文章提交注意事项:
请在发布文章时用HTML代码加上至少一条新闻来源的链接;原创性消息,可加入相关信息(如涉及公司的网址)的链接。有任何问题,邮件至:he.fang#zhiding.cn
注意:收到邮件乱码的用户请修改客户端的默认字体编码,从"简体中文(GB2312)"修改为"Unicode(UTF-8)"。
solidot新版网站常见问题,请点击这里查看。
Solidot 公告
投 票
热门文章
-
- 教宗督促警惕控制算法的人 (0)
- 日本夏季过去 42 年增加了 3 周 (0)
- 美国 AI 淘金热下制造业疲软 (0)
- x86 生态系统顾问团队过去一年的成果 (0)
- 软件更新导致部分吉普牧马人 4xe 变砖 (0)
- NASA JPL 裁员 550 人 (0)
- Google 限制 Android 侧载是其至今采取的最反消费者举措 (0)
- 女性被系统性的刻画成比男性更年轻 (0)
- 商务部首次以 WPS 文档格式发表公告 (0)
- 研究发现卫星未加密传输敏感信息 (0)
热门评论
- 样本数太少 没有参考意义 (1 points, 一般) by Craynic 在 2025年09月22日13时13分 星期一 评论到 梵蒂冈的 Flathub 软件包人均安装量最高
- 杞人忧天 (1 points, 一般) by cnma_001 在 2025年08月15日12时04分 星期五 评论到 你一生中被小行星砸到的概率
- 垃圾Paypal... (1 points, 一般) by devfsdvyui 在 2025年07月17日20时13分 星期四 评论到 Valve 在支付公司压力下移除部分成人游戏
- 建议下次不要用动漫这种容易误解的词 (1 points, 一般) by solidot1550041775 在 2025年07月09日15时24分 星期三 评论到 Netflix 称其全球订户有五成看动漫
- 所以应该吃生肉吗 (1 points, 一般) by Craynic 在 2025年07月09日13时25分 星期三 评论到 研究称加工肉没有食用的安全量
- 居然只有95% (1 points, 一般) by Craynic 在 2025年06月30日13时03分 星期一 评论到 日本争议夫妇别姓法案
- 搞反了 (1 points, 一般) by Craynic 在 2025年06月25日18时46分 星期三 评论到 智能手机是人类的寄生物
- 中心思想归纳 (1 points, 一般) by 18611782246 在 2025年05月15日10时37分 星期四 评论到 研究发现要求 AI 聊天机器人给出简洁答案会显著增加幻觉可能性
- 希望能比印度猴子写得好 (1 points, 一般) by Craynic 在 2025年05月06日13时21分 星期二 评论到 微软 CEO 声称该公司三成新代码是用 AI 写的
- 如果这么干的话 (1 points, 一般) by Craynic 在 2025年04月28日13时13分 星期一 评论到 苹果计划将印度制造的 iPhone 出口到美国以避开关税
想要其他科学家引用你的论文?那么最好尽量不要在标题和摘要里使用术语。对大约两万篇洞穴科学论文的研究发现,引用次数最多的论文在标题里没有使用任何洞穴科学术语,摘要里的术语比例不超过 2%。而大量使用术语的论文引用率非常低。研究洞穴微生物的 Akron 大学教授 Hazel Barton 希望这项发现能给所有热爱术语的科学家敲响警钟。她说,大量使用术语真的令她抓狂。
中国计划在五月中旬尝试在火星上着陆漫游车,如果成功中国将成为美国之后第二个完成火星着陆的国家。IEEE 发表文章介绍了这辆漫游车。漫游车高 1.85 米,重 240 公斤,由太阳能供电,比 NASA 二月份登陆火星的毅力号要小,但比 NASA 较早的火星漫游车勇气号和机遇号要大。它由六轮驱动,测试时速最高 200 米,携带了 6 个科学负荷,设计寿命为 90 火星日或 92.5 地球日,它可能服役更长时间,中国的月兔二号漫游车设计的寿命类似,但目前已经在月球上运行了 800 多天。
Google AI 研究经理、杰出科学家 Samy Bengio 在内部邮件中宣布辞职。在这之前他的两名质疑论文审查和多元化实践的同事遭到解雇,至少有两名 Google 工程师辞职抗议对他们的解雇。他在 Google 的最后时间定在 4 月 28 日。Samy Bengio 在 2007 年加盟 Google,是 Google Brain 的创始成员,是图灵奖得主 Yoshua Bengio 的兄弟,在深度学习和对抗网络上做出了开拓性工作。吴恩达称他推动了 AI 技术和伦理向前发展。
清华大学的研究人员在《Nature Communications》期刊上发表研究报告,估计到 2024 年中国比特币挖矿产生的碳排放将达到 1.3 亿吨,超过了意大利和捷克的年排放量。到 2024 年,比特币挖矿需要的电力将达到 297 兆瓦小时,占到了发电产生的碳排放的 5.4%。研究人员预测到 2024 年挖矿产生的碳排放将达到峰值——届时对矿机的投资和电力开支将超过挖矿所得。研究人员称,在北京等北方地区挖矿的矿工最有可能使用来自燃煤火电站的电力,而贵州、云南和四川的矿工更有可能使用水电。
Google 官方安全博客宣布,Android 加入了对 Rust 语言的支持。Google 称,七成的 Android 高危漏洞与内存相关,而内存安全语言是解决这一问题的最有效方法。Google 宣布 Android Open Source Project(AOSP)现在支持用 Rust 语言开发操作系统。Java 和 Kotlin 是开发 Android 应用的最佳选择,但对于操作系统的底层,Java 和 Kotlin 不是可选择的。操作系统的底层需要用系统级编程语言 C、C++ 和 Rust 等开发,对 C 和 C++ 来说,开发者负责管理内存,但管理内存时因代码库的复杂性开发者很容易犯错。Rust 语言利用编译时检查和运行时检查确保内存安全,同时它还提供了比拟 C 和 C++ 语言的性能。Google 称用 Rust 重写数千万行 C/C++ 代码是不可行的,对内存相关 bug 的分析显示,大部分 bug 都是近一两年内引入的,因此 Rust 将主要用于新的开发而不是重写成熟的 C/C++ 代码。
印度一家法院周二表示,字节跳动必须存入约 1,100 万美元资金,这是印度政府认为该公司在一起涉嫌逃税的案件中所欠的税款。印度政府表示,法院的这一裁决将禁止字节跳动将银行账户中的现有资金用于其他目的。字节跳动在法庭上表示,该公司并未拖欠印度政府所称的税款,也不同意税务机关冻结其账户的决定。
微软开始将服务器浸在非导电液体中以改进性能和能效。浸渍法早已存在许多年,微软宣称它是第一家在产品环境中使用双相液浸冷却的云服务商。基于碳氟化合物的液体沸点很低,只有 50 摄氏度,到达沸点之后它会蒸发,然后冷凝成液体掉到槽内,从而形成一个闭环的冷却系统,不需要在槽内耗费能量移动液体,不需要冷却器,也不需要冷凝器,因此降低了成本。类似的冷却系统最近几年被矿工用于挖掘比特币和其它加密货币。今天的大部分数据中心使用的是空气冷却。
Pew 研究中心在 1 月底到 2 月初的调查显示,有 7% 的美国人不使用互联网。不上网的人群与年龄的关联性最高:25% 年龄 65 岁以上的成年人报告从未上网。受教育程度和家庭收入也能指示一个人是否上网。14% 高中以下教育水平的成年人报告不上网,14% 家庭年收入不到 3 万美元的人报告不上网。性别、种族和民族,或生活的社区类型对于是否上网没有统计上的显著性。
加密消息应用 Signal 整合了对加密货币 MobileCoin 的支持,允许用户直接在 Signal 网络内交易这种加密货币。MobileCoin 是一种强调保护隐私和匿名性的加密货币,设计能有效工作在移动设备上。目前该支付功能仅提供给英国的 Signal 用户,只支持 iOS 和 Android 版本,不支持桌面版本。引入该功能是一场实验,Signal 希望最终将该功能提供给所有用户。Signal 创始人 Moxie Marlinspike 表示,此举旨在尝试将 Signal 的隐私保护扩大到支付领域。Signal 希望提供一种除了发送方和接收方无人能跟踪的支付方法。相比其它更知名的以保护隐私为卖点的加密货币如 Zcash 和 Monero,MobileCoin 的优势是需要的存储空间很小,交易能在数秒内确认,而 Zcash 和 Monero 的交易需要数分钟完成确认。
在中世纪策略游戏《十字军之王III》中,玩家可以通过一系列改革让中世纪文化接纳同性夫妇,但要允许合法化同性婚姻,现有的版本(v1.3)将需要修改游戏的二进制程序。原因是让两个角色结婚的游戏逻辑包含在二进制程序而不是脚本文件中,游戏引擎会单方面阻止同性婚姻。游戏开发商 Paradox 发表声明,出于安全理由它禁止修改游戏的二进制程序 ck3.exe,称如果一切按计划进行下一个版本 v1.4 将允许 Mod 开发者实现合法化的同性婚姻。
人类很容易通过直觉就知道简单动作序列之间的因果性,但对于机器算法而言,因果性仍然是一大挑战。机器学习,尤其是深度神经网络,擅长于从海量数据中识别微妙的模式,但它们很难像人类那样做出因果推断。这是机器学习难以推广到更广泛领域的一个原因。Max Planck Institute for Intelligent Systems、Montreal Institute for Learning Algorithms (Mila) 和 Google Research 的研究人员最近在预印本网站发表论文探讨了这一问题。研究人员指出,今天机器学习的成功很大程度上是对独立收集且恒等分布的数据集的大规模模式识别。但随着环境日益复杂,尤其是对自动驾驶来说,缺乏对因果性的理解使得 AI 难以预测和处理新的情况。这是为什么在数百万英里的训练之后,自动驾驶汽车仍然会犯奇怪而危险错误的原因。主流机器学习算法因其可扩展性而受到青睐,但基于统计规律而不是因果性进行训练的算法是很容易失效的。