260720｜雅可比猜想被破，噪声变答案 - Hacker News

Hacker News今日精选呈现机器人基础模型突破、隐私浏览器更新以及跨学科技术话题。

Xiaomi-Robotics-1

研究发现：无具身预训练突破数据限制

Xiaomi-Robotics-1 利用 100,000 小时 embodiment-free UMI 轨迹进行大规模预训练，覆盖 1,700 多种真实世界场景。这种方法无需收集特定机器人数据，避免了 Embodiment 依赖的瓶颈，为策略模型提供了广泛的基础表示。

方法：两阶段训练范式

预训练阶段使用自动标注管道将长视频分割为片段，由视觉语言模型描述场景状态转换，使模型学习从语言描述生成动作。后训练阶段通过真实机器人数据进行具身对齐（匹配特定机器人物理形式）和指令对齐（将自然语言指令映射到动作执行），将预训练的通用能力转移到具体机器人任务。

意义：可扩展的机器人基础模型

随着预训练数据和模型规模增加，真实机器人成功率稳步提升，显示出清晰的扩展定律。该模型能从少量数据（平均每任务不到10小时演示）适应新任务，并在四个主流仿真基准上达到状态最优，证明了具身无关预训练后真实机器人微调的有效性。

The Zen of Parallel Programming

核心观点：协调能力决定实际产出

增加算力本身不会自动产生更多有用工作；关键在于如何协调已有的计算资源。就像人类智力、情感和身体各部分需诚实沟通才能协同工作，否则内部争执会导致效率低下甚至倦怠。

论证逻辑：从并行编程到人类禅思

并行编程要求任务被分解为能通信、同步和共享负载的部分；任何处理器过载或资源争夺都会降低整体效率。这类似于禅宗“整心活动”概念——让经历被完整感知和处理，而非执着于未完成的“残留过程”，后者如同未终止的后台进程消耗注意力。

延伸思考：内部协同是瓶颈

也许我们的根本限制不是算力不足，而是内部资源分裂。无论是多核处理器还是人类心智，真正的瓶颈在于各组成部分之间的协调效率，而非单纯的资源量。

Orion Browser by Kagi

核心亮点：速度、隐私与扩展兼容性三者兼得

Orion 是一款从零开始构建的网页浏览器，原生使用 WebKit 引擎，承诺零遥测、内置广告拦截和防追踪，同时不收集 AI 数据或进行隐藏监视。它旨在提供卓越性能、广泛的扩展支持以及绝对用户隐私。

关键特性：真正的跨浏览器扩展支持与深度定制

Orion 是唯一同时支持 Safari、Chrome 和 Firefox 扩展的浏览器，团队已精选 20 款保证可用的扩展以减少使用麻烦。浏览器支持几乎无限的自定义，远超主题更改，允许用户配置每一个细节；内置 Kagi 服务实现搜索、翻译和浏览工具的无缝集成。

实际影响：跨平台可用且社区驱动

目前提供 macOS、iOS/iPadOS 和 Linux（Beta）版本；Windows 版正处于 Alpha 开发阶段。媒体评价称其在 macOS 上比 Safari 更快更省电，资源占用少同时支持多浏览器扩展。为保持独立开发，Orion 完全由用户资助，不含广告或第三方交易，用户可通过订阅或一次性购买终生许可证支持发展。

Claude Fable produced a counterexample to the Jacobian Conjecture

研究发现：AI 生成的多项式映射反驳经典猜想

Claude Fable（AI 系统）构造了一个从 ℂ³ 到 ℂ³ 的多项式映射 F(x,y,z)=((1+xy)³z + y²(1+xy)(4+3xy), y+3x(1+xy)²z+3xy²(4+3xy), 2x−3x²y−x³z)，其雅可比行列式恒为 -2（非常数常数），却将三个不同点 (0,0,−¼)，(1,−3/2,13/2) 和 (−1,3/2,13/2) 映射到同一图像 (−¼,0,0)。由于该映射不是单射，它直接违背了雅可比猜想——该猜想断言雅可比行列式处处非零的多项式映射必须存在多项式逆映射。

方法简介：基于梯度的局限性思考

正如 HN 评论者 Grok 所指出的，这个反例有效是因为雅可比行列式只捕捉局部信息：梯度-based 方法可能无法检测到由非单射映射引起的“全局碰撞”，其中语义不同的输入可能被映射到相同输出，除非训练数据中显式包含了不同目标。这也为理解 LLM 幻觉提供了视角——训练中的局部梯度更新可能合并了本应区分的概念。

意义与局限：引发更广泛的数学讨论

该反例于 2026 年 7 月 19 日被添加到维基百科雅可比猜想页面后得到确认。虽然有些评论讨论其对 Dixmier 假设（关于 Weyl 代数单纯性）或 Poisson 假设（关于 polynomial Poisson 映射）的潜在影响，但雅可比猜想在此领域中研究更深入。构造方法是否与 Zhang 涉及素数小间距的工作相关仍是开放问题，但 AI 能这么快反驳一个 150 年旧猜想凸显了自动化数学发现的潜力。

Moonshine: Lets you stream games from your PC to any device running Moonlight

项目定位：Linux 专属的 GameStream 流媒体服务器

Moonshine 让你从 PC 向任何运行 Moonlight（NVIDIA GameStream 协议的开源客户端）的设备流式传输游戏，键盘、鼠标和控制器输入会被发回主机，实现远程游玩体验，如同坐在电脑前。

核心能力：隔离会话与硬件加速支持

每个流媒体会话在独立的合成器中运行，完全隔离于桌面环境，因此主机 PC 在流媒体期间仍可用于其他任务。无需物理监视器——可在无头服务器上工作，无需 HDMI 虚拟插头。支持 H.264、H.265 和 AV1（实验性）硬件视频编码，真实 10-bit HDR 流媒体，完整的鼠标、键盘和游戏控制器输入（含运动、触控板和触觉反馈），以及低延迟 Opus 编码的立体声和环绕声（5.1/7.1）音频流。

使用场景：从远程游戏到专业流媒体

适用于在头less Linux 系统上流媒体游戏；通过 Tailscale、WireGuard 或 ZeroTier 等 VPN 进行互联网流媒体（因底层 GameStream 协议缺乏完整应用级加密）。安装简化：通过 AUR 在 Arch Linux 上获取，或从源码编译依赖项如 Rust、Vulkan 等。配置通过 TOML 文件管理应用程序对及其隔离会话。

Talk: The Art of Braiding Algorithms

核心观点：弦 figures 作为算法艺术的框架

弦 figures——用线编织出的图案——可以被视为算法艺术。本次研讨会探讨了 braid groups（描述辫子结构的代数工具）如何用于分析弦 figure 算法，强调了符号系统（notation）在将直觉操作形式化中的作用。

论证逻辑：从动手实践到理论反思

参与者使用真实线进行动手探索，结合引用的 Birman 和 Menasco（1992）论文“Studying links via closed braids”，该工作在最高 generality 层面回答了生成所有可能弦 figures 所需的基本动作。讨论延伸到数学符号如何塑造我们的思考：清晰的 notation 不仅记录过程，还能揭示底层结构，正如闭合辫子在链接理论中的应用所示。

延伸思考：notation 在数学创造中的角色

研讨会促使反思：我们多少次因为符号系统的限制而近似或简化概念？就像弦 figures 需要特定记号才能被分析一样，数学进步往往依赖于能精准捕捉现象的表示法。这也暗示了跨学科潜力——将编织艺术的直觉形式化可能启发其他领域的建模方法。

Biggest Probabilistic Computer Turns Noise into Answers

事件概述：18 块 FPGA 构建百万 p-bits 机器

研究人员将十八个现场可编程门阵列（FPGA）互连，创建了截至目前规模最大的概率计算机，拥有一百万个概率位（p-bits）。该机器能够以每秒超过一万亿次的速度翻转这些 p-bits，展示了概率计算的潜力。

背景脉络：从小规模到可扩展的挑战

概率计算机使用 p-bits——在 0 和 1 之间以可调概率翻转的位——来处理概率问题，如优化任务，同时避免量子计算的硬件复杂性。之前的尝试受限于单芯片设计（例如 2019 年的 8 p-bits 或 2023 年的 7,200 p-bits），因为将多个芯片网络化时，在导线上同步概率波动具有挑战性，引发了对规模扩展性的质疑。

行业影响：可预测的互连规则铺平扩展之路

新研究发现了一条直接可用的设计原则：概率计算机中不同芯片之间数据交换的速率必须高于某个阈值，才能使整个系统表现为单一协调单元。低于此阈值时，速度和准确性会出现权衡。这一发现意味着概率计算机可以像传统计算机一样，通过增加芯片数量实现任意规模扩展，未来路径包括使用专用硬件如磁通隧道结（更节能）或 CMOS 与磁阻随机访问存储器（MRAM）的组合。

When can a power company take your land for data center infrastructure?

事件概述：征用权在数据中心扩张中的适用性

文章探讨了在美国，电力公司何时可以使用征用权（政府为公共用途夺取私有财产的权力，需提供公平补偿）来为数据中心基础设施获取土地，特别是架设输电线路以满足不断增长的能源需求。

背景脉络：数据中心增长与社区阻力

美国已有超过 3,000 个数据中心，另有 1,500 个在建设中；根据 Pew Research Center 分析，这些中心在 2024 年消耗了全国总电量的 4% 以上，且需求持续上升。社区普遍反对数据中心建设，原因包括更高的公用事业账单、污染、噪音和绿地损失。为支持这些中心，输电线路常需跨越私人土地，引发土地所有者的反对。

行业影响：公共使用标准的解释与限制

虽然美国最高法院在 Kelo v. City of New London 案中宽松地解释了“公共使用”（允许经济开发作为依据），但多个州最高法院（如密歇根、俄亥俄和俄克拉荷马）通过自身宪法更严格地限制了征用权，禁止仅为了经济发展而将财产转让给另一方私人实体。然而，当输电线路旨在改善州内电网可靠性并直接服务于本地客户时，法院更可能支持征用行动；若线路跨州且不惠及本州用户（如 1984 年密西西比州案例），则可能被否决。因此，数据中心相关的征用案件结果取决于其是否真正服务于当地公众利益。

LoRA Speedrun – a public wall-clock leaderboard for fine-tuning techniques

项目定位：标准化微调技术比较平台

LoRA Speedrun 是一个公开的壁钟时间排行榜，旨在为基于 LoRA（低秩适应）的微调方法提供公平竞技场。它借鉴了 modded-nanogpt 速run 的模式，使用冻结任务、固定硬件（单个 NVIDIA L40S GPU 通过 Modal 沙盒）和可验证流程，确保结果仅因算法差异而异。

核心能力：双轨道设计与严格验证

两个独立轨道防止过拟合：Track 1 要求将 Qwen2.5-1.5B 模型在 GSM8K 基准上推至 ≥57.0% 精确匹配率；Track 2 要求将 SmolLM2-1.7B 在 SQuAD v1.1 上推至 ≥75.5% 精确匹配率。只有同时在这两个轨道上表现优异的方法才被视为通用。可验证流程包括：提交 PR 经过静态检查和 Claude 安全筛除；维护者触发三次 fresh seed 运行在受阻 Modal 环境中；官方时间为三次测量的平均壁钟时间，同时审计适配器参数数量和数据哈希以防篡改。

使用场景：推动可重复的微调研究

研究者可通过克隆仓库、配置 Modal 并在本地或云端运行验证脚本参与。排行榜当前纪录显示：Track 1 最佳为 6 分 05 秒（通过序列打包和仅损失掩码）；Track 2 最佳为 11 分 08 秒（基准 LoRA 在首 20k 样本上）。该平台揭示了未被探索的优化空间，如数据挖掘、注意力打包技巧或交叉熵融合，促使社区在算法效率和内核优化上公开竞争。

Korg PS-3300 is back

核心亮点：传奇合成器的手工復刻

Korg PS-3300 合成器——原版在 1977 至 1981 年间产量不足 50 台，被视为音乐史上的稀有“幽灵” Instruments——如今以忠實復刻版回归。由原创作者 Fumio Mieda 领衔，并借助 Korg 在 ARP 2600 FS 等项目上的经验，新版本在保留原作音色灵魂的同时融入现代可靠性。

关键特性：完整复刻的模块化架构与调音仪式

每台单元均在日本手工打造，核心由三个 PSU-3301 声音生成器组成，每个包含电压控制振荡器（VCO）、电压控制滤波器（VCF）、电压控制放大器（VCA）和包络发生器（EG），辅以两个低频振荡器（LFO）、三个可调带通滤波器（共振器）和十二个独立微调旋钮。音色塑造工具包括三带共振器（可通过 LFO 调制实现 phaser、wah 等效果）。独有的“调音仪式”允许用户连接外部调音器，在演奏前稳定音高——致敬原作对温湿度敏感的特性。

实际影响：限量发行的音乐历史载体

新 PS-3300 将分批次在英国发放，每台配备定制硬壳盒及滚轮，确保安全存储与运输。其丰富的音色板——相当于 144 台 MS-20 单元的组合——以及实验调音能力，为合成器爱好者提供了探索前卫声音设计的渠道。尽管产量极低，但结构复杂（组件数量约为 KRONOS 的十倍）和手工艺的确保了每台unit 作为可收藏的音乐科技制品的价值。

相关链接：