2025年5月15日，美国最高法院外，人们抗议支持出生公民权。6月27日，最高法院做出裁决，限制联邦法官阻止特朗普命令的权力，特别是针对全国禁制令。此前，地方法院可发布全国禁制令，阻止政府政策实施。新裁决后，禁制令仅适用于提起诉讼的特定原告。尽管特朗普称此为“巨大胜利”，但法院未立即实施其取消出生公民权的命令，政策的合法性仍未决定。保守派多数支持该决定，而自由派大法官持反对意见，认为这可能导致违宪政策不受约束地执行，威胁法治。特朗普则宣称出生公民权原为废除奴隶制而设，不应被滥用。
本文探讨了随机访问与顺序访问在不同情况下的性能差异，重点分析了缓存和内存操作对程序性能的影响。作者通过实验比较了两种访问方式在数组求和任务中的表现，特别是当数组大小不同（能 fit 进缓存与不能 fit 进缓存）时的性能差异。实验显示，随机访问比顺序访问慢得多，尤其当数据量超过缓存容量时。作者还讨论了使用不同算法生成随机索引数组对性能的影响，发现标准 Fisher-Yates 洗牌算法在处理非常大的数组时效率低下，因此采用了双通道洗牌方法。最终，作者提供了 Rust 代码示例，并验证了这些结论。
退休伐木工弗雷德·史密斯在20世纪40年代末至60年代中期，于威斯康星州创建了超过200座真人大小的混凝土雕塑，这些雕塑展现了当地文化、民间传说以及美国历史和爱国主义象征。史密斯的作品核心为木结构，外包水泥、镶嵌碎玻璃等物品，如今保存在威斯康星混凝土公园。由于长期暴露于自然环境中，雕塑需要持续维护，保护员使用环氧树脂、硅胶等材料修复破损和不稳，并加固生锈的支撑结构。公园免费开放，但鼓励捐款以支持保护工作。
Magnitude是一个基于视觉AI的浏览器自动化框架，能够通过自然语言控制浏览器。它支持导航、交互、数据提取和验证等功能，可用于网页任务自动化、应用集成、数据提取和Web应用测试等场景。Magnitude利用视觉AI理解界面，实现高精度操作，并支持从DOM中智能提取结构化数据。其灵活的抽象层次和可控的自动化流程使其适用于各种复杂任务。使用Magnitude需要一个大型的视觉基础模型，如Claude Sonnet 4或Qwen-2.5VL 72B。企业用户可联系团队获取更多支持和功能。框架文档和社区资源提供了进一步的帮助和信息。
本文探讨了在BQN语言中实现高性能矩阵乘法的过程，不依赖BLAS库。作者首先通过缓存优化（如分块技术）将性能提高了约六倍，随后通过递归分块和Strassen算法进一步提升性能，最终在4096x4096矩阵乘法中实现了比原始方法快9倍的效果。然而，单线程性能有其极限，作者转向多核并行，利用MPI实现Cannon算法，进一步提升性能。最终，通过缓存优化与并行计算结合，BQN实现了接近BLAS/BLIS的性能。
这篇文章介绍了如何使用GPU编程快速计算斐波那契数列。文章使用NVIDIA的Thrust库，通过并行化扫描（scan）算法实现高效计算。首先解释了扫描操作的基本概念，然后展示了如何在Thrust中进行简单的排他扫描，接着将扫描操作扩展到矩阵乘法，最终利用矩阵幂运算来计算斐波那契数。文章还提到通过模运算避免大数计算中的溢出问题，并展示了在消费级GPU上快速计算极大斐波那契数（如F99999999）的性能表现。最终结果可通过Github代码验证，展示了Thrust库的灵活性和强大功能。
ISC发布了Kea 3.0.0，这是Kea的第一个长期支持（LTS）版本。Kea是一款开源的DHCP（动态主机配置协议）服务器，该版本引入了多项新功能和改进，包括更好的稳定性、性能优化以及对新硬件和操作系统的支持。作为LTS版本，Kea 3.0将获得更长时间的技术支持和安全更新，确保用户在未来几年内能够获得可靠的服务。这一发布标志着Kea项目的一个重要里程碑，为网络管理员提供了更稳定的选择。
科学家们开发了一种改进的雾水收集装置，称为"雾竖琴"（fog harp），以解决传统网状收集器易堵塞的问题。传统的雾水收集技术模仿纳米布沙漠甲虫的翅膀和古代印加人的方法，通过网状结构收集雾气中的水滴。然而，缩小网丝和孔径虽能提高效率，但会导致水滴凝聚成膜，阻碍水流。 2018年，Virginia Tech的Jonathan Boreyko团队发明了由垂直金属丝组成的雾竖琴，大幅提高了水收集效率。但在实际应用中，大尺寸的竖琴会因表面张力导致金属丝粘连，再次降低效率。 为解决此问题，团队结合传统网状结构和雾竖琴设计，推出混合版本，通过增加少量横向支撑丝，避免了金属丝粘连。实验显示，这种设计将雾水收集效率提高了2到8倍，特别是在有三到五根横向支撑丝时效果最佳。该设计无需化学涂层，仅通过几何结构解决了堵塞问题。
"typr" 是一个基于命令行界面（TUI）的打字测试工具，其单词选择算法受 keybr 启发，通过考虑字母准确度、字母在英语中的频率以及用户输入字母的速度来优化打字速度。该工具具有一个简洁的命令行界面，使用 curses 库实现，并将用户数据存储在 JSON 文件中。安装过程包括克隆仓库并安装所需依赖，使用方法灵活，可以通过不同参数设置时间限制、单词数量限制或持续运行。项目采用 GPL-3.0 许可证，欢迎用户提出改进建议和提交代码贡献。
《AlphaGenome：利用AI更好地理解基因组》介绍了一种新的人工智能工具——AlphaGenome，它能够更全面、准确地预测单个变异或突变对基因调控的影响。该工具可以处理长达100万个DNA字母序列，并以高分辨率预测多种分子特性，如基因起止位置、RNA产量、DNA可接近性等。AlphaGenome解决了此前模型在序列长度和分辨率上的权衡问题，提供了更广泛的基因调控模态预测。它通过对比突变和未突变序列的预测来高效评估基因变异的影响，为科学界理解基因功能和疾病生物学提供了新视角，并将通过API供非商业研究使用。该工具建立在前期模型Enformer基础上，并与AlphaMissense互补，专注于非编码区域的解读。