机器文摘第 153 期

电饭锅传数据

最近流传一个待证实的传说，使用电饭锅可以助力两台手机设备之间数据传输的速度（主要用于新机迁移时）。

推测是电饭锅内胆的金属产生了“法拉第笼”效应，屏蔽了外界信号干扰，提升了手机信号强度？

我没有做测试的条件，目前还在怀疑中。

但第一个想到这个点子的人，当时是什么精神状态？

具体讨论来自这个推：https://x.com/skaas777/status/1977201633256726833

信息安全专家张云海的墓碑

张云海（1979-2025）是绿盟科技天机实验室的负责人，该实验室专注于漏洞挖掘、分析与利用技术研究。

其研究领域包括操作系统、应用软件、基础组件以及安全防御与对抗技术等，并致力于挖掘和分析漏洞，曾获得微软缓解绕过赏金计划奖励。

近期有网友发出了其墓碑照片，碑文为一段汇编代码。

这段代码结合了汇编语言和幽默元素，以一种风趣的方式描述了一个人在家庭、社会和技术领域的多重角色。

同时通过模拟汇编语言的执行流程，表达了对生活的总结：从出生（程序启动）到承担角色（函数调用），再到最终离开（程序退出）。

基于终端的 word 文件预览工具

doxx，用于 Word 文件的快速终端原生文档查看器。查看、搜索和导出 .docx 文档，而无需离开命令行。

支持图片、文本颜色、表格、公式等富文本信息显示。

用于 LLM 私有部署的负载均衡平台

Paddler 是一个开源的 LLM 负载均衡器和服务平台。它允许您在自己的基础架构上运行推理、部署和扩展 LLM，从而提供卓越的开发者体验。

主要特性：

通过内置的 llama.cpp 引擎进行推理
LLM 特定的负载平衡
通过可动态添加的代理工作，允许与自动缩放工具集成
请求缓冲，支持从零主机扩展
动态模型交换
内置 Web 管理面板，用于管理、监控和测试

基于 Rust 的 LLM 学习项目

nanochat，不到 8000 行代码，完整实现了从训练到推理的 LLM 全流程。

项目主要特点：

用 Rust 实现了高效的 tokenizer 训练
在 FineWeb 语料上预训练 Transformer LLM，并多维度评估核心指标
中期训练结合用户-助手对话、选择题、工具调用等多样任务
监督微调（SFT）后，模型在多项世界知识（ARC-E/C、MMLU）、数学（GSM8K）、代码（HumanEval）测试中表现优异
可选用“GRPO”算法进行强化学习（RL），提升数学题解答能力
轻量化推理引擎支持 KV 缓存、简单预填充/解码，集成 Python 沙箱工具，同时提供 CLI 和类 ChatGPT 网页 UI
生成统一的 Markdown 报告，方便总结、打分和游戏化体验

Shell 脚本的 Lisp 解释器

Redstart，是一个用 C++ 编写的轻量级 Lisp 解释器，专注于 Shell 脚本编写。它能够将 Lisp 的强大表达能力与 Unix Shell 的实用性相结合：您可以运行命令、捕获输出、在进程之间进行管道传输，同时仍然使用 Lisp 语法进行逻辑和结构编写。您可以将其视为用 Lisp 而不是 Bash 编写 Shell 脚本。

有了这个，可以使用 Lisp 语言编写 Linux 的 Shell 脚本了。

机器文摘 第 153 期