https://fixupx.com/acboxliu/status/1916190312646774980?s=46
Читать полностью…
https://zh.wikipedia.org/zh-hk/S-%E8%A1%A8%E8%BE%BE%E5%BC%8F
有趣
LibreLingo – FOSS Alternative to Duolingo (🔥 Score: 155+ in 2 hours)
Link: https://readhacker.news/s/6tA7m
Comments: https://readhacker.news/c/6tA7m
我发现在中文语境里滥用斜杠号（/）的状况愈加流行，看得我难受。讲两句：
一、中文语境应该用中文表达和中文规范。中文里是没有斜杠号这个东西的，它在英文中表达「『和』或『或』」的作用，对应在中文里直接用「和」或「或」就可以了。如：
【误】我们的午饭有红烧鸡翅/鱼香肉丝/麻辣茄子等。
【正】我们的午饭有红烧鸡翅、鱼香肉丝、麻辣茄子等。
【误】我们的 AI 助手能在 iPhone/Android 设备上运行。
【正】我们的 AI 助手能在 iPhone 或 Android 设备上运行。
二、斜杠号的半宽在排版视觉上和全宽的汉字挤在一起也很难看。当年知乎元老们呼吁使用直角引号也是为了解决弯引号半宽、和汉字夹在一起难看的问题。如果你是直角引号用家，那就更不应该接受斜杠号滥用。
如果一定要用，我觉得在斜杠号两侧增加空白（或替代性地使用空格）为佳：
【不好看】我们的 AI 助手能在中国/美国/法国的设备上运行。
【凑合看】我们的 AI 助手能在中国 / 美国 / 法国的设备上运行。
Show HN: A pure WebGL image editor with filters, crop and perspective correction (Score: 150+ in 9 hours)
Link: https://readhacker.news/s/6tycn
Comments: https://readhacker.news/c/6tycn
I'm working on a pure js webgl image editor with effects, filters, crop & perspective correction, etc.
My goal is to give the community an opensource solution as unfortunately most comparable apps are closed sources.
https://mini2-photo-editor.netlify.app to try it out (https://github.com/xdadda/mini-photo-editor)
Qwen3 发布了，简单看了一下创新的地方：
训练数据：这次使用了 36T 的预训练数据，可以说相当大了， DeepSeek V3 是 14.8T。这些数据覆盖了 100 多种语言，还包含了上一代模型生成的数学和代码内容。另一个点是还包含了从图片识别出来的文本。
预训练：这块目前没看出太多特别的，采用的是 128 选 8 的 MoE 并没有使用 shared expert。
后训练：这里是模型产生混合思考能力的关键步骤，在经过 CoT 的 RL 后又加入了一次 SFT 让模型在通用问题上直接出结果。粗略可以理解为有了个类似 DeepSeek R1 那样啥都要思考的模型后又加了些指导，让模型不要什么问题都思考。
整体看下来是个在数据上下了大功夫，局部有创新的模型。但是从架构上看也很难有超预期的表现，还是要看实际使用的体验了。
https://qwenlm.github.io/blog/qwen3/
花时间写了一片读者回复，不得不赞叹我竟然这么会讲场面话了：
各位好，我是这篇文章的作者螺丝。非常感谢少数派编辑参与到这篇文章的创作中，并将本文推荐到首页。Читать полностью…
这篇文章原本的标题的确是有些晦涩。我一直都很不擅长给起标题和起名字，如果你看过我的博客，就会发现各种抽象的标题张牙舞爪。相信编辑在修这篇文章的时候也费了一些脑筋，而通过这几次编辑的调整，给本文提供了一种新的视角和可能性。我看到了专业文字工作者和业余科普写手之间的差距，学习到了很多，在这里请允许我再次表示感谢。不过，毕竟编辑并不是我本人，在对文章标题进行调整时，一定会创造出一些模糊的空间，所以作为作者，我觉得我有义务作出一些解释。
一、写作动机
本文原标题是《请不要对我发动量子波动速读》，其写作目的是驳斥本人作品评论区内的 「Zero Effort Reading」，也就是「太长不想看，又想快速知道内容是什么」，于是就用 AI 过一遍，然后把内容往评论区一贴的行为。原文被分割成了两节讨论，分别是「Why not」为什么「Zero Effort Reading」不会帮助你增长见闻，为什么你不应该把这些内容贴在我的评论区里；以及「Why」什么时候 AI 辅助阅读能够对你起到帮助。
你应当认同，作者有义务维护内容的阅读体验。而作为文章内容的延伸，我认为评论区亦是阅读体验的一部分。之所以写这篇内容，是为了对「Zero Effort 阅读笔记」这种破坏内容完整性和阅读体验的行为作出回应，是为了履行作者的责任。
我的创作本意并非驳斥所有 AI 辅助阅读，我也无意、没有立场、没有权利指责你怎么读文章——那是你家的事，你爱咋读咋读，我管不着。
二、对读者的回复
在澄清写作动机后，我想简要回复一些大宗的观点。
1. 科研
关于 AI 总结对科研工作者的帮助，如果你认同读论文不能只读摘要，那么你也应当认同读 AI 总结不等于读完一篇论文。无论是写论文的时候想引用一个观点，还是准备报告、做论文综述，完整读完、理解每一篇引文都是科研工作者必须要做的事。我个人并不反对用大语言模型总结论文，但是这要建立在你已经通读完整篇论文之后，能提出明确问题的基础上。
我也理解对于刚入门科研的大学生，对一篇文章提出好问题，或者单纯提出一个问题都有困难，也有一些学生，干脆读不懂论文的写作思路和逻辑链条构建的方法。这个时候大语言模型可以提供很好的帮助，就这一问题我曾在《当患有 ADHD 的工程师坐上了名为人工智能的四驱赛博轮椅》一文中阐述过相关的方法论，如果你感兴趣的话可以读一读。同样的方法论也适用于刚踏入某一个科研领域的研究者，他们通常需要通过「Binge Reading」的方式通读完该领域的所有论文。自己徒手整理笔记会是一件很低效的事，交给大语言模型整理的确是一个好的做法。
但在这里，我需要再次强调：这一切的方法论都建立在你需要亲自通读文章的基础上。
2. 阅读低质量内容
如果一个人文笔差到你根本读不懂它在讲什么，那么大概率这作者也不知道自己想要说什么，脑子里面只有一个「Vibe」。我个人认为这种内容是不值得花时间阅读的，甚至不值得花时间用服务去总结它。因为哪怕是大语言模型，也只能通过这些「Vibe」对作者做一些揣测，这已经无异于用模型写一篇新的文章了。
这个时候问题就变成了：你需要读一篇由 AI 主笔写出来的文章么？我觉得大多数情况下答案是「不需要」。
至于少数情况，则是你提出了明确问题，AI 帮你「Deep Research」出了一篇「你要用的东西」，你拿着去处理「要干的活」。
3.张贴 AI 总结或意图张贴 AI 总结
丢雷老哞。
三、对读者的建议
非常感谢大家愿意花时间撰写评论，我相信各位读者是抱着想要与作者对话的心态撰写文字的。不过既然写了，我还是鼓励一部分读者把自己的想法整理清楚再贴出来，这样我进行回复的时候可以更有针对性，而不必花上许久推测你脑子里的「Vibe」究竟为何。
毕竟：
「打字已经挺累了，光明磊落一点不好吗？」
——PlatyHsu
https://fxtwitter.com/Cathy_eko/status/1916518704881520795
Читать полностью…
The 12-bit rainbow palette https://iamkate.com/data/12-bit-rainbow/
Читать полностью…
Show HN: Bhvr, a Bun and Hono and Vite and React Starter https://bhvr.dev
Читать полностью…
[Meme] javaVsJavascript
https://redd.it/1k9nk3v
by @programmer_humor
