我查阅了美国在向明尼苏达州派遣移民和海关执法局（ICE）之前的数据：
在美国生活的每35,385名移民中，大约有1名是生活在明尼苏达州的无证移民，并且有犯罪记录。
换句话说：明尼苏达州的犯罪无证移民人口占美国所有外籍居民的0.0028%。
第一步：从明尼苏达州的无证移民人口开始
• 明尼苏达州有130,000名无证移民（皮尤研究中心，2023年）
第二步：应用犯罪定罪率
• 使用1%的犯罪率：130,000 × 0.01 = 1,300人
第三步：与美国总移民人口进行比较
• 美国总外籍居民为46,000,000人。
• 1,300 ÷ 46,000,000 = 0.0028% = 1 in 35,385
估计范围
• 保守估计：1 in 45,365 (0.0022%)
使用来自经过同行评审的CATO研究所关于德克萨斯州无证移民的实证测量的0.78%定罪率。
~1,014名犯罪无证移民在明尼苏达州
• 中等估计：1 in 35,385 (0.0028%)
使用1%的犯罪率，与边境逮捕数据一致。
~1,300名犯罪无证移民在明尼苏达州
• 自由派估计：1 in 32,168 (0.0031%)
使用2024年对于有前科者的边境逮捕率1.1%。
~1,430名犯罪无证移民在明尼苏达州
来源参考
皮尤研究中心 - 全国无证移民人口（1400万）：
https://www.pewresearch.org/race-and-ethnicity/2025/08/21/u-s-unauthorized-immigrant-population-reached-a-record-14-million-in-2023
皮尤/Axios - 明尼苏达州无证移民人口（130,000）：
https://www.axios.com/local/twin-cities/2025/08/25/minnesota-unauthorized-immigrant-population-pew
USAFacts - 边境犯罪定罪率（约1%）：
https://usafacts.org/answers/how-many-people-apprehended-at-us-borders-have-a-prior-criminal-conviction/country/united-states/
CATO研究所 - 定罪率研究（0.78%）：
https://www.cato.org/sites/cato.org/files/2020-10/working-paper-60.pdf
移民政策研究所 - 美国总外籍人口（4600万）：
https://www.migrationpolicy.org/content/immigrants-and-crime
USAFacts - 明尼苏达州移民数据：
https://usafacts.org/answers/how-many-immigrants-are-in-the-us/state/minnesota/
结论：根据使用的犯罪率不同，明尼苏达州的犯罪无证移民人口占美国所有移民的比例在1 in 32,000到1 in 45,000之间。
返回首页
最新
嗨，HN——我是PolyMCP（MIT）的作者。
PolyMCP是一个用于模型上下文协议（MCP）的工具包/运行时：它帮助您构建MCP工具服务器（通过HTTP/标准输入输出将Python函数暴露为工具），连接多个MCP服务器，并运行能够协调它们的代理，提供便于部署的保护措施。
最新的更新主要集中在可靠性方面：
- OAuth2（RFC 6749）：客户端凭据 + 授权码流程，刷新处理，基本重试
- Docker执行器清理修复（Windows + Unix）
- 更好的技能/工具匹配 + 标准输入输出服务器支持
- CodeAgent异步处理 + 错误恢复
- 健康检查、结构化日志记录和速率限制
代码库：https://github.com/poly-mcp/Polymcp
如果您已经部署了MCP/代理系统：最常遇到的问题是什么（认证、速率限制、可观察性、沙箱）？
我特别感兴趣的是OAuth2的边缘案例和容器生命周期问题。
嗨，HN，我们训练并开源了一个15亿参数的模型，能够预测你的下一个编辑，类似于Cursor。你可以在这里下载模型权重（<a href="https://huggingface.co/sweepai/sweep-next-edit-1.5b" rel="nofollow">https://huggingface.co/sweepai/sweep-next-edit-1.5b</a>），或者在我们的JetBrains插件中试用（<a href="https://plugins.jetbrains.com/plugin/26860-sweep-ai-autocomplete--coding-agent" rel="nofollow">https://plugins.jetbrains.com/plugin/26860-sweep-ai-autocomp...</a>）。
<p>下一个编辑的自动补全与标准的自动补全不同，它在预测补全时使用你最近的编辑作为上下文。这个模型足够小，可以在本地运行，同时在速度和准确性上超越了四倍于它大小的模型。
<p>我们在五个基准测试中对比了Mercury（Inception）、Zeta（Zed）和Instinct（Continue）：光标上方/下方的下一个编辑、跳转到远程更改的制表符、标准FIM和噪声度。我们发现精确匹配的准确性与实际可用性相关性最好，因为代码相对精确，解决方案空间较小。
<p>提示格式的影响超出了我们的预期。我们对30多种差异格式进行了遗传算法测试，发现简单的`original`/`updated`块优于统一差异格式。冗长的格式对于较小的模型来说更容易理解。
<p>训练使用了来自宽松许可库的约10万个示例进行SFT（4小时在8个H100上），然后进行了2000步的强化学习，结合tree-sitter解析检查和大小正则化。强化学习步骤修复了SFT无法处理的边缘情况，例如生成无法解析的代码或过于冗长的输出。
<p>我们开源了模型权重，以便社区能够为任何编辑器构建快速、保护隐私的自动补全。如果你正在为VSCode、Neovim或其他工具开发，我们非常期待看到你用它制作的作品！
你知道有什么库或工具可以用来检测运动模糊的照片吗？
我花了几个月时间开发一个应用程序，却意识到我没有任何分发渠道。为了解决这个问题，我手动筛选了40多位影响者（覆盖人数可达16万），专门用于SaaS推广。
该平台已在 ShipShared.link 上线。我们正在为2月9日的试点项目挑选我们的“创始10家”初创公司。
商业模式：
• 无月度订阅：您无需支付月费即可访问平台。
• 固定活动费用：创始人支付固定费用以启动活动，从而提供可预测的覆盖率。
• 认证影响者：我们负责筛选，您无需“发布后祈祷”。
我非常欢迎您对该模型或网站提供任何反馈。
大家好，
我在一个志愿者足球委员会工作，其中一个业余俱乐部常常面临的挑战是评估球队的可行性。
每个赛季，确实会有一些球队能够招到足够的队员，但当俱乐部想要扩大影响力（例如进入新的年龄组或新的联赛）时，判断是否值得开放注册并承担风险就变得困难。
许多俱乐部使用的注册工具并不提供表达兴趣的功能，而是只提供正式注册，包括提前的信用卡付款，因此球员必须支付费用才能表示兴趣。有人可能会认为这意味着球员确实感兴趣，但这也是一个巨大的进入障碍，尤其是当球队可能无法成立时。
这导致俱乐部可能需要提供退款，并告诉球员他们无法在该年组建球队。这会造成不良的公关，并且对志愿者财务主管来说，账务处理也会变得复杂。
Squadsure 通过提供发布你考虑组建的球队（包括最低人数）的功能来填补这一空白。它的使用门槛很低，潜在球员只需提供姓名和电子邮件，以便及时了解球队是否能够成立。
它为俱乐部提供了自定义页面，列出表达兴趣的球队，俱乐部可以轻松地在社交网站、电子邮件、WhatsApp 等平台上分享。
球员还可以看到球队离目标的距离，而后台的管理员可以导出数据，以便在球队可行时轻松联系这些球员。
我之所以开发这个工具，是因为我们在自己的俱乐部也遇到了同样的问题，我也在其他俱乐部和运动中看到了类似的情况。
这个工具的设计旨在易于使用、低摩擦并节省时间。志愿者委员会非常渴望这样的工具，因为这并不是他们的日常工作。
请看看这个工具，告诉我你的想法。我开发这个工具并不是为了成为亿万富翁或百万富翁，而是为了填补我认为在体育注册软件中显而易见的一个空白。