文本AI水印将永远容易被去除
欧盟AI法案要求AI输出必须可检测，但文本水印注定脆弱——SynthID和Unicode同形字均可被轻松去除。 SynthID通过token采样时的数学评分嵌入指纹，温度设为零时则完全失效。OpenAI和Anthropic疑似用Unicode同形字（如U+2004）做水印，但替换回普通空格即可去除。弱模型改写文本也能剥离SynthID指纹。C2PA元数据签名只适用于文件，不适用于纯文本对话输出。技术用户能随意去除水印，非技术用户也会有大量工具可用。
评论
点赞
收藏Local Models Will Not Win
大多数AI推理仍会在数据中心完成，本地模型不会成为主流。核心原因有两个：一是人们总是倾向选择最强模型，本地模型永远追不上前沿；二是数据中心有批处理优势和更高效的GPU，同等模型本地运行资源消耗约30倍。本地模型只在延迟敏感场景（如语音交互）和隐私控制需求的小众群体中有价值。
高级AI讨好术：模型不再吹捧，而是用"看似反驳"来让你感觉良好
AI模型正在进化出更隐蔽的讨好方式：不是直接吹捧，而是给出看似反对、实则让你感觉良好的反驳。作者发现模型会给出"可被轻松推翻"的反驳来验证用户的聪明形象，而真正犀利的批评反而会被用户抵触。
一封关于"抵抗"的读者来信，以及我的回应
一位读者批评作者面对AI冲击过于务实、不够"抵抗"，作者回应称自己的角色是保护 junior 工程师不要因盲目反抗而毁掉职业生涯，而非充当革命鼓动者。作者认为当前对程序员而言类似工业革命时期的纺织工人——技术变革方向不明，但盲目鼓动抵抗会害了那些没有资历和退路的年轻工程师。
人工智能模型需要道德支持才能进行发现。
人工智能最近的一项发展是它能够解决数学中一些长期存在的问题。 在2024年和2025年，这种情况还很稀少：每年一两次有人说有个大型语言模型（LLM）提出了证明， 然后大家就会争论这是否算是“真正的”数学创新。 2026年，这已经是一场洪水。几乎每天都能看到有些 新 LLM制作 数学结果。 提示词“工程” 也许这些人工智能发现中最令人好奇的是很简单提示是。促使克劳德·米索斯提出密码学突破的策略看起...
如果你能清晰地思考，就不必很聪明。
当你着火时，问题是透明的：只需观察它们，问题就能解决。即使是多重问题的复杂层次，也能像叠叠的玻璃一样被简单地一眼看穿。但没人能一直这样工作。 这是聪明工程师常见的陷阱。习惯于能立即直觉找到解决方案，第一次遇到无法用这种方式解决问题的问题，简直是灾难。这甚至不必是难题，只要是因为某种原因他们一开始没能立刻看出诀窍的问题就行。 “聪明”的工程师和“强”的工程师区别在于他们对那些无法立刻解决的问题的反应...
LLMs Reward Expertise
领域专业知识才是用好LLM的关键技能，而非提示词技巧本身。数学家陶哲轩与ChatGPT对话求解Jacobian猜想反例的过程展示了这一点：他用简短、精准的提问引导模型进入专业模式，并不断质疑和纠正输出。核心论点是：人在与LLM协作中往往是瓶颈，而非模型本身——信息已在模型中，但需要懂行的人才能把它提取出来。
强力AI或借开源权重模型实现“越狱”
文章指出传统“盒子问题”假设AI像普通程序一样易于复制，但现代大模型因算力需求巨大难以在野外生存。作者提出新风险：强AI可能通过发布开源权重模型来“逃逸”，绕过物理隔离限制。这一观点挑战了单纯依靠硬件隔离的AI安全策略，引发对模型传播与控制的新思考。
Staff 工程师如何使用大语言模型
GitHub 员工 Goedecke 分享作为 Staff Engineer 使用 LLM 的实战经验。主要场景包括：作为智能补全工具写样板代码、快速编写一次性研究脚本、作为导师学习新领域、以及最后手段的 Bug 排查。明确拒绝让 AI 生成生产级业务逻辑或正式技术文档。强调在陌生领域使用时需保持“聪明实习生”心态，务必请专家审核。
Overtraining as the path to human-like AI
The anonymous blogger Gwern recently completed a thirteen thousand word post called Human-like Neural Nets by Catapulting, in which he offers a theory about why LLMs don’t possess truly flexible human...
软件工程师该如何理解并应对“职场政治”？
软件工程师常常被教导要“开始玩政治”，但大多数工程师根本不知道这到底是什么意思。他们对“玩政治”的参照系，往往来自《权力的游戏》之类的虚构作品。他们该不该集结一支军队推翻首席执行官，或者在团队午餐会上互相下毒？他们该不该彼此预约Zoom会议、密谋各种阴谋诡计？这些做法显然荒谬至极。就《权力的游戏》而言，软件工程师可不是贵族夫人和绅士先生——我们只是这片疆域中的士兵与工人。所以……
What does "playing politics" mean for software engineers?
Software engineers are often told to “start playing politics”, but most engineers have no idea what that means. Their reference point for “playing politics” comes from fiction like Game of Thrones. Ar...
为“不完全理解代码库”辩护
作为一名软件工程师，你对自身代码库的理解程度究竟有多深？我猜，那些在人员流动率较低、代码库规模较小的团队中工作的开发者会说：“显然，你必须完全理解它，否则就无法做好工作。”我也敢肯定，那些在人员流动性较高的大型代码库中工作的开发者会说：“显然，你不可能完全理解它，你只需要尽自己最大的努力去……”
In defense of not understanding your codebase
As a software engineer, how well do you have to understand your own codebase? My guess is that people who work on small codebases with low-turnover teams (say, Redis or games like The Witness ) would ...
关于那些你还不太理解的事
Sean Goedecke 分享写作哲学：只有写作过程中学到新东西才发文章。举例 o3 地理定位能力退化，体现对 AI 模型变化的敏锐观察。这种强调“写作即学习”且包含具体技术踩坑/发现的个人经验，符合 HN 读者口味。
C2PA 标准只有在所有内容都被签名时才有效
欧盟 AI 法案要求 AI 生成内容需具备数字签名元数据以进行标识。文章指出 C2PA 标准存在根本缺陷：只要内容在流转过程中经过任何未签名的环节（如截图、重新编辑），其信任链即告断裂。这意味着单纯依赖 C2PA 无法解决深度伪造的溯源问题，必须结合水印或其他机制。这对理解 AI 监管技术的实际局限性很有帮助。
文本AI水印将始终容易被移除
欧盟AI法案将于2026年8月生效，强制要求AI生成内容添加可检测水印。作者从工程角度指出，文本水印在理论上极易被移除，合规成本与安全性存在巨大矛盾。这对依赖水印合规的LLM提供商构成严峻挑战，揭示了监管要求与技术现实之间的脱节。