HackerPapers

HN 二十年,最值得读的论文。

从 Hacker News 2006 年以来的全部投稿里,挑出链接本身就是论文的帖子:arXiv、期刊、会议论文、技术报告。每篇附中文标题,讨论最热的那些再加上中文导读和高赞评论翻译。

从必读开始
  • 8,000+篇被 HN 讨论过的论文

Essential

必读 30 篇

在论文库里看全部精选

编辑精选里 HN 讨论最热的 30 篇,每篇都有中文导读。不知道从哪读起,就从这里开始。

  1. 正在载入论文…

Archive

论文库

点柱子按年份筛选。注:源数据里 2023 年的帖子分数记录不全,2026 年尚未过完,这两年收录偏少。

难度
排序

    About

    这些论文是怎么挑出来的

    1. 01

      全量扫一遍

      读取 Hacker News 自 2006 年以来的全部 446 万条链接投稿,找出指向 arXiv、期刊、会议、技术报告和学术 PDF 的帖子。

    2. 02

      只留论文本身

      由 AI 逐条判断,剔除介绍论文的新闻、博客和幻灯片,同一篇论文的多次投稿合并计算,并统计它在评论区被引用的次数。

    3. 03

      写导读、译评论

      讨论最热的 1,500 篇配上中文导读,并精选、翻译 HN 高赞评论。导读由 AI 生成,可能有误,请以原文为准。

    神经科学与心理学2017journals.plos.org编辑精选

    神经科学家能理解微处理器吗?(2017)

    Could a Neuroscientist Understand a Microprocessor? (2017)

    进阶 · 约 60 分钟读完前置知识:神经科学基础、计算神经科学、计算机体系结构基础

    读论文 HN 讨论
    411HN 得分
    135条评论
    3次投稿

    导读

    这篇论文提出一个思想实验:把神经科学常用的分析方法(损伤实验、电生理、功能定位等)应用到一个我们完全了解其原理的工程系统——6502 微处理器(运行游戏)上,检验这些方法能否真正“理解”它。结论是这些方法往往产生看似合理却误导性的解释,说明“能描述系统”不等于“理解系统”,从而质疑当前神经科学分析范式的有效性。

    HN 关注点:是因为论文用“神经科学家能否理解芯片”这一巧妙类比,直击神经科学研究方法论的根基,引发方法是否有效、类比是否恰当的争论。

    关键词 计算神经科学6502方法论神经科学

    后来怎么样

    这篇论文引发了关于神经科学分析方法有效性的广泛讨论,其“用已知工程系统检验分析工具”的思想实验被后续多项研究效仿,成为方法论反思的常用范例。

    HN 评论精选

    这几条评论里:支持 1 质疑 2 亲历 1

    质疑认为 6502 与大脑差异太大,类比不当,换成 FPGA 才更有意义

    用工程制品检验某领域的分析方法是个好主意,但这里有个致命缺陷:执行取指-译码-执行循环、操作寄存器堆和内存总线的设备,与神经生物学关心的东西几乎没有共同点。更合适的对象是 CPU 及其内存(把 NOP 掉代码或翻转标志位对应“损伤实验”),甚至更好的是 FPGA 设计——不同功能在硅片不同位置并行工作,更像大脑。神经科学工具在 6502 上失灵,与其说是对工具的控诉,不如说像我不会开直升机不能证明我固定翼飞行技术差:应对专业领域外的怪异边缘案例本来就不代表失败(当然这也不是停止改进的借口)。大脑和 6502 是完全不同种类的计算。一个远更有趣的问题是“神经科学家能理解 FPGA 吗?”。

    zkms查看英文原文

    Testing analytical methods of a field against engineered artefacts is a good idea but there is a fatal flaw here; devices that do a fetch-decode-execute-retire loop against a register file and a memory bus have perversely little in common with what neurobiology is concerned with. A more appropriate artefact would be a CPU and its memory (where NOP'ing out code or flipping flags corresponds to "lesioning"), or even better, an FPGA design (where different functions work in parallel in different locations on the silicon, much like brains). That the tools of neuroscience choke on a 6502 is as much of an indictment of the former as my inability to fly helicopters is an indictment of my fixed-wing airmanship; not coping well with notoriously perverse edge cases outside your domain of expertise isn't inherently a sign of failure (it's not a licence to stop improving, of course). Brains and 6502s are quite literally entirely different kinds of computing, much like designing for FPGA is weird and different from writing x86 assembly or C. A far more interesting question is "could a neuroscientist understand an FPGA?".

    支持赞同论文核心观点:描述系统不等于理解系统

    很棒的工作。论文里说:我们逐个移除晶体管,看处理器是否还能启动游戏,结果发现某些晶体管被移除后某个游戏就无法运行,因此可以断定它们对该游戏是独特必需的——也许存在“大金刚晶体管”或“太空侵略者晶体管”。这是一个绝佳的例子,说明描述一个系统不等于理解这个系统。

    isoprophlex查看英文原文

    Great work. "In other words, we asked if removed each transistor, if the processor would then still boot the game. Indeed, we found a subset of transistors that makes one of the behaviors (games) impossible. We can thus conclude they are uniquely necessary for the game—perhaps there is a Donkey Kong transistor or a Space Invaders transistor. " A fantastic comment to show that describing a system is not the same as understanding the system!

    质疑质疑结论:方法粗糙是数据稀缺所致,而非方法本身的问题

    这个想法很有意思。论文认为当前的脑分析方法在一个数据充足的环境中表现不佳,所以问题可能出在方法本身,而不是神经科学数据不足。但我认为这忽略了要点:我们用这些方法正是因为数据非常少。计算神经科学家们其实渴望尝试许多有趣的新分析方法,只是没有足够的数据。如果数据多得多,我们可能就不会用这些方法了。

    chrisfosterelli查看英文原文

    It's an interesting idea here. The paper is arguing that current brain analysis methods don't work well in an alternative environment with a lot of data, so maybe the methods are the problem instead of our lack of data in neuroscience. However, I think this misses part of the point. We use these methods because we have very little data available. There are tons of interesting new ways to analyze brain data that I think computational neuroscientists are dying to explore, but don't have enough data to do so. If we had a lot more data, we might not be using these approaches.

    亲历作为从业者反驳:论文未按神经科学实际做法设计任务,结论有失公允

    相比之下,我并不感冒。神经科学家通常会设计能产生特定对比、突出特定计算方面的任务,而论文作者什么都没做。比如在我所在的领域,在奖励学习任务中,我们能非常可靠地获得追踪纹状体中奖励预测误差的信号(如 fMRI 的 BOLD 响应)。

    jonnycomputer查看英文原文

    In contrast, I was underwhelmed. Neuroscientists typically try to develop tasks that create specific contrasts that highlight aspects of specific sorts of computations. They didn't do anything like that. For example, in the field I work in, we very very reliably get signal that track reward prediction errors in the striatum (e.g. BOLD response in fmri) during reward learning tasks.

    相关资源

    从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。

    自称作者的回复
    代码
    视频与演讲

    历次讨论

    同领域还值得读

    1. 大脑衰老呈现非线性转变,提示中年“关键窗口”

      Brain aging shows nonlinear transitions, suggesting a midlife "critical window"

      这篇 PNAS 论文研究大脑衰老的非线性变化,发现大脑老化并非匀速进行,而是在中年(约 40-60 岁)存在一个关键的"临界窗口期",此时干预可能有效。

      神经科学与心理学2025 · 295 分 · 159 评进阶 · 约 75 分钟编辑精选
    2. 社交网络中大规模情绪传染的证据(2014)

      Evidence of massive-scale emotional contagion through social networks (2014)

      这篇 2014 年发表于 PNAS 的论文研究了 Facebook 上约 70 万用户的信息流中,减少正面或负面内容是否会传染性地影响用户自己发布内容的情绪。

      神经科学与心理学2020 · 285 分 · 72 评入门 · 约 45 分钟编辑精选
    3. 裸盖菇素使人类大脑去同步化

      Psilocybin desynchronizes the human brain

      这篇 Nature 研究用个体化的 fMRI 精密成像追踪受试者服用裸盖菇素(psilocybin)前后的脑功能连接变化,发现药物会造成大范围的脑网络「去同步化」,尤其是默认模式…

      神经科学与心理学2024 · 273 分 · 259 评进阶 · 约 60 分钟编辑精选
    4. 对智力的赞扬会削弱儿童的动机与表现(1998)

      Praise for Intelligence Can Undermine Children's Motivation (1998)

      这篇 1998 年的经典论文(Dweck 等人)通过实验研究表扬方式对儿童动机的影响:夸孩子“聪明”(表扬智力)会让他们回避挑战、害怕失败,而表扬努力则更能培养坚持性。

      神经科学与心理学2016 · 253 分 · 155 评入门 · 约 45 分钟编辑精选
    5. 新皮层为何具有柱状结构?一种学习世界结构的理论

      Why Does the Neocortex Have Columns? A Theory of Learning Structure of the World

      这篇预印本论文(Jeff Hawkins/Numenta 的理论框架)试图解释新皮层为何以柱状结构组织,提出柱状结构可能是大脑学习世界结构的功能单元,并列出若干可检验预测。

      神经科学与心理学2017 · 237 分 · 73 评进阶 · 约 75 分钟编辑精选

    打赏支持

    打赏二维码

    觉得有用,请作者喝杯咖啡。

    WeChat

    关注向阳乔木

    微信公众号「向阳乔木推荐看」

    微信公众号「向阳乔木推荐看」二维码

    微信扫一扫;在微信里打开本页时,长按二维码识别。