本期热点#

今天最受关注的是一篇关于 AI 海报未必丑的实测：作者用同一场春日集市的文案反复“刁难” ChatGPT，发现只要明确指定美学流派与排版约束，模型也能跳出粉彩小碎花的默认模板。这条关于审美多样性的线索，恰好串起本期其他讨论——有人把大模型的思考能力压缩进 30 毫秒的判断里，有人尝试用大模型破解百年密文、也有人用它重绘芯片；与此同时，实验室里的大脑被证实是两套独立系统拼装而成，野外又确认了一个百年未见的新猫种，数学与学术出版则在追问：当证明与论文都能被批量生成，我们到底该奖励什么。

社会与文化#

AI-generated posters don’t have to be horrible#

约翰·哈特纳普的这组海报实验 并不抱怨 AI 画得丑，而是抱怨“长得都一样”。原文记录了他先用“干净明亮、粗壮图形、不要粉彩油画感”的提示让 ChatGPT 做春日集市海报，结果仍是常见的集市模板；随后他要求“把上一版当反面教材，换一种完全不同的美学”，模型给出了包豪斯几何等更具识别度的方案，并列出 15 种风格供逐一测试。作者的判断是，模型本身具备风格广度，单调感多来自使用者直接套用默认提示，关键在于人是否愿意在提示词里做出明确的审美选择。

简评来看，这是一种把“AI 审美疲劳”从模型能力问题转回使用方式问题的视角。HN 讨论的共识并非否定工具，而是强调同质化会挤压公共视觉的多样性；不少读者分享通过指定历史流派、网格与限色来显著拉开差异的经验，也有评论提醒，若活动方都转向一键生成，本地设计师的生计与社区特色可能被稀释。讨论见 Hacker News 帖子。

How to Write with an LLM#

sockpuppet.org 的这篇写作指南 提出一个克制的用法：先由人完整写完，再把大模型当作校对编辑，而非代笔。原文给出两条硬规则，一是不直接采用模型建议的任何词句，避免模型偏爱的“杂志标题式”措辞渗透，二是拒绝模型的鼓励式肯定，保持对论证漏洞的警惕。具体流程是让模型挑错、提结构与逻辑问题，而由人决定是否改写与如何措辞。作者认为，读者对 AI 行文极其敏感，再精心的润色也容易被识别为“输出”而非写作。

值得注意的是，作者并非反对 AI，而是把边界划在“思考是否由人完成”。HN 社区对此大多认同，高赞评论普遍提到“写作即思考”，担心直接代写会跳过形成观点的关键过程；也有读者认为规则过于绝对，在术语与过渡句上有限借用未必有害，关键是最终判断仍在人。讨论见 Hacker News 帖子。

技术与产品#

I built non-autoregressive decision models with RL a year ago#

Convai Innovations 公开的 Laya 想解决一个常见浪费：用动辄数百毫秒的生成式大模型去做本可瞬间完成的分类与路由。原文介绍，作者早在 2025 年就用强化学习训练非自回归决策模型，随后看到付费模型 Jev 以相似思路走红，遂推出开源家族 Laya。Laya 基于双向编码器（bidirectional encoder，一次读完全句再做判断的模型结构），一次前向即可完成三类结构化判断，并内置按字符与停用词分布的语言路由，英语走 ModernBERT、多语言走 mmBERT，单问约 33 毫秒，批量每问约 7 毫秒。官方对比显示在多个基准上精度与校准度优于 Jev，且支持 100 多种语言；作者也坦诚局限，选项超过 20 时性能会明显下滑，需做层级拆分。

简评认为，亮点不在追大，而在把“快且准的判断”做成可自托管的底座。评论区普遍肯定这种对“生成模型被滥用于简单判别”的纠偏，认为把置信度校准与多语言路由做扎实比拼参数规模更实用；也有评论质疑与 Jev 的对比口径是否完全可比，并提醒在零样本与超多选项场景下仍需谨慎验证。讨论见 Hacker News 帖子。

GPT-6 Astra Solves a WWI German Radio Cipher#

PrinzAI 记录的这则破译 把一封 1918 年 11 月 27 日的德军 ADFGVX 无线电密文重新拼回可读信息。ADFGVX 是一种用关键词生成替换表、再做列换位的战时密码，战后虽已缴获密钥清单，但此封因密钥“TRUPPENVERSCHIEBUNG”与预定生效日期不符而长期未解。原文称，GPT-6 Astra 从清单中锁定该词，按字母序重排后以 19 列重建矩阵，逐列还原得到德文电文，译为一艘英国巡洋舰已抵达塞瓦斯托波尔、盟军分舰队将于 26 日跟进，并以英舰日志核验日期吻合。

需要区分的是，原文呈现的是模型在有字典约束下的搜索与重建能力，而非密码学上的原理突破。HN 讨论的共识是，这更接近“把人不愿花数周的手工试错变得划算”，价值在于让尘封的长尾文献变得可验证；也有评论提醒不应夸大为超人推理，标题易让人误以为解开了当代加密。讨论见 Hacker News 帖子。

How OpenAI Used Its Own LLMs to Design Its Jalapeño Chip#

IEEE Spectrum 披露的 Jalapeño 芯片 是 OpenAI 首款推理加速器，官方称其提供 13.4 petaflops 的 4 位算力与 232GB HBM4，端到端时延较英伟达 GB300 可降低数倍。原文称，团队约百人、与博通分工，用时不到 20 个月从概念走到流片，其中 9 个月从寄存器传输级（RTL，描述芯片逻辑的代码）到交付制造。关键在于采用基于 XLS 的高层次综合流程，让模型直接生成类 Rust 的 DSLX 与 C++ 再转 Verilog，并将内核性能在约 40 小时内从不足 1% 提升至近 90%。文章也提到，早期依赖 o3，后期已能直接编写 Verilog 并操作部分 EDA 工具，后端物理设计仍以博通为主。

作者的解读是，这并非“AI 自动设计芯片”，而是把模型用在更像软件的高层次综合与代码生成环节以换取迭代速度。HN 评论肯定这一路径选择的务实，但也指出速度很大程度上依赖博通的工程兜底与既有工具链，基准对比需看真实负载与功耗，且高层次综合产物的可验证性与可维护性仍需严格流程约束。讨论见 Hacker News 帖子。

科学与研究#

Two parallel neural ectoderm progenitors contribute to the developing brain#

斯坦福医学院发布的研究 推翻了“单一前体长出全脑”的教科书模型。论文发表于《自然·神经科学》，团队在小鼠胚胎原肠期发现两类互不重叠的前体群体：一类表达 Otx2，将形成前脑与中脑，负责语言与抽象思维；另一类表达 Gbx2，专司后脑，控制呼吸、心跳与吞咽等生命机能。染色质（DNA 在细胞内的包装状态，决定哪些基因更易被读取）分析显示，两者的基因可及性从极早期就被锁入不同轨道，平行发育、永不交叉。

这一发现解释了为何实验室长期难以培养后脑神经元。HN 讨论关注其对再生医学的意义，认为若能在培养皿中稳定获得后脑细胞，将加速脊髓性肌萎缩症与肌萎缩侧索硬化等脑干疾病的建模与药物筛选；也有读者提醒小鼠与人的发育时序差异，呼吁关注后续在人类类器官中的复现与功能验证。讨论见 Hacker News 帖子。

The first new cat species discovered in 100 years#

《国家地理》报道的新猫种 来自玻利维亚云加斯森林，现被命名为 Leopardus tilcayo，这是自 1923 年以来首个全新确认的猫科物种。故事始于 2017 年一所收容所收留的“怪猫”，其吻部紧凑、耳圆、斑纹呈大玫瑰斑，与邻国虎猫图鉴不符。原文称，团队联合多国学者对多年样本做基因组分析，发现该群体与被长期视为单一物种的虎猫复合种存在稳定分化，形态与基因均支持独立成种。目前仅确认其栖息于安第斯山东坡的云雾林，食性与繁殖等生态细节仍待调查。

对普通读者而言，这提醒“已被充分编目的猫科”仍有空白。评论区肯定基因组学让隐存种不断被识别，但也提醒新种认定需严格证据、避免过度拆分；不少读者讨论以当地称呼 tilcayo 命名的意义，认为命名与后续栖息地调查将直接影响保护优先级与执法边界。讨论见 Hacker News 帖子。

If math is more than proof, we need to better celebrate the rest of it#

陶哲轩博客刊出的客座文章 由 3Blue1Brown 的 Grant Sanderson 撰写，主张当证明可被机器批量生成时，数学的真实目标应被重新表述为增进人类理解，证明只是代理指标。作者提议确立“有动机的解释”这一可评价的贡献类型，对提出新颖、具启发性的解释给予与证明新定理相当的学术认可。文章承认作者作为科普视频创作者的立场偏向，但认为若学界最受褒奖的工作仍以证明为主，而阐释被视为二等贡献，外界误以为数学家将被机器取代也就不难理解。

这一提议在 HN 引发分歧：支持者认为解释与直觉是推动领域进步的核心，AI 恰好让这一价值显性化；质疑者则担心评价标准主观、易被流量与叙事技巧绑架。不少评论建议以教学影响、复现性与后续研究引用来辅助衡量，而非仅看证明数量。讨论见 Hacker News 帖子。

商业与平台#

San Francisco Onion Futures Company#

旧金山洋葱期货公司 的网站提供可转让的黄洋葱实物交割合约，价格每日重算，交割月第一周联系买家在旧金山、多伦多等地自提。原文以常见问题回应合法性质疑，援引美国法典 7 U.S.C. §13-1 称禁令针对“交易所规则下的期货”，而自身并非交易所、也不运营二级市场，因此属于私下合约。该项目被视为对 1958 年因操纵案而专门禁止洋葱期货的历史的戏仿式回应，并以 11 月合约的异常低价引发围观。

HN 讨论在法条解释上分歧明显，一派认为只要提供标准化合约与撮合即可能被认定为交易设施，另一派指出其无竞价撮合、仅做双边转让更像经销。高赞评论回溯洋葱禁令源于当年交易者囤货导致价格崩溃，并讨论易腐、地域性强的小品种为何更易被操纵，也有读者用“洋葱只是调味品、政府不会为此救市”来解释为何立法仅盯住洋葱。讨论见 Hacker News 帖子。

政策与治理#

Asking Authors About Their Own Papers#

《机器学习汇刊》主编 Nihar Shah 的这项面谈实验 邀请 10 篇拟直接拒稿论文的作者会面。到场 7 人中，3 人无法回答论文基本问题，3 人能答基础概念但在技术细节上困难，仅 1 人能完整回应却仍被发现主要结论存在重大错误，另有作者事后以被检测为 AI 生成的邮件补答。原文指出，若署名者无法解释自身论文，则难以保证正确性与可复现性，也难以胜任审稿；该期刊近年直接拒稿率已从 6% 升至 53%，并试点配额与写作清晰度要求以缓解评审负荷。

HN 讨论普遍担忧投稿量激增与 AI 代写叠加正在削弱发表作为能力信号的功能。评论区的共识是面谈式核查虽有效但难以规模化，较多建议改为抽检口试、强化代码与数据可复现要求，或要求声明模型使用程度；也有读者提醒审稿侧同样需防范用大模型批量生成低质量意见的风险。讨论见 Hacker News 帖子。

尾巴#

从海报到芯片、从密文到猫种，本期的共同追问不是“模型有多强”，而是人是否还能在更快、更像的输出中保留判断：何时需要更慢的思考、何时需要更广的风格、何时需要可被他人复现与检验的证据。若你只带走一件事，不妨把“可验证性”当作筛子——能被复现、被解释、被追责的工作，才更值得被奖励与传播。我们下期再见。