个帖子，发布者为 Charlie Marsh。帖子内容介绍了一个新项目，即为 Python 语言开发一个新的静态类型检查器，从零开始，使用 Rust 语言编写。Charlie Marsh 提到，从技术角度来说，这是他们迄今为止最雄心勃勃的项目，目前已经有 800 个 Pull Request（PR）被提交。

HN 热度 331 points | 评论 173 comments | 作者：shlomo_z | 1 day ago #

https://news.ycombinator.com/item?id=42868576

Mypy 的性能问题和质量问题是其主要的缺点，新的静态类型检查工具可能会解决这些问题。
Pyright 是一个不错的类型检查工具，但它需要 Node.js，并且性能较慢。
Mypy 的代码质量和架构存在问题，新的工具可能会提供更好的解决方案。
Python 的生态系统不太适合静态类型检查，新的工具可能会帮助改善这一情况。
新的类型检查工具可能会提供更好的性能和功能，例如增量类型检查和语言服务器支持。
部分用户对 Mypy 的性能问题不太关心，但新的工具可能会提供更好的用户体验。
Pyright 的设计目标是提供高性能和语言服务器支持，新的工具可能会继承这些优点。

Advice for a friend who wants to start a blog #

https://www.henrikkarlsson.xyz/p/start-a-blog

本文是一篇博客文章，作者 Henrik Karlsson 为一位想要开始写博客的朋友提供了一些建议。作者认为，写博客的关键是找到自己的独特风格和声音，而不是试图模仿别人。作者建议朋友不要过多地考虑如何写作，而是尝试让自己感到愉快，并将自己的兴趣和个性融入到写作中。

作者还强调了写博客的目的是为了表达自己的想法和感受，而不是为了取悦他人。作者建议朋友写下自己的真实想法和感受，即使这些想法和感受不被所有人接受。作者认为，写博客是一种自我表达和交流的方式，可以帮助人们找到志同道合的朋友和读者。

在写作技巧方面，作者建议朋友从简单的格式开始，例如写一篇 500 字的文章，或者使用列表的形式。作者还强调了练习和耐心的重要性，建议朋友写 100 篇文章，每次都尝试改进一项技能。作者还提到了设定 deadline 和编辑的重要性，但也警告朋友不要过度编辑，以免失去写作的灵感和创造力。

最后，作者鼓励朋友们不要害怕表达自己的独特性和个性，写博客是为了找到自己的声音和风格，而不是为了取悦他人。作者认为，写博客是一种自我发现和成长的过程，可以帮助人们找到自己的兴趣和热情，并与他人建立联系。

HN 热度 303 points | 评论 162 comments | 作者：jger15 | 1 day ago #

https://news.ycombinator.com/item?id=42872276

拥有自己的内容平台比在 Medium、Substack、Hashnode、Dev.to 等平台上发布更好
不要过度关注网站的技术实现，内容才是王道
坚持写作是成功博客的关键，需要长期努力
选择一个特定的领域并专注于它会带来更好的结果
刚开始写博客时，不要指望别人会读，先写给自己看
需要自我推广自己的作品，否则没人会知道
写作的价值不在于别人是否会读，而在于自己是否有所收获
不要评价自己的受众，写自己感兴趣的东西就好
有些人通过做有趣的事情自然吸引了关注，但这不代表所有人都需要这样做
即使不自我推广，有些人也能通过做有趣的事情吸引关注
写作的目的是表达自己，而不是为了取悦所有人
即使是一些不重要的东西，也可以通过写作变成有价值的内容
不要害怕表达自己的观点，即使可能会得罪一些人
即使是小众话题，也可以通过写作找到自己的读者
写作的过程中，找到自己的风格和兴趣是非常重要的
不要在乎别人怎么想，写自己喜欢的东西就好
即使是技术博客，也不需要过度关注技术实现的细节
一个好的博客，不在于使用什么样的主题或技术，而在于内容的质量
即使是一个简单的博客，也可以通过写作变成有价值的内容

Younger cannabis users have reduced brain function, finds largest study yet #

https://newatlas.com/brain/young-adult-cannabis-brain-function/

最近的一项研究发现，年轻成年人使用大麻可能会导致大脑功能下降。该研究由科罗拉多大学的研究人员进行，是迄今为止最大的关于大麻对 18 至 36 岁年轻人大脑影响的研究。研究人员从 1003 名年轻成年人中收集了数据，包括磁共振成像（MRI）扫描、尿液毒理学和大麻使用信息。结果显示，最近使用大麻和大量使用大麻的参与者在工作记忆任务中表现出大脑活动减少。

研究人员使用 MRI 扫描来测量参与者的大脑活动，同时让他们完成七项任务，以测试情绪、奖赏、运动功能、工作记忆、语言、关系或逻辑推理以及理论思维或社会信息处理。结果显示，最近使用大麻和大量使用大麻的参与者在工作记忆任务中表现出大脑活动减少。工作记忆是指暂时保留有限量信息以指导决策和行为的能力，例如遵循指示、记住对话内容和遵循食谱。

研究人员还发现，重度大麻使用者在工作记忆任务中表现出大脑活动减少，尤其是在与情绪、认知和社会行为相关的脑区，如背外侧前额叶皮层、背内侧前额叶皮层和前岛叶。研究人员建议，最近使用大麻的个体在进行认知密集型任务之前应避免使用大麻，以提高表现。然而，对于重度使用者，戒断可能会导致戒断症状，可能会影响表现。

该研究有一些局限性，例如它是一项非对照的横断面研究，因此不能确定大麻使用和大脑功能之间的因果关系。此外，研究结果不能推广到其他年龄组。研究人员还缺乏关于典型 THC 剂量和效力、额外成分如 CBD 以及大麻的使用方式的数据。因此，需要进行更大规模、长期的研究来了解大麻使用对大脑功能的影响，以及其对不同年龄组的影响。

HN 热度 284 points | 评论 254 comments | 作者：clumsysmurf | 23 hours ago #

https://news.ycombinator.com/item?id=42873697

大麻使用可能会对年轻人造成长期的负面健康影响，但这种关联可能是由于其他因素造成的。
个人观察和常识逻辑在判断大麻对人体影响方面可能比科学研究更有价值。
大麻使用可能会使人在短期内感到愚钝，但长期影响尚不明确。
大麻使用与个人成就之间的关联可能是由于其他因素造成的，而不是大麻本身。
大麻可能会让人感到满足于现状，从而减少对更好生活的追求。
个人成就与大麻使用之间的关系可能取决于个体的性格和环境。
大麻可能会成为某些人逃避现实的工具，而不是解决问题的方法。
社会对大麻的态度可能与《美丽新世界》中的索玛类似，作为一种控制和安抚的手段。
每个人的乌托邦可能是别人的反乌托邦，取决于个体的价值观和需求。

来源出处

2025 01 31 HackerNews https://supertechfans.com/cn/post/2025-01-31-HackerNews/

2025 01 31 HackerNews