最新

我们刚刚发布了一篇论文，提出了“人工智能的拓扑重构”。我们的方法是将数据投影到一个固定的拉马努金图（最佳谱扩展器）上，而不是使用反向传播训练深度网络（这种方法速度慢且耗能大），并以封闭形式解决读出问题。 基准测试结果： 桌面（i5-4570，第四代）：与标准多层感知机（MLP）训练相比，速度提升287倍。 移动设备（Android ARM64）：每次推理延迟小于0.6毫秒（超过1600帧每秒）。 准确率：在MNIST数据集上约为95.2%（与训练的MLP相当）。 代码使用C++（用于边缘计算）和Python（用于研究）。我们相信这是一条通向确定性、绿色人工智能的道路，能够在普通硬件上运行。 如有关于谱图理论的问题，欢迎提问。

一个智能知识管理系统，专为Claude Code设计，能够在您的编码过程中自动捕捉、存储和检索开发知识。

嗨，HN！我们正在开发一个名为 CodeVerse Linux 的开源 Linux 发行版。这是一个由 The CodeVerse Hub 的开发者们共同参与的社区项目。 我们的理念很简单：打造一个基于 Arch 的最小化、快速的操作系统，以 Wayland 为优先，真正让开发者和高级用户享受使用体验。 我们并不想成为下一个 Omarchy 或者下一个大热门，但我们对所做的事情充满热情，毕竟我们自己也是学习者。 这个发行版有合理的默认设置，同时不会过于臃肿，并且完全开源。我们这样做是为了给每个人一个贡献的机会，让许多人能够进行他们的第一次有意义的贡献。这个项目将不断发展，我们的目标是让它成为由学习者为学习者构建的。因此，请期待代码库中的不当之处和错误。 我们欢迎：反馈、贡献者、建议和建设性的批评。 感谢您阅读这段内容，祝您一切顺利！

我开发了nginx-defender，因为我多次看到小型和中型NGINX服务器遭受自动化滥用（凭证填充、路径探测、激进抓取）的攻击。<p>现有的工具如fail2ban或CrowdSec要么反应太慢，要么对资源有限的服务器来说过于沉重，或者在现代流量模式下调优非常麻烦。<p>nginx-defender与NGINX并行运行，实时根据请求行为阻止滥用IP，而不是依赖静态规则。它的设计轻量、易于部署，适用于小型VPS设置。<p>我在自己的服务器上运行它，发现几小时内就阻止了数千个滥用请求，且开销极小。<p>希望能得到在生产环境中运行NGINX的人的反馈，特别是在检测逻辑、误报或缺失用例方面。