可在 Cloudflare Workers 上运行。使用 TypeScript 编写，提交记录显示了所有用于生成代码的 prompt。

评论里说：监视AI编写这样的高安全代码, 需要非常有经验的并且善于debug的人洞察其中的错误。（提交历史里AI就出现了不易察觉的错误）

需要依赖immaculata

此举表明IRS提前三周履行了SHARE IT法案下的义务。代码仓库地址是：https://github.com/IRS-Public/direct-file(主要是javascript)

先发出一个包含占位符的结构，然后陆续补齐不同节点。客户端可以在其它部分仍在加载时，提前处理已完成的数据，并将未完成部分以 Promise 形式处理 。

在线版

使用 use client / use server 明确职责；

bundler 按需打包，服务端控制序列化逻辑；

客户端按引用动态加载，拼接完整 React 树。

评论： 现在 GStreamer、OBS 和 FFmpeg 都支持 WHIP，有了一个适用于所有平台（移动、Web、嵌入式、广播软件等）的无处不在的视频广播协议。

OpenAI反对一项法院命令，该命令要求其保存所有ChatGPT用户日志，包括已删除的聊天记录。起因是新闻机构指控OpenAI销毁证据，这些新闻机构因版权问题起诉OpenAI

尽管深度学习模型在预测酶功能方面取得了引人注目的成果，并在著名期刊上发表，但对这些结果进行细致的验证和事实核查却往往被忽视。

具体来说，文章提到一篇发表在 Nature Communications 上的论文，该论文使用 Transformer 模型预测了未知酶的功能，并获得了很高的关注度。然而，另一篇发表在 bioRxiv 上的论文却指出，前者的结果存在严重的错误，包括许多不正确的预测。例如，该模型预测 E. coli 的 YjhQ 基因是 mycothiol 合成酶，但实际上 E. coli 根本不合成 mycothiol。

当前的科研激励机制存在问题，过于重视炫酷的 AI 解决方案，而忽视了质量结果的验证和领域专业知识的整合。

现在使用LLM进行编程，与早期简单地在ChatGPT中输入指令并复制粘贴代码不同。现在流行的是使用 "agent"，这些agent可以自主探索代码库、编写文件、运行工具、编译代码、运行测试并根据结果迭代。它们能自动执行许多繁琐的任务。

如果LLM的"幻觉"（生成错误或虚假信息）对你很重要，那说明你的编程语言本身有问题。 优秀的Agent应该能进行linting、编译和运行测试，及时发现并纠正LLM产生的错误。 LLM 可以像一个廉价的实习生一样工作，帮助资深开发者提高效率。 作者承认LLM可能会取代一些软件开发者，但这种现象在科技领域很常见。

粗皮蝾螈的剧毒是与北美常见的普通袜带蛇(common garter snake, Thamnophis sirtalis)进行“军备竞赛”的结果。袜带蛇会吃掉蝾螈，因此蛇演化出了对河豚毒素的抵抗力，而蝾螈则为了生存，必须演化出更强的毒性。这是一个持续的反馈循环。

2017年特朗普政府税改法案中对第174条的修改，是导致科技行业大规模裁员的潜在因素。该条款修改了研发支出的税务处理方式，从允许企业立即全额扣除研发费用，变为强制分五年甚至十五年摊销。

文章认为，Meta、Microsoft、Google等科技巨头在2023年初宣布的大规模裁员，表面上是由于疫情期间过度招聘和人工智能发展，但实际上也与第174条的修改有关。该修改使得研发成本更高，导致企业削减研发人员以降低税务负担。

美国政府正在准备通过第二轮税改法案，但人们对上一轮税改法案的实际影响才刚刚开始了解。作者认为，第174条的修改增加了企业在创新方面的税务负担，可能会抑制经济增长，降低美国的全球竞争力。

支持鸟鸣声音识别， 目前支持美国、加拿大、欧洲以及部分中南美洲和印度的鸟类。