跳到正文

全部動態

RSS
今日 41 則
11月18日週三
  1. Dev.to Top Tech57

    程式助理為什麼可能多花 5 倍?作者拆解成本差異

    用 AI 助理寫程式時,花費高不一定代表更容易完成任務。作者分析一份比較 5 個開放模型與 22 種工具設定的測試,發現模型決定整體花費高低;固定模型後,不同工具每項任務的成本仍相差 1.8 到 5 倍,而多花錢通常沒有換到更高的通過率。測試中有 64.5% 的標價費用花在沒通過的嘗試上,許多失敗的助理還會回報任務已完成。作者認為,反覆操作的步數和驗證結果,比單看提示詞長度或工具排名更能幫人理解花費與失敗原因;但這份測試使用單一服務商、開放模型和固定任務,結果不一定適用於自己的專案。

  2. Redwood Research Blog70

    Redwood Research 探討如何界定 AI 公司的能力研發活動

    若要限制 AI 公司用多少算力推進模型能力,得先說清楚哪些工作算能力研發。Redwood Research 提出一套分類方法:原則上,公司的工作都算能力研發,只有閒置算力、狹義產品開發、服務客戶和部分安全工作等例外;這些例外也不能提升通用模型能力。像是評估模型是否對齊、監測不良行為可列為狹義安全工作,但改善模型的安全訓練或執行能力評測仍算能力研發。作者也指出,界線難免模糊,因此需要第三方查核,並視情況調整分類。

    推薦理由:這套分類把算力用途預設為能力研發,只排除幾類狹義工作,呈現如何在限制前沿進展與保留安全研究空間之間劃界。

  3. hackernews10071

    Weight-Space Programming 如何用傳統技巧打造神經網路

    大型語言模型能直接設定神經網路的權重,但它究竟學會了訓練模型,還是把舊方法重新組合起來?作者讓 Claude Fable 5.2 從零設定手寫數字分類器,發現它畫出筆畫和轉角偵測器,再用訓練資料檢查哪些特徵有用,做法很像早期的影像辨識。這套方法在手寫數字上達到 91.3%,在貓狗照片上則只有 61.6%;作者也從另一個圍棋網路看到類似的手工規則。實驗顯示,模型能靈活運用傳統技巧,但遇到較難的照片分類時,這些技巧也會碰到限制。

  4. Dev.to Top Tech36

    AI 聳動標題淹沒工程討論:開發者該談談怎麼把軟體做好

    現在談到 AI,常有人說「開發者快沒工作了」,也有人說「AI 根本沒用」。這兩種說法看起來相反,卻都容易搶走目光,讓大家少談軟體工程真正遇到的問題。AI 確實能加快寫程式,但程式寫得更快後,團隊還能跟上檢查程式、確認能不能正式上線嗎?如果跟不上,瓶頸只是從寫程式換成檢查程式。 AI 也能用來改善測試、自動化檢查和觀察系統運作的工具,也能幫忙看懂舊程式。作者希望大家少追著網路上的點閱熱潮跑,多找小型社群或面對面聚會,踏實討論怎麼把軟體做得更可靠、更有效率。

  5. Dev.to Top Tech47

    GSAP 和 Exode 動畫工具怎麼選?先看誰負責調整

    動畫都得靠工程師改程式碼、重新執行才能調整時,設計師常常只能提一次修改。GSAP 是工程師在程式碼裡呼叫的動畫工具;Exode 則讓人直接在畫布上拖拉調整動畫,再把結果交給工程師使用。像調整卡片彈出的效果,GSAP 要改數字再看結果,Exode 可以直接拉滑桿預覽。兩者也能一起用:設計師需要反覆調整的互動交給 Exode,主要靠程式碼控制的動畫交給 GSAP。選哪種方式,關鍵是誰要負責調整;不少團隊兩種情況都有,不必只選一種。

  6. 數字生命卡茲克44

    推文作者用自己做的簡易評測,測試 GPT-6.2 系列找程式碼問題的能力。GPT-6.1 Sol 找出 65% 的問題,GPT-6.2 Sol 提升到 84%,GPT-6.2 Astra 則達到 96%。不過,Astra 比 Sol 慢約一倍、價格貴 4 倍,換來多找出十幾個錯誤。作者認為新模型在後端開發和程式碼審查上表現不錯,但方案規劃能力變差,讀起來也更不容易懂;這些結果來自作者自己的簡易測試,不代表所有人的使用情況。

  7. 404 Media46

    網路服務接連故障,為什麼大家都先想到 AI 或駭客?

    最近幾週,從 Apple Pay 付不了錢,到飛機、銀行和 Microsoft 出狀況,大家常得猜「到底是哪裡壞了?」很多人因此懷疑是駭客攻擊或 AI 出問題,但這些故障不一定彼此有關,也常常不是 AI 直接造成的。作者認為,眼前有些是基礎設施故障,也有些是網路攻擊;它們可能反映了科技業、政府和社會長期累積的共同問題。故障接連發生時,原本不太受注意的事件也容易被串成同一個故事。

  8. Dev.to Top Tech46

    Claude 如何用幾分鐘為作者做出牙套配戴追蹤 App?

    牙齒矯正器每天要戴超過 21 小時,作者卻不清楚自己每天戴了多久。於是他用一段提示詞,讓 Claude 在 30 分鐘內做出一款 SwiftUI App,還能搭配 Apple Shortcuts 和 Siri,記錄戴著與取下的時間、計算每天平均配戴時數,並提醒他何時該換下一副矯正器。作者認為,如果自己從頭開發,可能得花上整個 7 個月的療程時間。這個經驗讓他看到,AI 能幫人快速做出符合個人需求的小工具,連很少見的問題也不必等別人來解決。

  9. Rohan Paul44

    OpenAI 執行長 Sam Altman 說,OpenAI 會用 RSI(遞迴式自我改進)技術,讓新模型開發得比不用這些技術更快。但這不代表 AI 已經能自己按下按鈕、設計下一代模型並快速改進,完全不需要人類監督。Altman 表示,OpenAI 還能讓開發更接近這種做法,但目前這麼做還不安全。這說明 AI 能協助加快模型研發,是否讓它自行改進,仍需要考慮安全。

  10. MIT News · AI46

    MIT 用跨領域研究探討 AI 如何改變社會與人的生活

    MIT 發現,學生比較少去找老師討論,也花比較少時間解題和彼此交流;校內一份教育報告提醒,AI 可能正在改變大家學習、思考和相處的方式。為了弄清楚這些變化,MIT 的 MITHIC 找來不同領域的老師與研究者合作,研究 AI 對民主、人的思考、音樂創作和教學的影響。例如,有研究發現,阿拉斯加的選民用 Claude 查選舉資料時,可能只收到不完整的候選人資訊。MIT 希望把科技、藝術與人文社會研究放在一起,想清楚怎麼讓 AI 幫助人,而不是削弱人與人之間的交流與思考。

  11. Dev.to Top Tech42

    Figma 和 Exode 誠實比較:各自擅長什麼,為什麼 Figma 仍有幾項優勢

    Figma 很適合多人一起畫介面、管理設計系統和做插畫;它的外掛、社群資源和協作功能也很成熟。Exode 則想解決另一種麻煩:設計稿看起來沒問題,做成產品後,按鈕、動畫或畫面變化卻和原稿對不上。它把互動規則和版面設定放進設計檔,讓檔案能編譯成 React、Swift、Vue 或 Svelte 元件。作者把一個有月繳/年繳切換的價格頁面搬到 Exode,切換時價格會動,畫面也能在 768px 寬度重新排列。這種做法適合常做互動介面的團隊;若工作以插畫或品牌設計為主,或很依賴 Figma 的外掛與大型團隊管理功能,作者認為留在 Figma 可能更合適。

  12. cloudflare blog75

    Cloudflare 分析 Quad9 退出法國:DNS 封鎖恐讓日常網路服務中斷

    法國法院要求 Quad9 封鎖涉嫌侵權的網域,並對未配合開出每日罰款;這家非營利組織因此宣佈退出法國。Cloudflare 說,DNS 就像網路地址簿,封鎖只能讓特定網域不再被查到,無法移除網站上的侵權內容,使用者也可能改用其他 DNS 繞過封鎖。整個網域都可能受影響,使用者通常只會看到網站打不開。Quad9 無法直接通知所有使用者,醫院、學校或政府單位若未先更換設定,網路服務可能突然中斷。Cloudflare 主張應要求存放侵權檔案的主機業者下架內容,並表示已對比利時的 DNS 封鎖命令提出上訴。

    推薦理由:Quad9退出法國凸顯DNS封鎖的影響可能超出侵權網站,也會讓醫院、學校等使用者面臨服務中斷;文章並比較了封鎖與向主機業者下架內容的做法。

  13. Hacker News (official RSS)56

    Briana Mazzio 在《Human.md》中談人與 AI 一起創作的做法

    AI 越來越會照著常見做法產出內容,創作者要怎麼讓作品更有自己的想法?Briana Mazzio 在《Human.md》裡分享她的工作信念:先弄懂規則,再有理由地打破規則;從不尋常的地方找靈感,也要在意作品帶給人的感受。她主張把 AI 當成創作過程的一部分,來回修改、做出草稿並親自決定成果,而不是隻輸入一次提示詞就接受答案。她也提醒,使用 AI 的人要為選用工具、提示詞和最後交出的作品負責。

  14. DogeDesigner48

    SpaceX 財務長 Bret Johnsen 認為,Starship Flight 15 是讓太空運算變便宜的重要一步。他預期再過一、兩年,太空資料中心的成本可能低於地面資料中心。太空裡不必付電費、冷卻費或土地費,運算也能使用大量乾淨能源,不影響地面用電和用水;但把裝置送上太空仍要花錢。這項構想若能做到,可能讓資料中心取得更多運算資源,同時減少對地面能源和水資源的需求。

  15. Dev.to Top Tech43

    我用 Figma、Rive、Lottie、GSAP、Spine 和 Exode 做同一個互動結帳卡,看看每種工具適合做什麼

    做互動結帳卡時,動畫只是其中一部分;卡片還得能讀取即時價格、處理加入購物車,也要配合鍵盤操作。作者用同一張卡測試 Figma、Rive、Lottie、GSAP、Spine 和 Exode,發現它們各有適合的工作:Figma 適合畫畫面和討論設計,Rive 適合會動的角色或小圖示,Lottie 適合播放固定動畫,GSAP 適合用程式安排複雜動畫,Spine 則適合遊戲角色。Exode 能把畫面、操作和動畫一起做成 React 元件。像結帳卡要依數量改價格,光做出漂亮動畫還不夠,選對工具才能讓整個畫面真的動起來。作者也提醒,自己參與 Exode 的工作,介紹 Exode 的部分可以多留意。

  16. Dev.to Top Tech40

    作者為什麼想用 AI 打造「軟體工作坊」,而不是「軟體工廠」?

    用 AI 自動生產軟體,就像開工廠:速度快、品質可以預期,但不一定每次都可靠。另一種做法是像辦公室一樣靠分工和階層安排工作,或像工作室一樣讓團隊合作。作者想把這些想法合在一起,打造「軟體工作坊」:由有經驗的開發者運用 AI 工具,自己負責做出的系統,也彼此合作。這樣一來,AI 是幫忙加快工作的工具,而不是取代開發者;作者接下來想探索,如何兼顧品質、速度和人對作品的掌握。

  17. Dev.to Top Tech54

    FontRights 估算網站使用試用字型至少少付 €4.7 million 授權費

    網站把字型試用檔放上線,有時只是測試後忘了換掉,但字型設計師仍可能收不到授權費。FontRights 檢查了 22,289 個網站,估算 23,215 個案例按公開牌價計算,涉及約 €4.7 million 授權費,平均每案約 €200。計算時一律採用最低流量級距,也沒有算桌面與 App 使用、過去期間的費用,以及找不到價格的案例,因此作者把這個數字視為問題的下限。這些案例只是可能有授權問題,網站也可能早已購買授權、只是誤用了試用檔;報告提供日期、檔案雜湊值和截圖,供雙方核對。

  18. Dev.to Top Tech38

    哪些產業最常把試用字型用在網站上?軟體與 AI 排第一

    網站趕著上線、又想看起來有特色時,團隊可能先拿試用字型來排版,之後忘了換掉或購買授權。統計顯示,在能判斷產業的案例中,軟體與 AI 佔 16%,排第一;餐飲佔 13%,設計工作室佔 10%。這些數字代表可能有授權問題,不是在指控任何一家網站。 有些試用字型一個檔案就能包含多種粗細或寬度,表面上只有一個檔案,實際使用的樣式可能很多。受影響網站通常使用 2 種樣式,但約每 10 個就有 1 個使用 7 種以上。網站管理者可以檢查字型,換掉試用版或購買授權;字型公司也能依產業特性,用更合適的方式提醒使用者。

  19. Dev.to Top Tech42

    IEEE EPICS 審查 3 年心得:好點子還要說清楚怎麼做出實際成果

    學生團隊申請 IEEE EPICS 經費時,常有真心想解決的問題,卻沒說清楚做完後要怎麼知道社群真的受益。作者審查 3 年提案後發現,評審想看到具體的成果:影響多少人、大家會有什麼改變,以及團隊要怎麼確認。社群夥伴也不能只掛名,最好能說明實際需求,並在學生離校後繼續使用成果。像是學校每到雨季就弄丟出席紀錄,提案就可以說明團隊會如何解決。規模不大、步驟清楚、有人負責的計畫,往往比目標很大卻沒說明怎麼做的計畫更有說服力。

  20. Hacker News (official RSS)58

    Tech for Palestine 調查以色列相關團體影響維基百科的行動

    Tech for Palestine 認為,外部團體長期試圖影響維基百科的編輯內容,相關爭議也被用來向平臺施壓。這份報告整理了自 2001 年以來 17 項親以色列行動,並逐條核對 ADL 報告提出的說法與引用資料;報告稱,沒有一項說法經得起檢查。作者也指出,ADL 曾把編輯者的投票列為串通證據,但未列出投票數;報告補上數字後,顯示相關條目中多數投票者都支援保留文章。這些結論來自 Tech for Palestine 的調查與整理。

  21. Dev.to Top Tech69

    AI 治理報告該給董事會看什麼?作者建議追蹤三個數字

    公司要向董事會說明 AI 治理做得如何,常卡在缺少系統清單,也容易把技術細節和治理成效混在一起。作者建議每季報告三件事:目前有多少生成式 AI 系統在用、多少系統完成影響評估,以及有多少事件已記錄並處理。評估數量還要搭配風險分類,才不會只顯示容易評估的系統已完成。作者也建議用一頁呈現未完成的高、中風險評估、事件處理情況和治理進度,讓董事會能看懂並做決定。

  22. Dev.to Top Tech48

    地磁場衰減率沒有附計算範圍,作者自行重算 Laschamps 事件

    一篇研究列出 Laschamps 地磁事件的衰減率是 0.40,卻沒有說這個數字是用哪些資料算的,還提醒讀者別把它當成精確估計。作者用同一模型的資料,改變計算時納入的時間長度,發現衰減率會跟著變;用 1 到 5 千年的範圍計算,結果落在 0.122 到 0.382,沒有一種達到研究列出的 0.40。復原速度在多數相同長度的計算範圍裡,反而和衰減一樣快或更快。這表示讀者很難判斷原本的數字怎麼來,也提醒研究者應說清楚計算範圍。

  23. a16z49

    AI 助理現在已能像研究實習生一樣,照著人指定的方式執行實驗、跑程式並整理結果;Mark Chen 說,這類工作通常範圍明確,不是叫 AI 自己想研究方向。John Schulman 分享,他讓 Fable 花幾天嘗試研究點子,確實能做出一些合理實驗,也提出有趣想法,但最後可能沒完成原本的任務。人類研究者能一邊動手寫程式、一邊累積理解,提出 AI 沒想到的問題,並把研究帶往不同方向。因此,AI 已能幫忙做部分研究工作,但仍需要人判斷目標並引導過程。

  24. Dev.to Top Tech55

    QUIC 與 TCP+TLS 1.3:用 CPU 購買延遲

    在網路協定的演進中,QUIC 把 TLS 握手與傳輸握手合併,並在使用者空間執行,從而減少一次往返時間,並讓每個資料流獨立處理。文章透過實際的握手延遲計算、吞吐量公式與 CPU 使用量比較,說明在高延遲、丟包率高或多物件負載下 QUIC 能節省約 0.5 秒的首次載入時間,且單一丟包隻影響該資料流;相對地,TCP+TLS 1.3 的握手需要兩次往返,丟包會阻塞整條連線,且在使用者空間加密的成本更高。作者還指出 QUIC 在中繼裝置、零往返恢復與頭序阻塞等方面的限制,提醒開發者在選擇協定時需考量網路環境與 CPU 資源。

  25. Jordi Visser🎙️ Podcast58

    Bitcoin Just Had a Full Capitulation - Is the Bull Market Really Over?

    Michael Nadeau, founder of The DeFi Report, joins John on Milk Road Crypto to explain why he believes Bitcoin has experienced full capitulation and why he's calling the latest sell-off the third major buying opportunity of 2026. Nadeau breaks down what's really driving Bitcoin's decline, including a surprising connection between Bitcoin miners and the AI infrastructure boom. As mining companies shift resources toward artificial intelligence, could selling from their Bitcoin reserves be putting a

  26. a16z39

    研究品味,是看出哪些點子長遠來說重要、能被其他想法接著使用,最後也可能超越最初發表的論文。John Schulman 認為,研究直覺來自親自做研究,也要大量閱讀過去的成果,從中吸收經驗。Mark Chen 則說,現在的模型還不太會想出好點子,反而更擅長調整超引數等細節。未來公司可能用人類回饋強化學習,請研究人員評分哪些想法好、哪些不好,讓模型從中學習。這很重要,因為做研究不只要把引數調好,還得知道哪些問題值得花時間。