因果理论在大型语言模型中的机械可解释性研究 -- Mechanistic interpretability researchers applying causality theory to LLMs
该文章探讨了大型语言模型推理机制的可解释性问题,分析了当前研究如何尝试理解这些模型的内部运作,并指出尽管取得了一定进展,但完全理解其推理过程仍面临挑战。
设计并组装我的第一块PCB -- Designing and assembling my first PCB
作者分享了自己首次设计并组装PCB的经历,从使用Arduino Nano ESP32开发板、通过Arduino IDE和命令行控制LED,到连接LCD和BME280传感器实现I2C通信,最终成功完成硬件原型搭建。
反对功利主义 -- Against Usefulness
文章指出,许多实用公司的根基源于他人曾坚持的“无用”研究。作者以亲身经历为例,展示了一张能运行程序的纸,强调基础研究的重要性,并呼吁为下一代实用创新提供支撑。
计数宾法斯 -- Count Binface
这篇文章介绍了Count Binface,一位来自Sigma IX星球的星际战士,自2017年起多次参加英国选举,包括对阵特蕾莎·梅、鲍里斯·约翰逊和里希·苏纳克,并在伦敦市长选举中获得近9.3万票,创下外星人竞选公职的纪录。他主张正义、激光、Lovejoy、平价可颂和恢复Ceefax。
为什么选择纯JavaScript -- Why Vanilla JavaScript
作者分享了过去一年开发音乐学校管理应用InstruxMusic的经历。该应用使用纯JavaScript构建,包含排课、计费、视频教学、文件共享、品牌页面构建和仪表盘等功能,旨在减少Web技术中人为复杂性带来的困扰。
Ask HN:你在做什么?(2026年7月) -- Ask HN: What Are You Working On? (July 2026)
这篇文章是Hacker News上2026年7月的用户讨论帖,主题是“你在做什么项目?”。用户们分享了各自正在进行的创意或技术工作,例如优化图形代码、利用AI辅助开发游戏等,展现了社区成员多样化的个人项目与探索。
如何减少交通拥堵 -- How we can reduce traffic congestion
现代交通依赖车辆运输,但司机平均花费2.6年时间在路上,私家车排放占全球二氧化碳10%。谷歌研究通过数字平台和AI技术(如绿灯项目)优化交通信号灯,探索系统级协调管理,以提升交通网络效率。
赛博朋克漫画、日本漫画与图像小说 -- Cyberpunk Comics, Manga and Graphic Novels
这篇文章梳理了从1975年《The Long Tomorrow》到《阿基拉》等赛博朋克漫画、图像小说和日本漫画作品,按出版时间排序,并介绍了每部作品的主题与背景。
无理解的自动化 -- Automation Without Understanding
该文章指出,人工智能系统已开始产生真正的研究级数学成果,而美国却在削弱培养能够理解这些系统的人类人才管道。作者认为,这两种趋势共同构成了一个值得警惕的局面。
Ask HN:为AI生成文章添加标记 -- Ask HN: Add flag for AI-generated articles
用户讨论是否应为AI生成文章添加标记,有人主张完全禁止AI文本,但面临检测困难;也有人担忧定义模糊,如AI辅助修改是否算AI生成,以及可能对非英语母语者造成歧视。