本文介绍WebDX推出的Baseline浏览器特性兼容分级标准，给出替换前端依赖前的受众适配、打包成本、功能覆盖三重判断规则，并分国际化工具、HTTP请求、UI弹窗浮层、Lodash工具、日期处理五大场景，列举可被原生API替代的各类库及适配边界；其中Intl系列、dialog、fetch、structuredClone等广泛可用原生接口能直接减负，而Intl.DurationFormat、Popover、Object.groupBy等新特性需结合用户设备谨慎使用，Temporal因Safari暂不兼容、polyfill体积过大现阶段不适合替换轻量日期库，文末提供一套完整依赖审计流程，常规中型项目可削减60–90KB压缩后JS体积，建议定期复盘依赖以持续缩减打包代码。

Discovery Loop 致力于通过自动化实验循环来突破当前科学发现中手动迭代缓慢、劳动密集的瓶颈。该机构利用前沿 AI 模型和大规模计算基础设施，实现实验的快速提出、运行和评估，从而支持数千个实验的并行执行。他们计划首先从自动化机器学习研究起步，将自身作为首个客户进行技术优化，最终目标是解决药物工程、清洁能源、网络安全等科学与工程领域的重大挑战。Discovery Loop 的创始团队由 Jeff Dean、Sanjay Ghemawat、Quoc Le 和 Oriol Vinyals 四位顶尖专家组成，他们在人工智能和分布式系统领域拥有极高的学术影响力和从芯片到产品的全栈技术深度，曾主导开发过多项谷歌核心基础设施与 AI 里程碑产品。团队的使命是打造能自动解决重要科技问题的 AI 系统，加速科技造福人类，目前正积极组建精简的线下团队以实现这一愿景。

在《马里奥赛车8》中，玩家需要从海量的角色、车体、轮胎和滑翔伞组合中做出选择，这涉及速度、加速度等多个属性的复杂权衡。为了找出最佳配置，作者引入了经济学中的“帕累托前沿”（Pareto front）概念。文章指出，单纯追求单一属性（如最高速度）并非最优解，而应剔除那些在各项属性上都被其他选项全面压制的“次优选择”（例如在速度和加速度上被其他角色双重压制的慢慢龟）。那些不被任何其他选项全面压制的选项集合便构成了“帕累托前沿”。虽然帕累托前沿无法直接指定唯一的绝对最佳配置（因为最终选择取决于玩家的个人偏好、游戏风格和效用函数），但它能客观地过滤掉无效选项，帮助玩家在最优解集中进行最终抉择。作者进一步强调，这种多目标优化与权衡取舍问题在现实生活中无处不在（如寻找高性价比食物、理想工作、高收益低风险投资以及高质量低成本的大语言模型等）。当我们的具体偏好（效用函数）未知或不确定时，帕累托前沿是排除次优选项、辅助决策的强大工具。此外，作者在文末补充说明，为了便于大众理解，文章对游戏内复杂的实际属性计算进行了一定的简化处理。

Lea Verou在文章中提出，网页页眉、页脚常驻的深色模式切换控件无需做成包含跟随系统、浅色、深色的三态样式，三态控件只是把底层数据模型直接暴露在界面，贴合极少真实用户需求，还会增加页面占用空间、提升用户认知与操作成本；一套设计完善的双态单图标切换方案能兼容底层三种存储逻辑，初次点击锁定对应主题、再次点击恢复跟随系统，且系统自动切换深浅时保留用户手动覆盖设置，即便出现微小使用偏差也只需一次点击修正；只有独立设置面板内的主题选项、网站会依据系统配色差异化渲染页面这两种场景适合使用三态控件，文章也延伸出通用UX设计准则：界面无需向用户展示当下无关、未来才可能用到的选项，应当尊重用户操作成本，按需呈现功能，同时网站直接默认跟随系统、不额外提供切换按钮也是可行方案。

本文探讨了在使用大语言模型（LLM）时，领域专业知识的重要性。虽然LLM让许多人能够弥补技术短板成为“通才”，并让人误以为使用LLM不需要任何技能，但作者指出，提示工程中最核心的技能恰恰是使用者在相关领域的专业知识。文章以数学家陶哲轩与ChatGPT探讨数学问题为例，说明深厚的专业背景能让使用者以更简练的提示引导模型进入专业对话模式，并能敏锐地识别错误、提出替代方案。作者结合自身编程经验强调，熟悉代码库的开发者能向模型提出更具体的系统级问题，从而获得更优质的结果。总之，尽管缺乏专业知识的人也能用LLM获得基础结果，但人类的专业知识在AI时代依然不可替代，因为精准引导模型并提取高质量解决方案的瓶颈往往在于人类自身的专业认知。

JFrog安全研究员撰文指出，近期GitHub上出现了一批关于SQLite的严重漏洞公告（CVE），并迅速被NVD和CISA等机构标记为高危。然而，经过JFrog团队的深入调查与严格验证（包括源码比对、隔离环境构建、PoC执行和元数据审计），发现这些漏洞公告极有可能是由大语言模型（LLM）生成的虚假“垃圾内容”（LLM slop）。研究逐一拆解了多个高危CVE（如CVE-2026-51302等），发现其引用的函数在目标版本中根本不存在、代码行号错误、所谓的修复补丁系伪造，且所有PoC均无法触发任何崩溃。文章分析了此类虚假CVE泛滥的系统性原因：MITRE的CVE提交流程缺乏身份验证，且NVD因漏洞报告激增而削弱了人工深度审核，导致虚假公告能轻易混入主流漏洞数据库。这不仅会浪费企业安全团队的排查时间，还可能误导依赖AI的自动化修复工具。文章最后总结了识别“AI垃圾CVE”的危险信号（如缺乏官方确认、无提交历史、元数据矛盾等），建议安全人员不要盲信未知来源的新CVE，务必进行复现验证，并表示已将相关发现上报给GHSA、Red Hat和NVD以修正错误记录。

本文探讨了当代知识工作者（尤其是科技、金融和咨询行业从业者）日益严重的职业幻灭感与存在主义危机。作者指出，许多高薪知识工作者开始觉得日常工作毫无意义，转而追求编织、陶艺等实体爱好或幻想逃离都市，以寻找生活的真实感。这种现象的根源在于“工作主义”（Workism）——人们将工作视为获取人生意义、社区和身份认同的宗教式替代品，但这些现代知识工作往往缺乏实质的社会价值与利他主义。随着AI技术的快速普及，工作过程被进一步抽象化和自动化，剥夺了人类在协作、探索和“混乱的中间过程”中的参与感。对于注重体验的员工而言，AI将工作变成了冰冷的流水线，彻底打破了“工作主义”的幻象。借用居伊·德波的“景观社会”理论，作者认为虽然彻底逃离资本主义的景观很难，但知识工作者应当保持清醒，认清职场工作的虚幻本质，不再将人生意义寄托于商业策略和幻灯片，而是转向真实的人际关系、社区参与和真正的利他行为，从而在虚幻的职场之外重建真实的生活体验。

本文作者强烈反对在日常沟通（如Slack、代码审查或聊天群组）中直接复制并转发AI（如Claude）完整回答的行为，并将这种行为戏称为充当“人肉代理”（meat proxy）。作者指出，直接传递AI输出并不能增加任何价值，反而会增加接收者的阅读负担，因为AI生成的内容通常冗长、堆砌专业术语，甚至包含看似合理的废话。作者建议，人们在使用AI辅助时，应该先阅读、理解并验证其输出，然后用自己的语言重新表述，这种思考和转化的过程才是人类能提供的核心价值。尤其在代码开发和审查中，如果开发者只是机械地在AI和审查者之间传递提示词和回复，那么真正完成代码实现的其实是审查者和AI，开发者自身则沦为了毫无附加值的“传话筒”。

作者在文章中表达了对博客（尤其是个人独立博客）中使用AI生成图片的强烈反感。他认为这些AI图片会让读者怀疑文章内容是否也是由AI代写的，从而严重破坏了阅读体验。相比于企业博客，作者对独立博客的真实性有更高的期望，他表示宁愿看到粗糙的电脑“画图”软件手绘图，也不愿看到毫无灵魂的AI图像。作者强调自己的博客内容完全由真人思考和创作，并真诚呼吁个人博客创作者尽量避免使用AI生成的图片，以保持内容的真实感与人情味。

AMD为挑战Nvidia在AI硬件领域的主导地位，收购了AI芯片初创公司Taalas。Taalas的创新技术是将AI模型权重直接刻入硅片中，制造出模型特定集成电路（MSIC），从而成倍提升推理性能并大幅降低成本。与依赖高带宽内存（HBM）的传统GPU不同，Taalas芯片将权重存储在掩模ROM中，并将KV缓存和微调适配器存储在SRAM中。其早期测试芯片在运行Llama 3.1 8B模型时，推理速度高达近17,000 tokens/秒，远超当时的Nvidia GPU。AMD计划将Taalas技术与其Instinct GPU机架结合，采用分离式架构来分配提示处理和token生成任务。尽管该技术存在模型固化、更改大模型需重新流片的局限，但由于只需修改两层金属，成本和时间相对可控，因此非常适合大型模型开发商和推理服务提供商。此外，该技术还能有效降低“测试时缩放”的成本，支持AI模型进行更长时间的深度推理思考。该收购交易预计将于第四季度完成。

本文从Xbox大规模宕机导致玩家连实体光盘游戏都无法游玩的事件切入，探讨了现代实体游戏介质的局限性。作者通过对比20年前Game Boy卡带“即插即玩”的真正实体体验，指出如今的主机实体光盘实质上只是一种数字“许可”。现代光盘游戏不仅需要安装到硬盘、下载更新，还高度依赖厂商的网络服务，一旦服务器宕机，玩家便无法游玩自己购买的实体游戏。基于这种对游戏“所有权”和实际控制权的担忧，作者表示更青睐PC平台，因为PC端提供了更多手段来确保玩家能长期保留和访问自己喜爱的游戏。

作者运营面向美国受众的慈善捐赠人数据库网站PatronView，长期遭受海量爬虫侵扰，网站超99%流量为各类机器人，消耗大量带宽与服务器成本却几乎不带来真实访客，常规前端统计工具无法反映真实攻击规模；作者踩过安全验证脚本严重拖慢网页性能的坑，依托25美元每月的Cloudflare Pro搭建分层防护规则，通过国家封禁、UA拦截、异地/云机房/老旧浏览器无感质询、IP限流等手段管控爬虫，并总结出以服务器日志为准、优先ASN拦截、根据验证码通过率调优规则、只封禁不导流爬虫等实操经验，同时指出爬虫抓取成本持续走低导致对抗永无止境，按抓取付费或将是长期解决思路。

德国能源公司RWE与美国特朗普政府内政部达成了一项价值12亿美元的赔偿协议，同意放弃其在加州、路易斯安那州海岸及纽约湾的海上风电项目租赁权。RWE表示，鉴于在美国推进此类项目已无可行路径，公司将把这笔资金重新投资于传统天然气项目，包括在路易斯安那州投资9亿美元建设液化天然气（LNG）出口码头。美国内政部长道格·伯古姆对此表示欢迎，认为此举有助于加强美国的能源安全。该协议是特朗普政府支持化石燃料、反对风力发电政策的最新举措。特朗普曾多次抨击风力涡轮机，并致力于推动化石燃料发展。在此之前，特朗普政府已分别与法国道达尔能源（TotalEnergies）和美国杜克能源（Duke Energy）达成类似协议，促使这些企业终止在美海上风电项目，转而投资液化天然气和传统石油项目。

本文是一篇指导初学者如何自学植物学的实用指南。作者首先鼓励读者不要被植物学复杂的术语和学术门槛吓倒，应善用互联网资源主动探索和提问。接着，文章强调了掌握两大核心概念的重要性：一是拉丁学名系统，解释了林奈双名法在避免俗名混淆上的必要性以及正确的书写规范（属名首字母大写，种加词小写并斜体）；二是现代分类学与系统发育，指出基于进化关系的分类方法能帮助人们通过共有衍征识别从未见过的植物。在学习资源方面，作者重点推荐了《Plant Systematics》和《Raven's Biology of Plants》两本核心教材，并列出涵盖植物演化、生态学、生物地理学等领域的丰富参考书目，同时建议利用电子资源降低学习成本。最后，文章简要介绍了植物标本的制作流程，包括枝条采集、重压干燥，以及如何结合iNaturalist平台记录数据并制作包含分类、地理位置、生境、GPS坐标等详尽信息的标准标本标签。

新墨西哥州法院裁定Meta需支付5.67亿美元，用于设立基金以弥补其社交平台对儿童心理健康造成的负面影响。这是继今年3月第一阶段审判（因Meta明知故犯损害儿童心理健康并隐瞒儿童性剥削问题）被判罚3.75亿美元后的追加处罚，使Meta需承担的总金额达到9.42亿美元。新判决规定，大部分资金（4.2亿美元）将用于当地青少年的心理治疗，其余用于意识提升、预防和筛查等服务。同时，法官命令Meta实施一系列整改措施，包括在平台上增加保护功能提示、利用人工智能改进年龄评估工具、开发13岁以下用户预测模型、与学校合作建立举报门户以及删除13岁以下用户数据等。新墨西哥州总检察长称赞该判决是保护儿童的重大胜利，而Meta则表示不认同裁决并计划上诉。尽管罚款金额对Meta的巨额年利润而言占比较小，但这标志着美国各州在约束社交媒体公司危害未成年人行为方面迈出了关键一步，Meta目前在全美还面临多起类似诉讼。