260919｜首次发现新猫种，AI海报不再糟

AI‑generated posters don’t have to be horrible

实验思路

作者先用 ChatGPT 按「clean, unfussy, bright, bold spring‑themed」的需求生成海报，得到的仍是常见的 pastel‑bunting 风格。随后要求模型给出不同美学选项，列出了 Bauhaus、Swiss Style、Risograph、Cut Paper、Brutalist 等十几种风格。

主要发现

在明确指定美学后，模型能够产出与传统「craft‑fair」海报明显不同的视觉效果；例如 Japanese Minimal、Wayfinding / Signage 和 Stamp / Letterpress 风格的输出更具设计感且不易被视为低质量默认输出。

社区反馈

一些 Hacker News 读者补充说，实际使用时仍需后期调整颜色或比例，但只要提示词包含具体艺术流派，就能避免大量重复的粘贴海报现象。

实际启示

不必满足于模型的默认输出，通过给出明确的风格名称或从提供的列表中选择，即可获得可用于活动宣传的独特海报。

Two parallel neural ectoderm progenitors contribute to the developing brain

研究发现

Stanford Medicine 团队证明，前脑+中脑来源于 Otx2⁺ 前体细胞，而后脑（脑干）来源于 Gbx2⁺ 前体细胞；两群体在 gastrulation 时期从一开始就互不重叠，各自具有不同的染色质状态。

方法简介

研究者通过单细胞转录组和染色质可及性测定（ATAC‑seq）比较前后神经外胚层，发现 Otx2⁺ 区域保持开放的前脑调控元件，而 Gbx2⁺ 区域则锁定后脑程序。随后用人类多能干细胞成功诱导出功能性后脑运动神经元，验证了该分离的功能等价性。

意义与局限

这一双源模型解释了为何之前尝试用前脑细胞生成后脑神经元常失败，并为研究脑干相关疾病（如 SMA、ALS）提供了可操作的体外系统。作者也指出，该模型目前尚未涵盖后脑的全部亚区，后续需细分亚谱系。

I built non‑autoregressive decision models with RL a year ago

核心亮点

作者在 2025 年提出的 Laya 模型使用双向编码器和强化学习（RLCD）在一次前向传递中输出 choice、score、noul 三种决策原语，实现 32.8 ms 单问询延迟，比 TypeSafe Jev 快近 8 倍。

关键特性

• 三种决策 primitive（choice、score、noul）确保输出仅为概率和数值，杜绝幻觉。
• 内置 Router 根据 Unicode 脚本自动切换英文和多语言检测模块，开销 <2 %。
• 全部权重采用 Apache 2.0 开源，支持 100+ 语言，可在本地或离线环境部署。

实际影响

在邮件垃圾过滤、钓鱼检测、LLM 防御等九种企业工作流中，Laya 的准确率和校准误差均优于 Jev；例如在 AG News 上准确率提升 4 %，校准误差降至 0.081（是 Jev 的三分之一）。社区成员指出，零成本自托管使其在数据敏感场景尤具吸引力。

How to Write with an LLM

问题背景

直接让 LLM 生成或润色文本易产生「Velveeta」式过度润色，稍有模型鼓励就会强化初稿的偏差，导致风格趋同且失去个人声音。

解决方案

作者提出两条铁规：

1. 不得采纳模型给出的任何具体措辞。
2. 禁止模型对整体结构或段落给予鼓励性反馈。
   在此框架下，仅让模型标记问题（如被动语态过用、词汇重复、冗余段落），再由人工依据标记进行修改。

应用场景

该流程适用于任何需要保持作者原声的写作：博客、技术文档、学术草稿。实践中，先完成初稿，再交给模型检清单，逐项改写后再次交给另一个未知上下文的模型进行二次确认，以避免模型知道你已经修改了这一信息。社区用户报告在技术博客写作中，这样做可把修改时间缩减约 30% 而不失文风特色。

SDCC 4.6.0 发布

项目定位

SDCC（Small Device C Compiler）是一套面向 8 位与 16 位微控制器的可重新目标优化编译器，支持 MCS51、Z80、STM8、eZ80 等多种架构。

核心能力

• 新增 C2y/C23 特性：countof 编译时操作符、八进制字面量、if 声明变量、复合字面量、constexpr 等。
• 改进端口：Rabbit 4000/5000/6000 端口实验性加入、ez80 端口取代旧 ez80_z80、Dynamic C 调用约定在 Z80 端口的支持。
• 优化增强：全局子表达式消除、循环不变量强度降低、死代码消除、针对 switch 的跳表等标准及 MCU 特定优化均得到更新。

使用场景

开发者可在 GNU/Linux、Windows、macOS 上交叉编译固件，利用 SDCC 的内联汇编和函数复杂度报告进行底层调试；社区成员指出，新版本的 countof 与 constexpr 在资源受限的物联网节点上能显著减少运行时开销。项目仍以 GPL 家族许可证发布，所有源码与二进制在 SourceForge 提供。

相关链接：

• AI-generated posters don’t have to be horrible
• Two parallel neural ectoderm progenitors contribute to the developing brain
• I built non-autoregressive decision models with RL a year ago
• How to Write with an LLM
• San Francisco Onion Futures Company
• How OpenAI Used Its Own LLMs to Design Its Jalapeño Chip
• GPT-6 Astra Solves a WWI German Radio Cipher
• If math is more than proof, we need to better celebrate the rest of it
• SDCC – Small Device C Compiler
• The first new cat species discovered in 100 years