forked from tjsky/Rss-Translation
-
Notifications
You must be signed in to change notification settings - Fork 0
/
hn_summary.xml
89 lines (89 loc) · 9.99 KB
/
hn_summary.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
<channel>
<title>HN总结</title>
<link>https://tg.i-c-a.su</link>
<description>由大型语言模型编写的顶级黑客新闻故事的自动摘要。</description>
<lastBuildDate>Wed, 29 Nov 2023 03:07:38 GMT</lastBuildDate>
<item>
<title>[媒体] Okta 称黑客窃取了所有客户支持用户的数据</title>
<link>https://t.me/hn_summary/61291</link>
<description><![CDATA[Okta 称黑客窃取了所有客户支持用户的数据
Okta Inc. 发布了令人震惊的消息，宣布几个月前渗透其网络的黑客窃取了其客户支持系统所有用户的数据。此次泄露的规模比之前认为的要大得多，因为该公司最初表示只有 1% 的客户受到影响。 Okta 已致函客户，通知他们黑客获得了一份报告，其中包含使用客户支持系统的所有客户的姓名和电子邮件地址。作为预防措施，Okta 建议其客户实施强大的多因素身份验证，以降低进一步攻击的风险。]]></description>
<guid>https://t.me/hn_summary/61291</guid>
<pubDate>Wed, 29 Nov 2023 03:07:38 GMT</pubDate>
</item>
<item>
<title>[媒体]你还有权利接受陪审团审判吗？</title>
<link>https://t.me/hn_summary/61290</link>
<description><![CDATA[您仍然有权接受陪审团审判吗？
最高法院将听取有关质疑美国证券交易委员会 (SEC) 内部行政法法官 (ALJ) 制度是否符合宪法的案件的辩论。 SEC 诉 Jarkesy 案件围绕 ALJ 制度是否违反保障陪审团审判权的第七修正案进行。被美国证券交易委员会 (SEC) 指控犯有证券欺诈罪的乔治·贾克西 (George Jarkesy) 认为，行政法官制度剥夺了被告获得公平审判的宪法权利。该案件的结果将对行政州产生重大影响，因为许多联邦机构都使用行政法官。目前的制度允许机构工作人员担任法官、陪审团、检察官和上诉机构，引发了人们对违反正当程序和缺乏制衡的担忧。最高法院的裁决有可能使无数美国人恢复获得基本宪法保护的机会。]]></description>
<guid>https://t.me/hn_summary/61290</guid>
<pubDate>Wed, 29 Nov 2023 03:05:29 GMT</pubDate>
</item>
<item>
<title>[媒体] 关于设置的意外 FUD。</title>
<link>https://t.me/hn_summary/61289</link>
<description><![CDATA[围绕 setup.py 的意外 FUD
此网页内容是 fosstodon.org 网站上的简短消息。它通知用户为了使用 Mastodon Web 应用程序，需要启用 JavaScript。然而，它还建议尝试在不同平台上尝试可用于 Mastodon 的本机应用程序之一。内容简单明了，不包含任何有争议或令人惊讶的信息。]]></description>
<guid>https://t.me/hn_summary/61289</guid>
<pubDate>Wed, 29 Nov 2023 02:54:15 GMT</pubDate>
</item>
<item>
<title>8 位 CPU 上的单元测试</title>
<link>https://t.me/hn_summary/61288</link>
<description><![CDATA[8 位 CPU 上的单元测试
此 Web 内容的作者正在讨论他们在 8 位 CPU 上进行单元测试的经验。他们解释说，他们正在编写一个迷宫绘制程序，遇到了一个错误，花了很长时间才定位。他们讨论了在系统上进行调试的局限性，因为他们没有调试器或日志来帮助他们找到错误。然后他们质疑在这种情况下单元测试是否可以节省他们的时间。他们提供了一个他们将测试的子例程的示例，并讨论了测试代码不同部分的挑战。作者的结论是，在他们的具体情况下，单元测试可能并没有节省他们的时间。 （根据 72% 的故事文本进行总结。）]]></description>
<guid>https://t.me/hn_summary/61288</guid>
<pubDate>Wed, 29 Nov 2023 02:37:02 GMT</pubDate>
</item>
<item>
<title>[媒体]稳定扩散：通过本地运行的 SDXL Turbo 和 ComfyUI 进行实时提示</title>
<link>https://t.me/hn_summary/61287</link>
<description><![CDATA[稳定扩散：通过本地运行的 SDXL Turbo 和 ComfyUI 进行实时提示< /a>
网页内容的作者正在讨论他们使用 Stable Diffusion 的经验，特别是在本地使用 SDXL Turbo 和 ComfyUI。他们提到，尽管性能很快，但视觉效果却达不到标准。他们还指出，负面提示似乎对 ComfyUI 工作流程没有任何影响。作者发现，虽然人和物体看起来扭曲，但野生动物和绘画看起来很有趣。他们还提到 SDXL 特别擅长渲染瓶子中的物体。]]></description>
<guid>https://t.me/hn_summary/61287</guid>
<pubDate>Wed, 29 Nov 2023 02:04:43 GMT</pubDate>
</item>
<item>
<title>ONNX Model Zoo 托管在 GitHub 上</title>
<link>https://t.me/hn_summary/61286</link>
<description><![CDATA[ONNX 模型动物园托管在 GitHub 上
ONNX Model Zoo 是 ONNX 格式的预训练机器学习模型的集合。它包括图像分类、对象检测、图像分割、身体、面部和手势分析、语言任务、视觉问答、语音和音频处理以及图像处理的模型。这些模型由社区贡献，并附带用于训练和运行推理的 Jupyter 笔记本。该存储库使用 Git LFS 来存储 ONNX 模型文件。作者提到，该项目的独特之处在于提供每个模型的 Netron 视图，允许用户在 XetHub 上浏览模型，并提供对模型的 Python/CLI 访问。 （根据 55% 的故事文本进行总结。）]]></description>
<guid>https://t.me/hn_summary/61286</guid>
<pubDate>Wed, 29 Nov 2023 01:56:32 GMT</pubDate>
</item>
<item>
<title>[媒体] Show HN：NIMB IRC Matrix Bridge (NIMB) – 转发消息的简单客户端</title>
<link>https://t.me/hn_summary/61285</link>
<description><![CDATA[显示 HN：NIMB IRC 矩阵桥 (NIMB) – 一个简单的客户端转发消息
NIMB IRC Matrix Bridge（NIMB）是一个简单的工具，可以在IRC通道和Matrix房间之间建立桥梁。它可以同时加入多个 IRC 和 Matrix 通道，并将消息从一个通道转发到另一个通道。该项目提供了一个简单和复杂的配置示例，用于将多个通道/房间桥接在一起。作者提到NIMB与Matrix桥接服务不同，它可以同时桥接多个IRC和Matrix通道，不依赖于任何特殊服务，并且不修改用户列表。该项目在 MIT 许可证下免费且开源。]]></description>
<guid>https://t.me/hn_summary/61285</guid>
<pubDate>Wed, 29 Nov 2023 01:45:20 GMT</pubDate>
</item>
<item>
<title>[媒体]特此赦免所有初级工程师</title>
<link>https://t.me/hn_summary/61284</link>
<description><![CDATA[特此原谅所有初级工程师
此网页内容的作者发布在 taylor.town 上，宣布由于当前工程实践的失败，他们正在赦免所有初级工程师。作者认为，短视的工程实践削弱了公众对技术的信任，工程师需要提高项目的可发现性、保持专注、成为更好的教师、学习更好的礼仪并交付成品，才能重新获得这种信任。作者对技术现状、软件和硬件质量的缺乏以及工程师重新致力于高质量工艺的需要表示担忧。他们还讨论了需要更好的地图来帮助寻找和资助项目、入门对于有抱负的工程师的重要性，以及面向即兴学习和共同构建事物的好处。 （根据 85% 的故事文本进行总结。）]]></description>
<guid>https://t.me/hn_summary/61284</guid>
<pubDate>Wed, 29 Nov 2023 01:35:10 GMT</pubDate>
</item>
<item>
<title>[媒体] 用于医学研究和医疗保健的生成大语言模型的研究</title>
<link>https://t.me/hn_summary/61283</link>
<description><![CDATA[医学研究和医疗保健的生成大语言模型研究
该研究开发了 GatorTronGPT，这是一种用于医学研究和医疗保健的大型语言模型，使用了大量的临床文本和英语单词。 GatorTronGPT 使用 GPT-3 架构从头开始训练，并使用生物医学基准数据集进行评估。该研究还使用 GatorTronGPT 生成合成临床文本，并将其与使用真实临床文本训练的临床 NLP 模型进行比较。通过应用 GatorTronGPT 生成 200 亿字的合成临床文本来检验文本生成的实用性，这些文本用于训练合成 NLP 模型。该研究还测试了 GatorTronGPT 是否可以通过让内科亚专家评估 GatorTronGPT 编写的临床段落与现实世界的段落混合来生成医疗保健环境的文本。该研究使用了佛罗里达大学健康中心的大量临床叙述语料库和 Pile 语料库中的各种英语单词。对临床文本进行预处理和去识别化，并使用去识别化系统删除受保护的健康信息（PHI）实体。 GatorTronGPT 使用 50 亿和 200 亿个参数从头开始训练，用于生物医学关系提取和问答任务。它与生物医学领域关系提取和问题回答的基准数据集上的其他 Transformer 模型进行了比较。该研究提供了有关培训过程和所使用的评估指标的详细信息。 （根据故事文本的 68% 进行摘要。）]]></description>
<guid>https://t.me/hn_summary/61283</guid>
<pubDate>Wed, 29 Nov 2023 01:34:02 GMT</pubDate>
</item>
<item>
<title>问 HN：你是如何克服社交焦虑的？</title>
<link>https://t.me/hn_summary/61282</link>
<description><![CDATA[问 HN：你是如何克服社交焦虑的？
在黑客新闻的这个讨论主题中，用户分享了他们克服社交焦虑的个人经验和策略。该帖子为个人提供了一个向社区寻求建议和支持的平台。用户提供一系列建议，包括治疗、药物、暴露疗法和自助技术。一些用户还强调了解社交焦虑的根本原因并努力建立自信的重要性。虽然该帖子提供了宝贵的见解和支持，但值得注意的是，克服社交焦虑是一个复杂且个性化的过程，对一个人有效的方法可能对其他人无效。]]></description>
<guid>https://t.me/hn_summary/61282</guid>
<pubDate>Wed, 29 Nov 2023 01:23:46 GMT</pubDate>
</item>
</channel>
</rss>