1. 作者称 GPT-6 Astra 破解一战德军无线电密码 (GPT-6 Astra Solves a WWI German Radio Cipher)
个人作者 prinz 在非官方实验文章中称，他让 GPT-6 Astra 尝试破解一组长期未解的一战德军 ADFGVX 无线电密码，其中一封发于 1918 年 11 月 27 日。模型选用史料记载的密钥词“TRUPPENVERSCHIEBUNG”，先按字母顺序重排列，再依据 170 个密文符号的列长恢复坐标对，得到的大意是：一艘英国巡洋舰于 24 日抵达塞瓦斯托波尔，盟军分舰队于 26 日跟进。作者随后查阅 HMS Canterbury 原始日志及相关记录，认为舰只和舰队到港日期与解文相符。文章还提出疑点：该密钥已知启用日期是同年 12 月 9 日，早于此日期的电报为何使用它仍无法解释。作者明确把它描述为自己尚未见过既有解码的“小结果”和模型能力案例，并非 OpenAI 官方公告或经独立同行确认的结论。
原文链接：https://www.prinzai.com/p/gpt-6-astra-solves-a-wwi-german-radio
论坛讨论链接：https://news.ycombinator.com/item?id=49763987
HN 中，aaymeloglu 称自己也把 Astra 和 Fable 用于未解密码，找到了若干“低垂果实”，并提到另一位作者已搭起成套解码工具。93po 则讲述反例：ChatGPT 曾引用一份代理生成的争议材料，声称某密码方案有问题；他查原书后发现，代理漏掉了跨页续文，导致判断错误。DenisM 由此认为来源核验会递归延伸，人能查看错误推理而不被带偏，代理却可能在上下文中混淆信息的出处与可信度。93po 最后主张互联网或需转向信任网络，以明确选择可信身份。
2. OpenAI 用自有 LLM 加速 Jalapeño 芯片设计 (How OpenAI Used Its Own LLMs to Design Its Jalapeño Chip)
IEEE Spectrum 报道，OpenAI 在 Jalapeño 推理芯片项目中，将自家大模型嵌入前端设计和软件优化流程，而非让 AI 独立完成芯片。Richard Ho 领导的硬件团队平均不到 100 人，负责推理加速器、内存层次与网络；Broadcom 从门级之后承接物理实现。前端采用 Accelerated Hardware Synthesis，聚焦 Verilog、高层综合和验证，因为这些任务更接近软件，便于模型生成、修改和快速迭代。项目早期使用 o3，后期获得 GPT-6 Astra 前身及未公开的芯片专用微调模型；首批芯片回厂后，模型也用于优化基准软件。团队承认，布线、布局等后端优化仍较少受益于 LLM，Broadcom 也未用 OpenAI 内部模型。下一代将尝试让 AI 参与验证、物理设计、波形分析和故障定位，但公开基准能否转化为推理集群的实际收益，仍待大规模部署检验。
原文链接：https://spectrum.ieee.org/llms-for-chip-design
论坛讨论链接：https://news.ycombinator.com/item?id=49761432
HN 讨论先被“Jalapeño”代号带偏：种辣椒者不满项目挪用名称，生成艺术家和密码学从业者吐槽“generative art”“crypto”等词被夺走原义，agent、transformer 也成笑料。回到芯片：有人认为 LLM 适合高层综合、软件优化和设计空间探索；也有人强调性能、功耗与面积优化依赖物理实现，制程产能仍是硬约束。另有评论质疑标题淡化 Broadcom 的后端工作，并争论“延迟降低 3.6 倍”是否严谨；支持者认为首片回厂后的内核优化，显示 bring-up 周期可能缩短。
3. 玻利维亚发现百年来首个新猫科物种 (The first new cat species discovered in 100 years)
国家地理介绍玻利维亚新确认的小型猫科 Leopardus tilcayo。这只 10 岁雄猫生活在永加斯的 Senda Verde 动物收容所，头体长约 18 英寸、重约 3 磅，比普通家猫还小。研究者 Paola Nogales-Ascarrunz 最初拍下它时，以为它属于已知虎猫；2019 年整理玻利维亚猫科图册时，她发现其玫瑰状斑纹远大于邻国巴西参考照片中的个体，随后学习遗传分析并与 Eduardo Eizirik 等人展开研究。团队比较 Leopardus 属 38 个个体的完整基因组后，确认它与其他虎猫存在独立演化关系，并在 Current Biology 发表结果。论文不只命名一个新物种，也重新划分虎猫及近缘小型猫的家族树。现代基因组学能揭示外形观察遗漏的分化；若原先横跨大片地区的一个种实际由多个狭域种组成，每个种群会更小，保护评估也须调整。目前其分布范围与野外数量仍不清楚。
论坛讨论链接：https://news.ycombinator.com/item?id=49744704
HN 评论惊讶它仅 3 至 4 磅，外形却像大斑纹家猫。有人想到像孟加拉猫那样驯化或杂交；反对者提醒只有一个已知个体，它曾被误认成家猫带回家，后来不愿驯化。另有评论称 Leopardus 有 36 条染色体、家猫有 38 条，杂交未必可行；这些均是评论者观点，并非文章结论。讨论也追问：当地人早已称它为 tilcayo，为何科学界迟至今日才确认？一种解释是外地研究者把地方描述归入相似的 oncilla，直到基因组比较才识别差异。有人质疑“种”与“亚种”的边界，其他人建议回到论文的系统发育证据判断。
4. 人脑发育源自两套平行的神经外胚层祖细胞 (Two parallel neural ectoderm progenitors contribute to the developing brain)
斯坦福医学院团队提出，人脑前部与后部并非由同一种祖细胞依次分化，而是来自胚胎早期并行、互不重叠的两条发育路径。研究者在小鼠胚胎中识别出表达 Otx2、将形成前脑和中脑的祖细胞，以及表达 Gbx2、注定形成后脑的另一群细胞；两者的染色质配置也不同，早期便锁定各自命运。这解释了过去试图把前脑或中脑祖细胞诱导成后脑神经元为何困难。依据这一线索，团队首次将人多能干细胞培养成功能性后脑运动神经元，细胞能产生动作电位，并表达控制面部与吞咽肌肉的后脑节段标志。相似的双起源模式还见于鸡、斑马鱼和与人类远祖相连的柱头虫。该体外模型为研究 SMA、ALS 等脑干疾病提供了此前难得的材料，但距离再生治疗仍属后续方向。
原文链接：https://med.stanford.edu/news/all-news/2026/09/two-separate-brains.html
论坛讨论链接：https://news.ycombinator.com/item?id=49763697
评论关注实验工具。ksenzee 认为，若报道没有夸大，重大的成果是终于能在体外培养后脑神经元，这会方便 ALS 等疾病研究。computerdork 还猜想“两套发育系统合成一个脑”或可启发认知科学，乃至两个分工模型协同训练的 AI 架构，并类比耳部由不同胚胎来源组合而成。ACCount39 警告，“大脑这样做”并不意味着 AI 应照搬：生物结构有时是好方案，有时只是进化妥协；若不知道这种分割带来何种功能偏置，拆成两个网络只会增加复杂度。前者随后澄清，这只是值得探索的设想，并非断言双模型更好。
5. 如果数学不只是证明，也该奖励解释与理解 (If math is more than proof, we need to better celebrate the rest of it)
数学视频创作者 Grant Sanderson 在陶哲轩博客的客座文章中提出：当机器能生成证明而未必带来理解，数学界不该继续把“解题与证明”当作唯一主要功劳代理，而应给“有动机的解释”近似研究成果的学术认可。这类解释先让问题和需求成立，再引入定义，允许从不完整但可理解的想法出发、逐步修正，并说明为何提出该定理及其用途。文章援引《普林斯顿数学指南》、Thurston 的论述和 Timothy Chow 的“开放阐释问题”，强调 AI 证明会不断产生尚未解决的理解任务。作者建议导师把小问题变成讲解考核，列出类似希尔伯特问题的阐释清单，建立相关期刊和评价标准，并在招聘、晋升中更重视教材与解释工作，以明确数学家的核心贡献是推进人类理解。
论坛讨论链接：https://news.ycombinator.com/item?id=49763928
HN 讨论把争点拉到“证明与直觉谁应优先”。ForgotMyUUID 以工程师和教师视角说，数学首先是精确交流语言，公式能压缩机制，证明则用来检查陈述；他认为学校教育已丢失不少直觉。数学教授 bananaflag 反驳，训练纯数学学生时应强调证明，因为证明离不开直觉，而只讲直觉未必学会严谨。应用数学使用者 bunderbunder 则称，实践中直觉帮助选方法，证明更多是验证手段。Aerroon 补充，考试过分围绕证明会让学生背诵而非理解；bananaflag 也澄清自己的观点仅限培养纯数学家。
6. 我一年前就用强化学习做了非自回归决策模型 (I built non-autoregressive decision models with RL a year ago)
ConvAI Innovations 创始人 Nandakishor Mukkunnoth 称，他在 2025 年已用 PPO 处理序列表征，输出销售对话逐轮转化概率；在 TypeSafe AI 推出非自回归决策服务 Jev 后，他据此重做了开源模型族 Laya。Laya 不生成文本，而是在一次前向传播中回答 choice、score、noul 三类结构化问题，用概率或数值服务工单路由、垃圾邮件、提示注入和紧急度判断。项目提供三个 322M—421M 参数检查点，并以脚本检测在英语模型上容易失真的非拉丁文字，自动切换多语言模型。作者报告，单问题 T4 延迟为 32.8 毫秒，10 问批处理为 72.3 毫秒；在其对照中，校准误差为 0.081，51 种语言中有 45 种达到随机基线三倍以上。权重和代码以 Apache 2.0 开放，但选择项超过 20 个时性能会下降，零样本任务也有上限。
原文链接：https://laya.convaiinnovations.com/
论坛讨论链接：https://news.ycombinator.com/item?id=49765348
讨论聚焦如何把研究讲成产品。johnfn 指出，Jev 的品牌、网页和通用 API 让人立刻理解用途；原作者用“纯强化学习预测销售转化概率”作标题，又只发在一个 Reddit 社区，难看出它与 Jev 的关系，因此传播就是产品的一部分。calebkaiser 说，机器学习里同一想法常被多人以不同术语独立提出，“我们更早做过”的争论不罕见。robrenaud 认为旧题目即使看懂也不吸引人，Jev 胜在通用的接口；verdverm 则提醒，旧论文还用了 RAG 和编排器，并非标题所称的“纯 RL”。
7. 如何用大语言模型辅助写作 (How to Write with an LLM)
作者主张把 LLM 当校对员，而不是代笔者，并提出两条防止个人声音被模型同化的规则。第一，模型建议的任何具体措辞都不要直接采用；即便句子悦耳，也可能让全文像连续堆叠的杂志标题。第二，禁止并警惕模型的鼓励，因为默认赞美会诱使作者固守初稿的结构、段落、转场和比喻，错过形成自身声音所需的重写。正确流程是先由人完成全文，再让模型机械地标出被动语态、名词化动词、重复词、赘词、段落顺序和可删内容等问题；作者依据问题亲自改写，并把原版与新版交给没有编辑过程上下文的模型盲评，以减少迎合。还可依据写作教材整理检查提示，分轮调用不同 CLI。即便如此，也不必接受全部建议：模型说本文长了 20%，作者最后仍选择保留。
原文链接：https://sockpuppet.org/blog/2026/09/17/how-to-write-with-an-llm/
论坛讨论链接：https://news.ycombinator.com/item?id=49747070
讨论把原则延伸到代码协作。semiquaver 说，他坚持亲自写提交信息和拉取请求说明，让代理核对事实；这虽较慢，却迫使自己理解代理生成的代码，也找回技术写作训练。LeafItAlone 指出，LLM 至少减少了只有“fixes”“updates”的无用提交信息。vova_hn2 认为，仅从 diff 生成摘要很冗余；提交记录真正稀缺的是 diff 中没有的动机、目标和工单背景。miki123211 回应，若让代理写，应由同一会话里改代码的代理完成，先解释为何修改，再给出经提交者审核的变更摘要。
8. AI 生成的海报不一定都很糟 (AI-generated posters don’t have to be horrible)
作者观察到，许多乡村集市和啤酒节的 AI 海报都落入相似模板：柔和色调、手绘花卉、彩旗与“手作市集”气息。他先要求 ChatGPT 做明亮、简洁且不用人物或油画质感的春季集市海报，结果仍未摆脱俗套；再把上一版当作反例，要求完全不同的审美，模型便转向包豪斯式几何现代主义。随后，他以印章凸版、日式极简、孟菲斯、朋克杂志、90 年代鼓打贝斯传单和立体主义展览海报等明确风格反复测试，证明提示具体设计传统能显著扩大视觉范围。不过多轮对话可能让模型擅自继承并添加文案，作品仍带有 AI 痕迹。作者建议从一开始就指定风格，并指出 Claude、Gemini 还能生成文字和图层可编辑的 HTML、PNG、PDF，而非只能输出扁平图片。
原文链接：https://john.hartnup.uk/2026/06/07/ai-event-posters.html
论坛讨论链接：https://news.ycombinator.com/item?id=49764791
评论对“够用”和“可读”形成了两种衡量。ajjenkins 认为，顶尖设计师也许更好，但小型活动往往只能负担预算型自由职业者；以他的委托经验，AI 更便宜、更快，成品反而常优于这类设计，且若避开卡通人物等明显套路，人们未必能稳定分辨来源。eloisant 反驳说，AI 海报最大问题不是美丑，而是元素太满、关键信息不突出，过去业余组织用白底、大字和少量剪贴画反而更清楚。作者认同拥挤问题，称测试百种提示后发现应要求更少杂项，但现实客户又常坚持列出十多项活动；真正简洁仍需要删减信息。
9. 《电路的秘密生活》：一本不要求先学一年微积分的电子学书 (The Secret Life of Circuits)
Michał Zalewski 宣布其耗时一年多完成的新书《The Secret Life of Circuits》已经印成实体书。出版社的直接订单已开始发货，Barnes & Noble 和 Amazon 各地区站也已上架，但后两者预计十月配送。作者把它定位为自己初学电子学时希望拥有的参考书：给出原理层面的回答，却不要求读者先修一年微积分；重点是教人形成自己的设计方法，而不是照抄现成电路，也尽量围绕现代问题求解而非“电路考古”。成书为大开本全彩精装，配有近 300 幅专门绘制的图解，并提供样章；博客中关于电是什么、二极管、负电阻、DAC 与 ADC 的文章可作为风格预览。多位硬件作者和教育者的推荐语认为，它在物理基础、实用知识和概念解释之间取得平衡，能从低层物理一路讲到现代微控制器。作者也保留了一条批评字体和版式的 HN 评论当作反向“背书”，以自嘲回应不同审美。
原文链接：https://blog.coredump.cx/p/the-secret-life-of-circuits-is-here
论坛讨论链接：https://news.ycombinator.com/item?id=49720143
HN 评论争论它能否算“零基础入门”。有人称其比配方型电路书更有深度；也有人认为，寄生参数等内容默认读者已有基础，初学者会缺少上下文。评论者因此推荐 MIT 6.002 的教材，并比较《Practical Electronics for Inventors》《MAKE: Electronics》的理论与动手侧重。多位软件工程师说，跨入电子学最难的是从黑箱抽象切换到受物理细节制约的思维；MOSFET、漏电和器件参数会让“晶体管就是开关”的比喻失效，只能靠实验、数据手册与分层资料逐步建立直觉。
10. 旧金山有人真的卖起了洋葱期货 (San Francisco Onion Futures Company)
旧金山洋葱期货公司出售面向个人、可以转让的合同，约定在未来某月交付实体黄洋葱。网站称合同最多提前六个月销售，每颗价格在 3 至 12 美元之间，通过 Stripe 付款；各交割月价格由专有算法每天按旧金山时间午夜重算。公司认为这种安排合法，因为美国《洋葱期货法》禁止的是在交易所或其他交易设施规则下进行洋葱远期交易，而它自称只与个人私下签约，不经营交易所或二级市场。进入交割月首周后，代表会联系持有人安排领取，主要覆盖旧金山、多伦多、西雅图和芝加哥，其他情况可由第三方配送。每份合同附唯一密钥，转交密钥即可更新收货人并作废旧密钥；合同没有退款或现金结算，即使最终未能交付也不退款。网站还称，持有密钥的人无法反查登记的交付信息，转让时不会直接暴露地址。
原文链接：https://onionfutures.com/
论坛讨论链接：https://news.ycombinator.com/item?id=49763296
HN 评论主要围绕洋葱期货禁令及价格波动。cwal37 提到该法也曾禁止票房收入期货，并建议在 FRED 比较洋葱与玉米价格。chirau 查看洋葱、番茄和生菜后觉得波动相近；repiret 认为生菜和番茄不耐储存，本就更受季节影响，拿耐储存的土豆比较更合适，并观察到土豆曲线较平滑。stymaar 提醒耐储存也意味着运输范围更大，这本身就能平抑价格，不能直接归功于期货；另有评论指出这些蔬菜并无大规模期货市场。samaltman2 则认为，当年的禁令若只是制止特定乱象，设定时限会更合理。