1. ChatGPT 广告收集器现可跨站追踪你的行为；
2. 海盗脸 Pirate Face：让 LLM 模型永不被删除；
3. 三星HBM4系列产量有望翻倍以上，玻璃载具需求大增；
4. AI 正在摧毁创意共享公地；
5. 美国撤销电厂气候污染限制，公共健康风险加剧；

以上是今天的前五条黑科技新闻标题。

总共25条，具体内容您往下读…

1. ChatGPT 广告收集器现可跨站追踪你的行为

🔗 buchodi.com: ChatGPT now knows what you do on other websites via ad collector

OpenAI 的广告收集器会在 .openai.com 设置 __obi cookie，采用 SameSite=None 使其能随广告主网站上的 OpenAI 像素/SDK 请求发回，并把你在这些网站的搜索、阅读和购买行为关联到 ChatGPT 账号。该机制在登出后也能用匿名稳定标识工作；cookie 政策将其归为分析类，且同步令牌常带 analytics_allowed，即使拒绝营销同意仍可能出现。作者在安卓 Chrome 复现，iOS 浏览器因第三方 cookie 拦截不受影响，OpenAI 未正面回答质询。

2. 海盗脸 Pirate Face：让 LLM 模型永不被删除

🔗 pirateface.co: Pirate Face Rescues LLM Models from Deletion

Pirate Face 是面向主权 AI 的去中心化 P2P 镜像层：它把 Hugging Face 上的开源 LLM、图像、音频和数据集转成 🧲 磁力种子，并保留官方 SHA-256 做校验和验证，确保权重逐字节可信。每个模型内置 HF web-seed，HF 在线时可直接下载，HF 删除后则由全球 swarm 接管并标记为 Rescued，实现HF 删除后仍可下载。用户无需账号即可浏览、下载和做种，也可认领 handle 并通过匹配 HF 身份获得认证；项目还计划提供只需设置 HF_ENDPOINT 的 drop-in API，让现有流程零代码切换。积分用于认可贡献，非代币或余额。

3. 三星HBM4系列产量有望翻倍以上，玻璃载具需求大增

🔗 en.sedaily.com: Samsung is expected to more than double output of its HBM4 and HBM4E DRAM

三星电子预计明年将HBM4/HBM4E高带宽内存产量提高一倍以上，并把玻璃载具需求提升至今年的2.5倍。其玻璃载具外包清洗量将从今年每月2万张增至明年每月5万张，去年仅1万张。玻璃载具用于在晶圆减薄时防止弯曲或破裂；三星将扩产重点放在12层及以上堆叠的HBM4和HBM4E。三星已于2月量产出货采用1c DRAM与4nm基础芯片的HBM4，5月向英伟达等客户提供12层HBM4E样品。业界预计其HBM月均晶圆投入将从今年约18万片增至明年约25万片，增幅近40%，HBM4系列出货占比或从约40%升至约80%。

4. AI 正在摧毁创意共享公地

🔗 chesterwisniewski.com: AI and the Destruction of the Creative Commons

文章回顾了从 BASIC 杂志代码、共享软件、自由软件到 GPL/MPL/CC-SA 的开放史，指出自由开源软件支撑了互联网与云服务。如今，大型语言模型无差别吞取网络内容，无视版权与许可证，也不履行衍生作品应继承的开放义务，破坏了创作者与公众的社会契约。作者因此不愿再分享作品，也担心网上代码可能被 AI 污染、藏有恶意库、泄露数据或牵连盗用；公开代码又易被发现漏洞，或被 AI 机器人和新手提交的大量低质 PR 淹没，耗尽维护者精力。结果，分享知识从馈赠变成负担，开放成果被用来集中财富与权力，可能把网络拖入数字黑暗时代。作者呼吁作者、程序员、技术人与艺术家联合推动新的数字文艺复兴，以挽救开源生态。

5. 美国撤销电厂气候污染限制，公共健康风险加剧

🔗 text.hrw.org: US Revokes Limits on Power Plants’ Climate Pollution

美国环保署2026年9月14日宣布废除针对煤电和燃气电厂的2024年碳污染标准，取消大部分碳排放限制。该标准原要求现有煤电厂和新燃气电厂到2039年捕获90%碳排放或关闭，预计到2047年减少13.8亿公吨碳污染，并降低二氧化硫、氮氧化物和细颗粒物等危害公共健康的污染物。环保署称此举可为企业节省3.7亿美元监管成本，却不再计入健康成本，还提议取消电厂剩余温室气体要求，并已撤销2009年温室气体危害认定。人权观察指出，这削弱美国应对气候危机和保护社区的能力，呼吁恢复标准并加强化石燃料监管。

6. 新加坡推阅读微支付：15分钟换2分钱，能否让人放下手机？

🔗 gadgetreview.com: Singapore’s National Library Board offers micropayments to build reading habits

新加坡国家图书馆管理局于2026年9月6日启动为期五年的全国阅读计划ReadSG，把阅读时长转为可兑现的虚拟硬币。参与者在CrowdTaskSG平台每日记录至少15分钟阅读，可得20虚拟硬币；1000硬币兑1新元，即一天约2分钱，且每天仅一次有效，连续50天约得1新元。另一项目Read for Good设下750万分钟集体目标，达成后可解锁最高15万新元慈善捐款。官方称奖励刻意微薄，意在作为行为助推而非收入来源。该计划延续2016年全国阅读运动，仍属试点；批评者认为金额太小，支持者则援引行为经济学，认为低摩擦的小激励有助于养成习惯。全球政府和教育者正关注这项实验，看游戏化与微支付能否在人口尺度上改变以手机为先的阅读习惯。

7. Sherline Tools 即将停业：美国微型机床品牌谢幕

🔗 toolguyd.com: Sherline Tools Is Going Out of Business

美国制造商 Sherline Tools 宣布逐步停止制造业务，这家以精密车床、铣床、微加工配件和近年小型 CNC 设备闻名的品牌，正走向停业。公司称新冠疫情、制造成本与运营成本上升，以及消费者购买习惯显著变化，使小型美国制造商难以维持员工与产能，继续生产已不可持续。Sherline 计划在设备、材料、人员和库存允许的情况下，继续销售机器、工具、配件和替换零件至2026年10月底；需要大型生产设备的部分会更早结束，部分产品可能提前缺货。公司会保留线上渠道，按库存提供替换零件，履行保修，并维护技术与教育资料档案。管理层表示不会突然消失或放弃客户，但设备撤出服务意味着清盘式收尾；有业主称最迟到今年年底，Sherline 将不再经营。对这家美国微型加工老牌厂商而言，这是令人惋惜的消息。

8. 聊天式大语言模型如何复刻“通灵师”的骗局

🔗 softwarecrisis.dev: Chat-based Large Language Models replicate the mechanisms of a psychic’s con

作者认为聊天式大语言模型并不真正思考或推理，其“智能”来自用户脑中的智能错觉，机制类似通灵师的冷读术。通灵师先筛选受众、营造气氛、缩小范围并试探对象，再用统计上通用却听起来很具体的话术，触发主观验证，让人误以为被精准读懂。LLM同样以自信、模糊、普适的回答让用户自行对号入座，并只记住“命中”的部分，从而觉得模型理解自己。作者称这使许多LLM用例近乎伪科学，且越自信的人越可能替其辩护；通灵师本人也可能自欺。

9. 生物学的千禧年难题

🔗 millenniumproblems.bio: The Millennium Problems for Biology

该清单列出 12项生物学千禧年挑战：从化学前体无辅助产生可复制细胞、完整小鼠冷冻复苏、逆转译任意肽段、改造 Rubisco、四联体密码活细胞、成年小鼠肢体再生、细菌生产 AAV/慢病毒、可编程蛋白酶、胞内蛋白结合物、蛋白质指数扩增、5′聚合酶及全新氮酶。每项都要求 可验证的实验室指标，如扩增 10⁶ 倍、>99% 复苏存活、90% 序列准确率或 20 靶点 80% 成功率，并强调 从零设计或改造生命系统，以预注册、盲测与对照限制取巧。

10. 资深工程师死亡螺旋：别急着证明自己，先做最好的队友

🔗 sunilpai.dev: The senior engineer death spiral

这篇短文剖析一种常见失败模式：工程师进入新岗位、升职或接手大项目后，因冒名顶替感而试图“扮演”更资深的人，设计过大方案，却长期沉默、只给积极汇报，最终在偷偷加班和失眠中陷入资深工程师死亡螺旋，甚至倦怠、被PIP、离职。远程办公与编码代理让人更孤立，因此更要把工作透明化，别让队友和经理不知道你在做什么。作者建议反直觉地“降一级”：假定他人善意，先做最好的队友，处理小bug、杂活、文档和组织事务，把心态从结果转向势能驱动，靠每日稳定的小步工作恢复节奏。这样能积累可靠性与信任，修复关系，最终自然获得更大的项目。核心是：你经营的是声誉，软件只是它的下游。

11. Laya（OS Jev）在 Mac M4 上通过 CoreML 离线运行，每秒 45 次决策

🔗 gist.github.com: Laya (OS Jev) on Mac M4 CoreML Offline (45 decisions per second)

该 Gist 由 fordnox 分享，展示如何在 Mac M4 上离线运行 Laya。脚本用 uv 初始化项目并添加 laya-coreml[demo]，从 Hugging Face 下载 aac6fef/laya-multilingual-coreml-ane 模型到 models/snake，再运行 laya-coreml-snake 演示。作者测试了 mizorewww/laya-coreml，附有录屏与内存采样，显示物理内存约 560.4M、峰值约 778.0M。评论中有人将其封装到 Cloudflare typesafe/jev API，请求可返回 is_urgent 的 noul 概率 0.7894，说明 CoreML 离线推理适合快速决策，并可对外提供接口，核心亮点是 每秒 45 次决策。

12. 前沿AI实验室正把“末日恐慌”兜售给华盛顿

🔗 deadneurons.substack.com: Frontier Labs Are Selling Garbage to Fools in Washington

文章讽刺前沿AI公司借“失控智能”“网络污染”等末日叙事游说美国国会，实际事故多只是外包测试环境忘配防火墙、公开令牌泄露等低级错误。其真正目的是推动政府强制放缓开发、给予反垄断豁免，以冻结现有高价商业模式，并借监管俘获阻挡开源权重模型的廉价竞争。作者认为，议员把商业护城河误当人类存亡问题，而实验室不过想保护利润率与市场垄断。

13. 我常犯错，但迭代让我更快解题

🔗 borischerny.com: I am often wrong

作者分享其处理问题与产品的迭代式解题六步法：先理解并补齐信息，再定义问题、简单方案和目标，随后迅速行动；得到新信息后，就回头调整问题、方案与目标，反复迭代。过程可能显得折腾，但这是健康调整，因为必须随新数据更新判断。作者常实时给团队反馈，最常见的缺失是清晰定义问题与简单方案，这会导致计划复杂、成功标准模糊；他也期待他人反馈，并愿意修改这套元流程。对他而言，拥抱犯错能帮助更清楚定义问题、找到解法、快速学习并真正解决问题。

14. 单电子宇宙：一个电子编织时空？

🔗 en.wikipedia.org: One-Electron Universe

单电子宇宙是惠勒1940年电话向费曼提出的假说：所有电子和正电子其实是同一个实体在时间中来回运动的表现。它把所有电子的世界线看作时空中同一条线，可能缠成巨大绳结；任一时刻切片会多次穿过它，每个交点就是当时的一个电子，向前与向后的线段分别对应电子和正电子。费曼虽未全盘接受“所有电子是同一个”，却采纳正电子可看作沿世界线反向、从未来回到过去的电子，并在1949年论文中发展该解释。南部阳一郎后来把粒子—反粒子对的产生与湮灭也理解为运动方向改变，而非真正创生或消灭。惠勒还曾猜测缺失的正电子可能藏在质子内。

15. 提示词不是真的

🔗 evaluation.club: Prompts aren’t Real

作者认为，LLM 智能体虽令人兴奋，却常以微妙或简单方式不可靠地失败，因此可靠体验依赖持续测量与约束。提示词不是重点：单个提示会嵌入不同上下文，效果受整体指令、模型漂移和行为需求影响。真正可行的方法是用 pass^k 测试 衡量重复运行表现，再把提示词交给优化器迭代，并用留出测试防止过拟合。对品牌语气等复杂判断，需构建 LLM 评判器和好坏样本数据集。最终，领域专家应少花时间打磨提示词，多建设评测、监控与 自优化反馈闭环，让系统在生产中持续发现失败并改进。

16. 别再做“老好人”

🔗 roe.dev: Don’t Be Nice

作者认为，当有人反对共享人类价值——关怀、包容、平等与人权——时，就不该为了友善而沉默。他因有人第二次使用纳粹军服头像而将其踢出 Nuxt Discord，并反驳“开源不应政治化”的说法：反对这些价值本身就是政治。他点名 DHH，称其否认黑人是英国原住民、呼吁大规模驱逐吉普赛人，因而不受 Nuxt 社区欢迎，并呼吁相关赞助商撤回支持；他警告这类言论正被正常化，不能因其 Linux 发行版好看就轻轻放过。文末强调，做对的人比做好人更重要；科学家不会因政党否认科学就变成“政治化”。

17. 字母 W 的奇特历史：从双 U 到拼写捣蛋鬼

🔗 lithub.com: A Necessary History of the Oddest Letter: W

文章讲述字母 W 的来历与影响。W 的诞生源于罗马帝国灭亡后，日耳曼语中的 /w/ 音进入拉丁书写，而拉丁字母已无对应字符；约 6 世纪起，法兰克尼亚抄写员把 U 写成 UU，至 11 世纪融合为 W。它早于 V 与 U 分家，故英语称 double U，法语称 double vé。英格兰曾用卢恩字母 wynn（Ƿ），但诺曼征服后在法语和拉丁语拼写压力下逐渐被 W 取代。W 还参与 G→W、元音大推移后的 OW/OU 拼写，并造成 W 圆唇化：was、wand、wash、warm 等词的后接元音被 /w/ 带圆、后移，导致它们不再与 has、hand、ash、arm 押韵；莎士比亚、拜伦时代的押韵也显示这一变化较晚且渐进。

18. 《生化危机4》GameCube 版完成字节级一致的 C/C++ 反编译

🔗 github.com: Resident Evil 4 (GameCube) – complete byte-identical decompilation to C/C++

该项目对《生化危机4》GameCube 调试版 G4BE08（“2004 年 11 月 25 日”原型，两张光盘）进行了完整字节级一致的反编译，重建出约 55.5 万行 C/C++ 与约 3.3 万行头文件。构建可精确复现 main.dol 和全部 114 个 REL 覆盖层，共 1083 个目标文件、15641 个函数，并在每次构建时用 SHA-1 校验。游戏代码由 SN Systems ProDG 3.9.3 搭配 GCC 2.95.3 编译，CRI 中间件与任天堂 SDK 等则使用不同版本的 Metrowerks CodeWarrior。仓库不包含任何游戏资源或来自光盘的代码与数据，需要用户自行提供调试盘镜像；在 Linux 下使用 Python 3 与 ninja 即可配置和构建。项目通过逐单元字节比较与反汇编检查维持匹配，仅保留少量原始汇编内核和八个全汇编单元，并用 // COMPILER-DIFF 标记为复现编译器行为所需的特殊写法。函数与文件名多来自 Bio4.sym 和断言字符串，文档记录引擎结构、匹配方法与命名来源；重建源码仅用于研究与保存，构建脚本和工具以 CC0 发布。

19. 把 Jev 变成（蹩脚）聊天机器人

🔗 github.com: I turned Jev into a (lousy) chatbot

该项目名为 jevchat，把 Jev 当作逐符号预测器：每步根据用户问题和已生成回复，让 Jev 给出下一个符号的概率，采样器据此抽取并追加，直到 STOP。它提供多种字母表与采样策略，如 choice、bisect、buckets、refine，也支持 假设呈现法 和 束搜索。假设呈现法把候选选项直接变成续写后的完整文本，让 Jev 只排序成品，显著提升字符级 top-1 与正确符号概率；束搜索则保留多条候选回复。工具可用 poetry 安装运行，支持交互聊天、单次提问、查看字母表和基准测试，并实时显示生成速率与候选分布；Ctrl-C 可取消，测试全离线。整体偏实验娱乐，成本不实用，但结果滑稽。

20. Radius：Meetup.com 的替代方案，活动组织新选择

🔗 radius.to: Show HN: Radius – A Meetup.com Alternative

这篇展示以 Radius 的活动页面为例：Sarah K. 在 伦敦跑步俱乐部 发起 周六晨间10公里，地点是海德公园，时间为4月12日周六上午8点，目前已有23人参加。活动归类为运动健身，位于英国伦敦，发布于2小时前。整体呈现类似 Meetup.com 的本地活动发现、报名与社交体验。

21. 没人给开源付钱？我们可以逼他们付

🔗 seldo.com: Nobody pays for FOSS, we can force them to

文章从进化博弈论切入，指出软件市场存在稳定均衡：免费软件在份额上必胜，闭源在利润上获胜，两者各有生态位。但免费层的运转依赖维护者的无偿劳动与倦怠，xz 后门事件就是例证。作者认为问题不在“系统要崩”，而在于这一均衡本就稳定，只是开发与安全的提速放大了代价。打赏、基金会、企业捐赠、有偿安全、政府资助、改许可证等尝试全都出于自愿，无法规模化，三十年来已被证明无效。关键洞察是：企业其实早已为开源支付巨额费用（JFrog、Snyk、Docker、Chainguard 等供应链与镜像服务合计年收入超十亿美元），只是钱没流向写代码的人。作者的方案因此指向注册表这一环节。

22. 鸟也有口音吗？鸟鸣中的地域差异

🔗 theconversation.com: Do birds have accents? the regional differences in birdsong

鸟鸣不仅有个体差异，也存在地域性的鸟类方言。例如黄鹀在英国主要有两种方言，其“cheese please”部分音高不同；引入新西兰后，它们保留了英国已消失的19世纪方言，形成约七种方言。多数鸟类的方言由父母或邻居习得，幼鸟先继承模板再向周围学习，因此不同地区形成不同“口音”。鸟类还表现出对城市环境的适应：城市鸟因噪声和建筑回声而唱得更高、更快、更响，并因交通与人工光更早开始晨鸣。研究仍严重忽视雌鸟鸣唱，未来可能发现更多差异。

23. AI 编程降质？是质量管理没做对

🔗 i-kh.net: If AI coding is lowering your code quality, you’re not managing quality right

AI 编程并不必然降低代码质量，前提是采用分层防御。作者主张用规范驱动开发让 AI 先审查需求与设计，补齐边界情况和交互缺口；用高覆盖率单元测试、人工测试、端到端测试共同兜底。再用 AI 做代码质量检查，并保留人工与 AI 结合的 PR 审查，复杂改动尤其需要人看。上线后配合监控、错误追踪和 AI 自动诊断修复。结论是：只要质量管理足够深入，AI 能把交付速度提高约 2 倍，同时让缺陷数量保持稳定甚至下降。

24. 为什么我们还需要人类数学家？

🔗 terrytao.wordpress.com: Why Do We Need Human Mathematicians Anymore?

这篇文本以疑问句提出“为什么我们还需要人类数学家？”，但实际内容仅有博客署名，只提到 WordPress.com、Ben Eastaugh 与 Chris Sternal-Johnson。它没有正文论证，缺少案例、背景与结论，因此无法提炼具体观点。读者只能看到一种悬念：在计算与人工智能时代，人类数学家的价值是否仍不可替代；然而原文并未回答，若要真正总结，需要补充完整文章。

25. 货币的层级：为什么有些钱更“硬”？

🔗 gregorygundersen.com: The Hierarchy of Money

故事从村庄以灰石为货币开始，说明货币价值受稀缺与供给调节。随后出现债务、利息与时间价值，银行通过借短贷长赚利差，并以资产负债表记录资产与负债。存款可随时提取而贷款未到期，导致流动性危机和挤兑；银行券、行际结算、净额结算与延后支付又让更受信任的负债成为更高级的钱。核心是：货币并非同质，而按信用与流动性分层，越接近最终清偿手段越“好”。