2025-05-17 Hacker News Top Stories #

Ca điều trị chỉnh sửa gen cá nhân hóa đầu tiên trên thế giới đã thành công chữa khỏi cho một trẻ sơ sinh mắc bệnh hiếm gặp, thông qua công nghệ CRISPR-Cas9 và mRNA để sửa chữa khiếm khuyết gen CPS1.
Một công ty hàng không vũ trụ nào đó đã lạm dụng thời gian dùng thử miễn phí 30 ngày của phần mềm Xen Orchestra trong 30 năm, gây ra tranh cãi về đạo đức phần mềm nguồn mở.
Sketch AI hiện thực hóa hệ thống vòng lặp đại diện LLM chỉ với 9 dòng code, hoàn thành hiệu quả các nhiệm vụ phức tạp như hợp nhất code.
Sử dụng phép toán bit và số ma thuật để tối ưu hóa thuật toán phán đoán năm nhuận, chỉ cần ba lệnh nhưng phải hy sinh tính dễ đọc của code.
Ollama ra mắt engine mô hình đa phương thức hỗ trợ xử lý hình ảnh và văn bản, nhưng bị nghi ngờ thiếu đổi mới công nghệ.
NASA đã sửa chữa bộ đẩy của tàu Voyager 1 bằng cách khởi động lại bộ phận làm nóng, kéo dài tuổi thọ của nhiệm vụ thăm dò không gian sâu.
BuyMeACoffee đơn phương cắt đứt kênh thanh toán của những người sáng tạo nội dung Ukraine, gây ra tranh cãi về quản lý vốn.
OpenAI ra mắt đại diện tạo code Codex, có thể gây ảnh hưởng đến thị trường việc làm của các kỹ sư mới vào nghề.
Các nhà phát triển suy ngẫm về việc phụ thuộc quá nhiều vào AI coding dẫn đến chất lượng code giảm sút, kêu gọi quay trở lại khả năng lập trình độc lập.
Nền tảng Sci-Net sử dụng tiền điện tử để khuyến khích chia sẻ bài báo, nhưng các vấn đề về quyền riêng tư và thương mại hóa đã gây ra nghi ngờ.

Baby is healed with first personalized gene-editing treatment #

https://www.nytimes.com/2025/05/15/health/gene-editing-personalized-rare-disorders.html

Bài viết này đưa tin về một bé trai 9 tháng rưỡi tuổi tên là KJ Muldoon, người đã trở thành bệnh nhân đầu tiên trong lịch sử y học được điều trị bằng liệu pháp chỉnh sửa gen cá nhân hóa do mắc một bệnh di truyền hiếm gặp - thiếu hụt CPS1. Bệnh này chỉ xảy ra ở 1 trên 1,3 triệu trẻ sơ sinh, thường dẫn đến chậm phát triển trí tuệ và thể chất nghiêm trọng, cuối cùng cần phải ghép gan, và một nửa số bệnh nhân sẽ chết trong vòng một tuần sau khi sinh.

Sau khi KJ chào đời, các bác sĩ ban đầu nghi ngờ cậu bé có thể bị viêm màng não hoặc nhiễm trùng huyết, cho đến một tuần sau khi tình trạng bệnh của cậu bé được xác nhận. Mặc dù các bác sĩ đã cho vợ chồng Muldoon lựa chọn điều trị giảm nhẹ, nhưng họ đã quyết định cho KJ một cơ hội, thử một phương pháp điều trị tích cực hơn.

Cuối cùng, KJ đã được điều trị chỉnh sửa gen tùy chỉnh nhắm vào đột biến cụ thể của cậu bé. Theo mô tả của các bác sĩ, phương pháp điều trị này có tiềm năng thay đổi tình trạng bệnh của cậu bé, và tình trạng phát triển của KJ đang dần tốt lên, cho thấy phương pháp điều trị có hiệu quả. Lần điều trị này không chỉ mang lại hy vọng cho KJ mà còn mở ra những con đường điều trị mới cho những bệnh nhân mắc các bệnh di truyền hiếm gặp tương tự.

Việc ứng dụng thành công công nghệ chỉnh sửa gen cá nhân hóa này đánh dấu một bước tiến quan trọng trong lĩnh vực y học trong việc điều trị các bệnh di truyền hiếm gặp, có thể giúp đỡ hàng ngàn bệnh nhân.

HN | Nóng: 1139 điểm | 476 bình luận | Tác giả: jbredeche | 1 ngày trước #

https://news.ycombinator.com/item?id=43997636

Công nghệ chỉnh sửa gen có tiềm năng chữa khỏi các bệnh di truyền, nhưng vẫn còn những vấn đề về an toàn và hiệu quả
Sử dụng hạt nano lipid để vận chuyển mRNA có thể dẫn đến độc tính gan
Sử dụng pseudouridine (Ψ) thay vì uridine (U) có thể làm giảm phản ứng miễn dịch của cơ thể
Sự phát triển của công nghệ chỉnh sửa gen đạt được thông qua những khám phá và cải tiến không ngừng
Công nghệ mRNA không phải là chỉnh sửa gen, mà được sử dụng để tạo ra các enzyme thực hiện chỉnh sửa gen
Sử dụng công nghệ CRISPR-Cas9 có thể thực hiện chỉnh sửa gen, nhưng tính an toàn và hiệu quả của nó vẫn cần được nghiên cứu thêm
Ứng dụng của công nghệ chỉnh sửa gen có triển vọng rộng lớn, nhưng cũng có những rủi ro và thách thức tiềm ẩn
Các nhà khoa học và nhà nghiên cứu cần tiếp tục khám phá và cải tiến công nghệ chỉnh sửa gen để đạt được ứng dụng lâm sàng của nó

Ground control to Major Trial #

https://virtualize.sh/blog/ground-control-to-major-trial/

Bài viết này kể về một câu chuyện liên quan đến phần mềm mã nguồn mở. Công ty của tác giả, Vates, đã phát triển một phần mềm máy ảo có tên Xen Orchestra Appliance (XOA), phần mềm này có thời gian dùng thử miễn phí 30 ngày. Tuy nhiên, một công ty hàng không vũ trụ với doanh thu hàng năm 1,3 triệu đô la đã liên tục lạm dụng thời gian dùng thử này, đăng ký hơn 60 tài khoản trong nhiều năm, mỗi tài khoản sử dụng một địa chỉ email khác nhau để nhận thời gian dùng thử mới.

Mặc dù công ty này sở hữu cơ sở hạ tầng CNTT lớn và các hệ thống phức tạp, nhưng họ từ chối trả tiền cho phần mềm. Họ thậm chí còn không dừng hành vi này sau khi bị phát hiện lạm dụng thời gian dùng thử, mà tiếp tục sử dụng các địa chỉ email mới để đăng ký thời gian dùng thử mới. Tác giả cho rằng hành vi này vi phạm giao ước đạo đức của phần mềm mã nguồn mở, lãng phí thời gian và nguồn lực của nhà phát triển.

Tác giả chỉ ra rằng hành vi của công ty này không chỉ là để tiết kiệm tiền, mà còn cho thấy sự thiếu tôn trọng và không hiểu biết của họ đối với phần mềm mã nguồn mở. Họ có thể tự biên dịch và sử dụng phần mềm, nhưng lại chọn lạm dụng thời gian dùng thử. Tác giả cho rằng hành vi này sẽ có tác động tiêu cực đến tính bền vững của phần mềm mã nguồn mở, vì các nhà phát triển cần phải bán hỗ trợ và dịch vụ để duy trì cuộc sống.

Cuối cùng, tác giả cho biết sẽ đưa ra các hạn chế thông minh hơn để ngăn chặn hành vi lạm dụng thời gian dùng thử này, nhằm đảm bảo thời gian và nguồn lực của nhà phát triển được sử dụng hiệu quả. Đồng thời, cũng kêu gọi công ty này thay đổi hành vi của mình, tôn trọng giao ước đạo đức của phần mềm mã nguồn mở.

HN | Nóng: 455 điểm | 176 bình luận | Tác giả: plam503711 | 10 giờ trước #

Nên thực hiện hành động pháp lý, gửi thư luật sư cho công ty, yêu cầu họ ngừng sử dụng phần mềm hoặc trả phí sử dụng.
Hành vi của công ty là hành vi trộm cắp rõ ràng, nên bị trừng phạt và bồi thường.
Lên án công khai hành vi của công ty có thể có tác dụng cảnh báo, ngăn chặn các công ty khác làm theo.
Nên liên hệ trực tiếp với CEO của công ty, kể cho họ toàn bộ câu chuyện, có thể CEO không biết về việc này.
Công ty có thể thỏa hiệp vì sợ tổn hại danh tiếng, trả phí sử dụng.
Không hành động sẽ khiến các nhà cung cấp phần mềm nguồn mở khác khó kiếm tiền hơn, vì sẽ hình thành tiền lệ rằng không tuân thủ quy tắc sẽ không bị trừng phạt.
Đe dọa thực hiện hành động pháp lý có thể có tác dụng răn đe, ngăn công ty tiếp tục vi phạm sử dụng phần mềm.
Nên bình tĩnh thông báo tình hình cho công ty trước, sau đó mới thực hiện hành động pháp lý.
Đe dọa công khai thực hiện hành động pháp lý có thể làm tổn hại danh tiếng của nhà cung cấp, nhưng cũng có thể có tác dụng cảnh báo.
Công ty có thể vi phạm sử dụng phần mềm do thao tác sai của nhân viên nội bộ, nên cho họ cơ hội sửa chữa sai lầm.

The unreasonable effectiveness of an LLM agent loop with tool use #

https://sketch.dev/blog/agent-loop

Bài viết này giới thiệu một trợ lý lập trình AI có tên là Sketch, sử dụng một vòng lặp tác nhân LLM (mô hình ngôn ngữ lớn) đơn giản để thực hiện việc sử dụng công cụ. Vòng lặp này bao gồm 9 dòng mã, ý tưởng cốt lõi là chuyển đầu vào của người dùng cho LLM, LLM xuất ra kết quả và lệnh gọi công cụ, sau đó xử lý lệnh gọi công cụ hoặc nhận đầu vào mới từ người dùng.

Tác giả cho biết, mặc dù vòng lặp này rất đơn giản, nhưng nó có thể giải quyết rất nhiều vấn đề, thậm chí có thể giải quyết một số vấn đề phức tạp chỉ trong một lần thử. Ví dụ: tác giả có thể yêu cầu Sketch thực hiện một số thao tác Git mà không cần phải tìm kiếm và sao chép lệnh thủ công. Sketch cũng có thể xử lý các tác vụ như hợp nhất Git, lỗi kiểm tra kiểu, v.v.

Tác giả cũng chỉ ra rằng vòng lặp tác nhân LLM có thể sử dụng nhiều công cụ để cải thiện hiệu suất và tốc độ của nó. Ví dụ: Sketch không chỉ có thể sử dụng bash mà còn có thể sử dụng các công cụ khác để chỉnh sửa văn bản, thực hiện tìm kiếm, v.v. Tác giả tin rằng vòng lặp tác nhân LLM sẽ được ứng dụng rộng rãi trong các tác vụ tự động hóa hàng ngày trong tương lai, đặc biệt là những tác vụ mà theo truyền thống quá cụ thể hoặc quá không ổn định để tự động hóa.

Cuối cùng, tác giả đề cập rằng vòng lặp tác nhân LLM có thể được tùy chỉnh và mở rộng để phù hợp với các nhu cầu và tình huống khác nhau. Ví dụ: tác giả có thể sử dụng Sketch để thực hiện các tác vụ cụ thể hoặc tạo vòng lặp tác nhân LLM của riêng mình để giải quyết các vấn đề cụ thể. Nói chung, bài viết này giới thiệu các khái niệm và ứng dụng cơ bản của Sketch và vòng lặp tác nhân LLM, đồng thời thể hiện khả năng tiềm tàng và hướng phát triển trong tương lai của chúng.

HN | Nóng: 415 điểm | 292 bình luận | Tác giả: crawshaw | 1 ngày trước #

https://news.ycombinator.com/item?id=43998472

Phương pháp các mô hình ngôn ngữ lớn (LLM) gọi công cụ trong một vòng lặp có “hiệu quả phi lý”, có thể hoàn thành nhiều loại nhiệm vụ, nhưng đôi khi có vấn đề và cần sự can thiệp của con người.
LLM có thể duy trì hiệu quả trong nhiều lần lặp, nhưng cuối cùng cần sự xem xét và kiểm soát của con người.
Một số người hoài nghi về khả năng của LLM, cho rằng chúng không hiệu quả đến vậy.
LLM có thể hoàn thành nhiệm vụ thông qua các vòng lặp đơn giản và gọi công cụ, nhưng cần nhiều công sức hơn để làm cho chúng đáng tin cậy và hiệu quả.
Một số người tin rằng LLM có thể chạy nhiều lần lặp mà không cần sự can thiệp của con người, nhưng cũng cần sự xem xét và kiểm soát của con người.
Tính hiệu quả của LLM phụ thuộc vào khả năng của chính nó và việc tinh chỉnh các lệnh gọi công cụ.
Một số người tin rằng LLM có thể cải thiện hiệu suất và độ tin cậy của nó bằng cách thêm phản ánh và tự nhận thức.
LLM có thể cải thiện độ tin cậy và hiệu quả của chúng thông qua tự đánh giá và can thiệp của con người.
Một số người tin rằng LLM có thể được sử dụng để tự động hóa phát triển và mã hóa, nhưng cần nhiều công sức hơn để làm cho chúng đáng tin cậy và hiệu quả.

A leap year check in three instructions #

https://hueffner.de/falk/blog/a-leap-year-check-in-three-instructions.html

Bài viết này thảo luận về cách tối ưu hóa mã để xác định năm nhuận. Phương pháp xác định năm nhuận truyền thống cần kiểm tra xem năm đó có chia hết cho 4 hay không, nhưng không chia hết cho 100, trừ khi nó cũng chia hết cho 400. Mặc dù phương pháp này đơn giản, nhưng có thể không phải là hiệu quả nhất.

Để tối ưu hóa quy trình này, tác giả trước tiên đã thực hiện một số tối ưu hóa đơn giản cho phương pháp truyền thống. Ví dụ, có thể thay thế (y % 100) != 0 bằng (y % 25) != 0, vì nếu năm là bội số của 4, thì nó cũng phải là bội số của 25. Tương tự, có thể thay thế (y % 400) == 0 bằng (y % 16) == 0, vì nếu năm là bội số của 25, thì nó cũng phải là bội số của 16.

Sau những tối ưu hóa này, tác giả đã có được một hàm xác định năm nhuận nhanh hơn is_leap_year1. Tuy nhiên, tác giả không dừng lại ở đó mà tiếp tục tìm kiếm các giải pháp tốt hơn. Tác giả đã sử dụng các phép toán bit và số ma thuật để triển khai một hàm xác định năm nhuận nhanh hơn is_leap_year_fast. Hàm này sử dụng ba lệnh CPU để xác định năm nhuận, nhanh hơn nhiều so với phương pháp truyền thống.

Để giải thích nguyên lý hoạt động của is_leap_year_fast, tác giả trước tiên biểu diễn số ma thuật ở dạng nhị phân và chỉ ra bốn phạm vi bit liên quan. Sau đó, tác giả giải thích quá trình nhân và phép toán bit, cũng như cách sử dụng các phạm vi bit này để xác định năm nhuận. Tác giả cũng viết lại is_leap_year_fast thành is_leap_year_fast2 để hiểu rõ hơn về nguyên lý hoạt động của nó.

Cuối cùng, tác giả tóm tắt nguyên lý hoạt động của is_leap_year_fast và chỉ ra sự tương đương của nó với phương pháp truyền thống. Tác giả cũng thảo luận về ưu điểm và nhược điểm của việc sử dụng phép toán bit và số ma thuật, đồng thời chỉ ra rằng phương pháp này tuy nhanh hơn nhưng có thể không dễ hiểu bằng phương pháp truyền thống. Nhìn chung, bài viết này cung cấp một ví dụ thú vị, trình bày cách sử dụng phép toán bit và số ma thuật để tối ưu hóa mã, đồng thời cung cấp sự hiểu biết sâu sắc về các kỹ thuật này.

HN | Nóng: 408 điểm | 150 bình luận | Tác giả: gnabgib | 1 ngày trước #

https://news.ycombinator.com/item?id=43999748

Các trình biên dịch hiện đại có thể tối ưu hóa mã, giảm sự cần thiết phải tối ưu hóa thủ công
Mã xác định năm nhuận cần xem xét đến sự chuyển đổi giữa lịch Gregory và lịch Julian
Các quốc gia và khu vực khác nhau áp dụng lịch Gregory vào các năm khác nhau, cần xem xét điều này
Một số phương pháp tối ưu hóa sử dụng các con số kỳ diệu, khiến mã khó hiểu
Một số phương pháp tối ưu hóa có thể được thực hiện thông qua các phép toán bit, cải thiện hiệu quả
Trình biên dịch có thể tự động đơn giản hóa một số thao tác so sánh, giảm độ phức tạp của mã
Các phép toán bit và phương pháp tối ưu hóa có thể cải thiện hiệu suất mã trong các tình huống cụ thể
Sự chuyển đổi giữa lịch Gregory và lịch Julian là một vấn đề phức tạp, cần xem xét cẩn thận
Một số ngôn ngữ lập trình và thư viện cung cấp các hàm và phương pháp tối ưu hóa, có thể cải thiện hiệu quả mã

Ollama’s new engine for multimodal models #

https://ollama.com/blog/multimodal-models

Ollama đã ra mắt công cụ mô hình đa phương thức mới, hỗ trợ nhiều mô hình đa phương thức, bao gồm Meta Llama 4, Google Gemma 3, Qwen 2.5 VL và Mistral Small 3.1, v.v. Các mô hình này có thể xử lý nhiều loại đầu vào, bao gồm văn bản, hình ảnh và video, đồng thời có thể hiểu và phân tích các đầu vào này.

Công cụ mới của Ollama hỗ trợ nhiều mô hình đa phương thức, giúp các mô hình này dễ dàng được tích hợp và sử dụng hơn. Ví dụ: mô hình Llama 4 Scout có thể xử lý đầu vào hình ảnh và văn bản, đồng thời có thể phân tích và hiểu hình ảnh. Người dùng có thể nhập hình ảnh và văn bản, đồng thời hỏi mô hình về nội dung của hình ảnh, mô hình có thể đưa ra câu trả lời chi tiết.

Mô hình Gemma 3 có thể xử lý nhiều đầu vào hình ảnh và có thể phân tích mối quan hệ giữa các hình ảnh này. Người dùng có thể nhập nhiều hình ảnh, đồng thời hỏi mô hình về mối quan hệ giữa các hình ảnh này, mô hình có thể đưa ra câu trả lời chi tiết. Mô hình Qwen 2.5 VL có thể xử lý đầu vào văn bản và hình ảnh, đồng thời có thể phân tích và hiểu hình ảnh.

Công cụ mới của Ollama cũng hỗ trợ nhiều chức năng khác, bao gồm quét tài liệu và nhận dạng hình ảnh. Người dùng có thể nhập tài liệu hoặc hình ảnh, đồng thời hỏi mô hình về nội dung của các tài liệu hoặc hình ảnh này, mô hình có thể đưa ra câu trả lời chi tiết.

Công cụ mới của Ollama được phát triển dựa trên thư viện tensor GGML, nhằm mục đích nâng cao độ tin cậy và tính chính xác của mô hình. Công cụ hỗ trợ nhiều mô-đun mô hình, giúp mô hình dễ dàng được tích hợp và sử dụng hơn. Công cụ cũng hỗ trợ nhiều kỹ thuật tối ưu hóa, bao gồm bộ nhớ đệm và quản lý bộ nhớ, nhằm mục đích nâng cao hiệu suất và hiệu quả của mô hình.

Nói chung, công cụ mới của Ollama là một tiến bộ quan trọng của mô hình đa phương thức, hỗ trợ nhiều mô hình và chức năng đa phương thức, nhằm mục đích nâng cao độ tin cậy và tính chính xác của mô hình. Thiết kế mô-đun và các kỹ thuật tối ưu hóa của công cụ giúp mô hình dễ dàng được tích hợp và sử dụng hơn, đồng thời nâng cao hiệu suất và hiệu quả của mô hình.

HN | Nóng: 334 điểm | 74 bình luận | Tác giả: LorenDB | 20 giờ trước #

https://news.ycombinator.com/item?id=44001087

Hỗ trợ mô hình đa phương thức của engine mới trong Ollama không phải là điều gì mới mẻ, llama.cpp trước đây đã có chức năng tương ứng.
Hỗ trợ đa phương thức của Ollama có thể dựa trên việc triển khai của llama.cpp, nhưng không có bất kỳ cải tiến hoặc đóng góp ý nghĩa nào.
Việc triển khai của Ollama có thể trực tiếp sử dụng thư viện ggml, thay vì mã của llama.cpp.
Có người nghi ngờ mức độ đóng góp của Ollama, cho rằng họ không có bất kỳ đóng góp ý nghĩa nào cho llama.cpp.
Hỗ trợ đa phương thức của Ollama có thể được thực hiện bằng cách trực tiếp sử dụng thư viện ggml, thay vì thông qua mã của llama.cpp.
Có người cho rằng hành vi của Ollama không đủ thẳng thắn, nên thừa nhận việc triển khai của họ dựa trên llama.cpp.

NASA keeps ancient Voyager 1 spacecraft alive with Hail Mary thruster fix #

https://www.theregister.com/2025/05/15/voyager_1_survives_with_thruster_fix/

Cơ quan Hàng không và Vũ trụ Quốc gia Hoa Kỳ (NASA) đã sửa chữa thành công một hệ thống quan trọng trên tàu vũ trụ Voyager 1, hệ thống mà người ta cho rằng đã không còn hoạt động trong hơn 20 năm. Voyager 1 được phóng vào năm 1977, đã hoạt động hơn 47 năm, vượt xa kế hoạch nhiệm vụ ban đầu. Các động cơ đẩy quay chính của tàu vũ trụ đã ngừng hoạt động do bộ phận làm nóng bên trong bị mất điện, nhưng các kỹ sư của NASA đã tìm ra một giải pháp khả thi.

Bằng cách khôi phục nguồn điện cho bộ phận làm nóng và cho phép tàu vũ trụ lệch khỏi ngôi sao dẫn đường của nó, các kỹ sư đã kích hoạt lại thành công các động cơ đẩy. Việc sửa chữa này rất quan trọng để duy trì sự ổn định của tàu vũ trụ và liên lạc với Trái đất, vì các động cơ đẩy dự phòng của nó đang đối mặt với nguy cơ hỏng hóc do cặn bẩn trong đường dẫn nhiên liệu. Nếu động cơ đẩy bị hỏng, tàu vũ trụ sẽ mất khả năng duy trì hướng và cuối cùng mất liên lạc với Trái đất.

Việc sửa chữa này là một phép màu cứu vãn khác của các kỹ sư NASA, vì Voyager 1 đã phải đối mặt với nhiều thách thức, bao gồm việc trả về dữ liệu vô dụng và tắt các thiết bị khoa học. Mặc dù vậy, tàu vũ trụ vẫn tiếp tục hoạt động và duy trì liên lạc với Trái đất. Tuy nhiên, Voyager 1 và tàu vũ trụ chị em của nó, Voyager 2, cuối cùng sẽ ngừng hoạt động do cạn kiệt năng lượng, đóng lại cửa sổ xa xôi nhất của chúng ta vào vũ trụ.

Sự thành công của việc sửa chữa là rất quan trọng để duy trì hoạt động của Voyager 1 và tiếp tục khám phá vũ trụ. Tàu vũ trụ đã bay hơn 15,6 tỷ dặm, vượt xa bất kỳ vật thể nhân tạo nào khác và vẫn đang gửi lại dữ liệu có giá trị về vũ trụ. Các kỹ sư của NASA sẽ tiếp tục nỗ lực duy trì hoạt động của tàu vũ trụ, mặc dù phải đối mặt với nhiều thách thức, bao gồm cắt giảm ngân sách và các lỗi kỹ thuật.

HN | Nóng: 331 điểm | 81 bình luận | Tác giả: nullhole | 22 giờ trước #

https://news.ycombinator.com/item?id=44000700

Quá trình sửa chữa tàu vũ trụ cổ xưa mang lại cảm giác thành tựu và đầy thử thách
Trong quá trình bảo trì và sửa chữa tàu vũ trụ, có rất nhiều rủi ro và sự không chắc chắn
Các kỹ sư và nhà khoa học của NASA đã thực hiện công việc đáng kinh ngạc trong việc bảo trì và sửa chữa tàu vũ trụ
Trong quá trình hỏng hóc và sửa chữa tàu vũ trụ, có rất nhiều vấn đề khoa học và kỹ thuật thú vị
Công việc của NASA không chỉ là nghiên cứu khoa học, mà còn là thành tựu vĩ đại và nguồn cảm hứng của nhân loại
Trong quá trình bảo trì và sửa chữa tàu vũ trụ, cần phải rất kiên nhẫn và tỉ mỉ, vì có độ trễ thời gian lớn và vấn đề giao tiếp băng thông thấp
Các kỹ sư và nhà khoa học của NASA phải đối mặt với nhiều thách thức và khó khăn trong công việc, nhưng họ vẫn duy trì sự nhiệt tình và cống hiến cao độ
Trong quá trình sửa chữa và bảo trì tàu vũ trụ, có rất nhiều kinh nghiệm và bài học có giá trị, có thể áp dụng cho các lĩnh vực và ngành khác
Công việc của NASA có ý nghĩa và tác động rất quan trọng đối với nghiên cứu khoa học và tiến bộ công nghệ của nhân loại
Trong quá trình bảo trì và sửa chữa tàu vũ trụ, cần có sự hợp tác và giao tiếp nhóm rất tốt, vì có rất nhiều vấn đề và thách thức kỹ thuật phức tạp

BuyMeACoffee silently dropped support for many countries (2024) #

https://zverok.space/blog/2024-08-08-bmac-snafu.html

Gần đây, nhiều nhà sáng tạo người Ukraina đã gặp phải vấn đề khi sử dụng nền tảng BuyMeACoffee, không thể rút tiền từ nền tảng này. Ban đầu, đội ngũ hỗ trợ của nền tảng đã trả lời rằng “Chúng tôi rất tiếc, nhưng chúng tôi không quan tâm”, và viện dẫn lý do “tuân thủ” và “cập nhật chính sách”. Sau đó, người ta phát hiện ra rằng nền tảng BuyMeACoffee đã ngừng hỗ trợ phương thức thanh toán Payoneer, chỉ giữ lại phương thức thanh toán Stripe, trong khi Stripe không khả dụng ở Ukraina.

Trang hỗ trợ của nền tảng BuyMeACoffee hiện chỉ đề cập đến việc hỗ trợ thanh toán cho người sáng tạo thông qua Stripe. Tuy nhiên, theo kho lưu trữ internet, vào tháng Hai, nền tảng này vẫn hỗ trợ phương thức thanh toán Payoneer. Trong ảnh chụp nhanh tháng Năm, chỉ còn lại các liên kết liên quan đến Stripe. Do đó, sự thay đổi trong tài liệu của nền tảng đã xảy ra trong khoảng thời gian từ tháng Hai đến tháng Năm.

Điều đáng chú ý là nền tảng đã ngừng hỗ trợ Payoneer mà không có bất kỳ thông báo nào, không cho người sáng tạo bất kỳ lựa chọn hoặc giải thích rõ ràng nào. Phản hồi của nhóm hỗ trợ cũng rất mơ hồ, thậm chí một số người sáng tạo còn báo cáo rằng gần đây họ vẫn có thể nhận tiền qua Payoneer.

Sự thay đổi này gây bất lợi rất lớn cho những người sáng tạo Ukraina, vì họ không còn có thể rút tiền từ nền tảng này. Nhiều người sáng tạo phụ thuộc vào nền tảng này như một nguồn thu nhập, bao gồm một ca sĩ, nhà văn, học giả văn hóa, v.v. Họ không thể nhận được tiền, và nền tảng cũng không đưa ra bất kỳ giải pháp nào.

Hành vi của nền tảng BuyMeACoffee đã gây ra nhiều nghi ngờ, đặc biệt là việc họ ngừng hỗ trợ Payoneer mà không có bất kỳ thông báo hoặc giải thích nào. Hành vi này khiến người ta nghi ngờ liệu nền tảng này có đáng tin cậy hay không, liệu có thể xử lý tiền của người sáng tạo một cách thích hợp hay không. Đội ngũ hỗ trợ của nền tảng cũng không đưa ra bất kỳ phản hồi thỏa đáng nào, mà thay vào đó cố gắng giảm nhẹ mức độ nghiêm trọng của vấn đề.

HN | Nóng: 321 điểm | 273 bình luận | Tác giả: beeburrt | 16 giờ trước #

https://news.ycombinator.com/item?id=44002333

Các hệ thống tài chính và thanh toán đã phát triển thành các công cụ chủ yếu được sử dụng để giám sát thực thi pháp luật, dẫn đến các vấn đề như tài khoản nhỏ bị hủy dịch vụ ngân hàng và người bán dâm gặp khó khăn trong việc mở tài khoản ngân hàng.
Ngân hàng đã trở thành sự mở rộng của lực lượng thực thi pháp luật, thuế, chống khủng bố và cảnh sát đạo đức, tuy nhiên bản thân chúng lại thường xuyên vi phạm luật pháp và đạo đức.
Ngân hàng làm chưa tốt trong việc quản lý vốn, tập trung nhiều hơn vào việc báo cáo hoạt động của khách hàng cho cơ quan thực thi pháp luật hơn là tạo ra của cải.
Hoạt động kinh doanh chính của ngân hàng là sử dụng vốn của cổ đông để cho vay, thay vì gộp tiền của khách hàng để đầu tư.
Ngân hàng thực sự đầu tư tiền gửi của khách hàng, nhưng những khoản đầu tư này thường là trái phiếu chính phủ rủi ro thấp và trái phiếu doanh nghiệp được xếp hạng cao.
Ngân hàng sử dụng tiền gửi của khách hàng để mua tài sản, nhưng điều này không có nghĩa là họ đang “gộp” tiền của khách hàng, vì giá trị của tiền liên tục thay đổi.

A Research Preview of Codex #

https://openai.com/index/introducing-codex/

OpenAI đã ra mắt một tác nhân kỹ thuật phần mềm dựa trên đám mây có tên là Codex có thể xử lý nhiều tác vụ song song. Codex có thể thực hiện các tác vụ như viết tính năng, trả lời các câu hỏi về cơ sở mã, sửa lỗi và tạo yêu cầu kéo, mỗi tác vụ đều chạy trong môi trường hộp cát đám mây riêng được cài đặt sẵn với cơ sở mã của người dùng.

Codex được hỗ trợ bởi codex-1, một phiên bản của OpenAI o3 được tối ưu hóa cho kỹ thuật phần mềm. Codex-1 được đào tạo trên các tác vụ mã hóa thực tế trong nhiều môi trường khác nhau thông qua học tăng cường và mã được tạo ra gần giống với phong cách mã hóa của con người và sở thích PR, tuân thủ nghiêm ngặt các hướng dẫn và có thể chạy thử nghiệm lặp đi lặp lại cho đến khi đạt được kết quả đạt yêu cầu.

Codex có thể truy cập thông qua thanh bên của ChatGPT và người dùng có thể chỉ định các tác vụ mới bằng cách nhập lời nhắc và nhấp vào nút “Code”. Người dùng cũng có thể hỏi Codex các câu hỏi về cơ sở mã bằng cách nhấp vào nút “Ask”. Mỗi tác vụ được xử lý trong một môi trường độc lập, tách biệt và Codex có thể đọc và chỉnh sửa tệp, chạy các lệnh bao gồm các khung kiểm tra, trình kiểm tra lỗi và trình kiểm tra kiểu. Việc hoàn thành tác vụ thường mất từ 1 đến 30 phút, tùy thuộc vào độ phức tạp và người dùng có thể theo dõi tiến trình của Codex theo thời gian thực.

Khi Codex hoàn thành một tác vụ, nó sẽ cam kết các thay đổi trong môi trường của riêng nó. Codex cung cấp bằng chứng có thể xác minh về các hành động của mình bằng cách tham chiếu đến nhật ký thiết bị đầu cuối và đầu ra thử nghiệm, cho phép người dùng theo dõi mọi bước thực hiện trong quá trình hoàn thành tác vụ. Người dùng có thể xem lại kết quả, yêu cầu sửa đổi thêm, mở yêu cầu kéo GitHub hoặc tích hợp các thay đổi trực tiếp vào môi trường cục bộ của họ.

Codex có thể được hướng dẫn thông qua các tệp AGENTS.md trong cơ sở mã của bạn, tương tự như README.md, nơi người dùng có thể cho Codex biết cách điều hướng cơ sở mã, lệnh nào để chạy thử nghiệm và cách tuân theo các thông lệ chuẩn của dự án. Giống như các nhà phát triển con người, các tác nhân Codex hoạt động tốt nhất khi được cung cấp một môi trường phát triển được cấu hình, thiết lập thử nghiệm vững chắc và tài liệu rõ ràng.

Trong các đánh giá mã hóa và chuẩn mực nội bộ, codex-1 hoạt động tốt, ngay cả khi không có tệp AGENTS.md hoặc khung tùy chỉnh. Việc phát hành Codex là một nỗ lực cải tiến khác của OpenAI trong lĩnh vực kỹ thuật phần mềm nhằm cải thiện năng suất và hiệu quả của nhà phát triển.

HN | Nóng: 318 điểm | 236 bình luận | Tác giả: meetpateltech | 7 giờ trước #

https://news.ycombinator.com/item?id=44006345

Sự xuất hiện của Codex có thể dẫn đến việc các công ty không còn tuyển dụng kỹ sư mới vào nghề, do đó dẫn đến việc thiếu hụt kỹ sư cao cấp trong tương lai.
Trong môi trường làm việc hiện tại, kỹ sư mới vào nghề rất khó tìm được việc làm, nhiều công ty chỉ tuyển dụng kỹ sư cao cấp.
Một số kỹ sư cho rằng, hướng dẫn kỹ sư mới vào nghề là một phần có ý nghĩa trong công việc, nhưng cơ hội này hiện nay rất ít.
Có người cho rằng, đào tạo nghề và học việc có thể cung cấp cơ hội tốt hơn để mọi người bắt đầu làm việc và học tập ở độ tuổi sớm hơn.
Cũng có người cho rằng, giáo dục đại học cung cấp kiến thức khoa học máy tính chuyên sâu hơn, trong khi học việc cung cấp các kỹ năng thực tế hơn.
Ngành công nghiệp phần mềm năng động đòi hỏi kỹ sư phải có kiến thức nền tảng vững chắc để thích ứng với các công cụ và công nghệ không ngừng thay đổi.
Một số người cho rằng, các công ty nên bắt đầu lại việc tuyển dụng và đào tạo kỹ sư mới vào nghề để đảm bảo có đủ kỹ sư cao cấp trong tương lai.

After months of coding with LLMs, I’m going back to using my brain #

https://albertofortin.com/writing/coding-with-ai

Tác giả là một kỹ sư phần mềm, người đã sử dụng các mô hình ngôn ngữ lớn (LLM) để viết code trong vài tháng gần đây. Ban đầu, anh ấy rất hào hứng sử dụng LLM để xây dựng cơ sở hạ tầng mới, nhưng theo thời gian, anh ấy bắt đầu cảm thấy thất vọng. Mặc dù LLM có thể tạo code một cách nhanh chóng, nhưng chất lượng và khả năng bảo trì của code lại đáng lo ngại. Tác giả nhận thấy rằng code do LLM tạo ra thiếu tính nhất quán và kế hoạch tổng thể, dẫn đến việc gỡ lỗi trở nên rất khó khăn.

Tác giả quyết định thay đổi phương pháp của mình, bắt đầu sử dụng bộ não và giấy bút của mình nhiều hơn để lập kế hoạch và viết code. Anh ấy vẫn sử dụng LLM, nhưng chỉ giới hạn ở các tác vụ đơn giản, chẳng hạn như đổi tên tham số hoặc tạo ra các đoạn code tương đương với mã giả. Bằng cách này, tác giả thấy rằng việc gỡ lỗi trở nên dễ dàng hơn và anh ấy cũng hiểu rõ hơn về code của mình.

Tác giả lo lắng về tác động của AI đối với ngành lập trình, không phải vì lo sợ mất việc làm, mà là vì sự suy giảm khả năng tư duy và lập trình của bản thân và các lập trình viên khác. Anh ấy tin rằng việc quá phụ thuộc vào AI sẽ khiến các lập trình viên mất đi khả năng lập kế hoạch và viết code sạch, có chức năng. Do đó, tác giả quyết định hạn chế mức độ sử dụng AI của mình, và dựa nhiều hơn vào khả năng và kinh nghiệm của bản thân để viết code.

Tác giả cũng đề cập rằng, đối với những người không phải là lập trình viên, việc sử dụng AI để lập trình có thể là một lựa chọn thảm họa. Bởi vì code do AI tạo ra có thể rất phức tạp và khó hiểu, những người không phải là lập trình viên có thể không thể gỡ lỗi và bảo trì code một cách hiệu quả. Tác giả khuyên rằng các lập trình viên nên sử dụng AI một cách thận trọng, và dựa nhiều hơn vào khả năng và kinh nghiệm của bản thân để viết code chất lượng cao.

HN | Nóng: 299 điểm | 196 bình luận | Tác giả: a7fort | 12 giờ trước #

https://news.ycombinator.com/item?id=44003700

Giá trị của LLM đối với các nhà phát triển cấp thấp và cấp cao là khác nhau, các nhà phát triển cấp thấp có thể nhanh chóng tạo mã thông qua LLM, trong khi các nhà phát triển cấp cao có thể cần nhiều thời gian hơn để thích ứng với LLM.
LLM có thể trở thành một công cụ mạnh mẽ cho các nhà phát triển, nhưng giá trị của nó phụ thuộc vào cách nó được tích hợp vào quy trình làm việc.
Các nhà phát triển khác nhau có nhu cầu và cách sử dụng LLM khác nhau, cần đánh giá giá trị của LLM dựa trên các tình huống cụ thể.
LLM có thể giúp các nhà phát triển nhanh chóng tạo mã, nhưng các nhà phát triển cũng cần xem xét và kiểm tra cẩn thận.
Giá trị của LLM không chỉ nằm ở khả năng tạo mã nhanh chóng mà còn ở khả năng giúp các nhà phát triển học hỏi và nâng cao kỹ năng lập trình.
Các nhà phát triển cấp cao có thể sử dụng LLM tốt hơn vì họ có kiến thức và kinh nghiệm lập trình sâu rộng, có thể hướng dẫn LLM một cách hiệu quả.
Việc sử dụng LLM cần cân bằng giữa sự tiện lợi mà nó mang lại và những rủi ro tiềm ẩn, đòi hỏi các nhà phát triển phải đánh giá và quản lý cẩn thận.

Sci-Net #

https://sci-hub.se/sci-net

Sci-Net là một nền tảng mạng xã hội mới, được sử dụng để yêu cầu và chia sẻ các bài báo nghiên cứu. Sự xuất hiện của nền tảng này là để giải quyết vấn đề người dùng Sci-Hub không thể tải xuống một số bài báo. Sci-Hub là một hệ thống tự động quét và tải xuống các bài báo nghiên cứu, nhưng do việc cập nhật cơ sở dữ liệu của nó bị tạm dừng, một số bài báo không thể được tải xuống. Sci-Net cho phép người dùng yêu cầu các bài báo không thể tải xuống và tải lên các bài báo đã tải xuống.

Giao diện người dùng của Sci-Net rất đơn giản, chỉ cần nhập DOI (Digital Object Identifier - Định danh đối tượng kỹ thuật số) của bài báo. Nền tảng sẽ tự động kiểm tra xem bài báo đó đã được truy cập mở hay đã tồn tại trong Sci-Hub hay chưa. Nếu tìm thấy bài báo, nền tảng sẽ hiển thị liên kết; nếu không tìm thấy, người dùng có thể tạo một yêu cầu mới. Nền tảng cũng cung cấp một danh sách hiển thị tất cả các yêu cầu, có thể được lọc theo môn học và nhà xuất bản. Nếu người dùng sở hữu bài báo được yêu cầu, họ có thể nhấp vào yêu cầu và tải lên tệp PDF.

Sci-Net còn có chức năng loại bỏ hình mờ PDF để bảo vệ tính ẩn danh của người tải lên. Phần “Thư viện” của nền tảng hiển thị tất cả các yêu cầu và tải lên của người dùng, trong khi phần “Tải lên” cho phép người dùng đóng góp các bài báo của riêng mình. Chỉ cần kéo và thả tệp PDF, hệ thống sẽ tự động phát hiện DOI. Nếu DOI chưa tồn tại trong Sci-Net, Sci-Hub hoặc truy cập mở, tệp sẽ được tải lên và bài viết sẽ được mở để mọi người truy cập.

Sci-Net sử dụng token phi tập trung, tức là Sci-Hub meme coin, để thưởng cho việc chia sẻ kiến thức. Khi tạo yêu cầu, người dùng có thể chỉ định số lượng token mà người tải lên sẽ nhận được. Tuy nhiên, token sẽ không được chuyển ngay lập tức sau khi tải lên tệp PDF, mà sẽ chỉ được chuyển sau khi người dùng kiểm tra giải pháp và nhấp vào nút “Chấp nhận”. Sci-Net yêu cầu người dùng đã đăng ký phải có ít nhất 1000 token Sci-Hub, những token này sẽ được sử dụng để thưởng cho người tải lên.

Mô hình kinh tế token của Sci-Net khác với mô hình nhà xuất bản truyền thống. Mặc dù cả hai trông có vẻ giống nhau, nhưng phí tham gia của Sci-Net rất thấp, chỉ tương đương với giá một tách cà phê. Quan trọng hơn, các khoản thanh toán của Sci-Net trực tiếp thưởng cho người tải lên, chứ không phải bản thân nền tảng. Ngoài ra, Sci-Net sẽ chỉ tính phí cho mỗi bài báo một lần, trong khi các nhà xuất bản truyền thống sẽ tính phí nhiều lần. Tất cả các giao dịch của Sci-Net đều góp phần vào sự tăng trưởng của lĩnh vực công cộng, việc sử dụng Sci-Net có thể giúp nhiều kiến thức hơn được mở cho tất cả mọi người.

HN | Nóng: 250 điểm | 107 bình luận | Tác giả: greyface- | 10 giờ trước #

https://news.ycombinator.com/item?id=44004625

Tiền điện tử có thể khiến hành vi tải lên của Sci-Hub trở nên thương mại hơn, dẫn đến việc người tải lên phải chịu những hình phạt nghiêm khắc hơn
Việc sử dụng tiền điện tử là để tạo động lực kinh tế cho việc chia sẻ thông tin, nhưng có người nghi ngờ liệu có thực sự cần thiết động lực này hay không
Tiền điện tử riêng của Sci-Hub có thể là một dấu hiệu cảnh báo lớn, vì nó có thể được sử dụng để khai thác trước và bán nhanh, gây tổn hại cho nhà đầu tư
Sử dụng các loại tiền điện tử trưởng thành như Bitcoin hoặc Monero có thể là một lựa chọn tốt hơn, vì chúng ổn định và an toàn hơn
Tiền điện tử riêng của Sci-Hub có thể không cung cấp đủ quyền riêng tư và khả năng không bị theo dõi, do đó có thể khiến người dùng gặp nguy hiểm
Tiền điện tử thực sự có những ưu điểm nhất định trong việc thực hiện các giao dịch chợ đen, nhưng việc sử dụng nó cũng có những rủi ro và tranh cãi
Khả năng theo dõi và tính biến động của Bitcoin có thể khiến nó không phù hợp cho các giao dịch nhỏ và giao dịch chợ đen
Monero có thể là một lựa chọn tốt hơn, vì nó cung cấp khả năng bảo mật và không bị theo dõi tốt hơn
Việc sử dụng tiền điện tử có thể bị quản lý và can thiệp bởi chính phủ và các tổ chức, do đó ảnh hưởng đến giá trị và việc sử dụng của nó
Tiền điện tử riêng của Sci-Hub có thể phải đối mặt với các vấn đề về quy mô và tính thanh khoản, do đó ảnh hưởng đến giá trị và việc sử dụng của nó
Việc sử dụng tiền điện tử để thực hiện các giao dịch nhỏ có thể bị ảnh hưởng bởi phí giao dịch và tắc nghẽn mạng, do đó làm giảm hiệu quả sử dụng