原标题：《Fish Bad, Sugar Good and Other Medieval Ideas About Food》 评分: 23 | 作者: mooreds 💭 没冷藏没微生物学，瞎猜也能写成饮食科学？ 🎯 讨论背景 这篇讨论围绕一篇讲中世纪欧洲饮食观念的文章展开，核心是 Galen（古希腊罗马时期的医学权威）和 humoral theory（体液学说）如何把食物分成“热/冷、干/湿”，从而得出诸如 lettuce（生菜）寒湿有害、citrus（柑橘）有助消化之类的结论。评论者把这些说法放回当时条件下理解：没有 refrigeration（冷藏），鱼和家禽更容易腐败；糖很稀缺，干果和保存食品更重要；高强度体力劳动也让高热量食物更受欢迎。另一条线索讨论史料偏差，因为识字并能写下食谱、医书和农业观察的人往往是男性，女性的劳动和饮食经验更少进入记录。整体上，讨论把中世纪饮食知识看成一种由经验、医学权威和社会结构共同塑造的体系，并不断拿它和现代 food culture（饮食文化）比较。 📌 讨论焦点 食物禁忌常是经验性的安全规则 很多评论认为，所谓“鱼坏、糖好”在没有冷藏和卫
原标题：《4.5B Posts Scraped from TikTok》 评分: 26 | 作者: TheOnlyWayUp 💭 绕过风控抓 4.5B 条，还算研究吗？ 🎯 讨论背景 这条帖子讨论的是一个声称收录了 45 亿条 TikTok 帖子的抓取项目，源码据说放在一个私有 Go 仓库里，并以一次性付费、终身访问的方式出售。评论者从页面里的 LLM 文案和零散说明推断，项目重点并不是“保存视频”，而是绕过 TikTok 的 bot filters（反爬/反机器人机制），通过伪装成合法客户端去调用 API（应用程序接口）抓取内容。有人补充说，数据集里未必预先包含实际视频或素材，媒体可能要在运行时通过 TikTok API 按代码请求，这意味着 TikTok 一旦改动接口或风控，整套代码就要更新。讨论同时围绕合法性、版权和分发风险展开：它被明确描述为违反 TikTok 的 Terms of Service（服务条款），并可能在 Hugging Face（常见的数据集托管平台）上遭遇 DMCA takedown（版权下架）。 📌 讨论焦点 隐私与数据所有权争议 不少评论者认为，这类
原标题：《WebLLM: high-performance in-browser LLM inference engine》 评分: 127 | 作者: saikatsg 💭 浏览器 GPU 都不稳，还谈高性能推理？ 🎯 讨论背景 WebLLM 是一类把大模型推理直接搬到浏览器里的引擎，依赖 WebGPU（浏览器内的 GPU 计算 API）来获得可用性能。评论显示，这种方案在桌面浏览器上并不“开箱即用”：Linux 上常要手动打开实验性开关，浏览器还可能因为驱动栈和显卡选择问题而只用到集显或软件回退。即使能跑，模型权重也通常要先下载几百 MB 到 1GB，所以它更像“把推理端塞进网页”而不是轻量应用。讨论还把它和 Transformers.js、ONNX Runtime、llama.cpp 等 browser-side / wasm 推理方案放在一起比较，反映出网页端 AI 生态正在分流到多个技术栈。 📌 讨论焦点 WebGPU 兼容性与显卡选择困难 很多人先卡在最基础的一步：浏览器里根本没有可用的 WebGPU，直接报 WebGPUNotAvailableError。Firef
原标题：《Japan halves speed limit to 30km/h on all narrow city streets》 评分: 50 | 作者: haunter 💭 60km/h 冲进窄巷，是赶着去投胎还嫌路不够窄？ 🎯 讨论背景 这条新闻说日本要把没有中心线、没有中央分隔、且宽度小于 5.5 米的住宅道路法定限速从 60km/h 降到 30km/h，涉及约 87 万公里道路，约占日本一般道路的 70% ，消息来自 Mainichi Shimbun（日本《每日新闻》）。评论区补充了日本街道极窄、路灯和行人空间混杂、很多路段本来就不适合高速通过的背景，还提到日本买车常要证明自己有停车位，街边停车受限，所以城市更适合步行和小型车。另一个常被提起的前例是 2011 年的 zone 30 试点，据称在学校路段和住宅路段把死亡与重伤降了 30% 。整场讨论还拿荷兰、德国、法国、西班牙、瑞典、立陶宛等国作对比，核心争论是：光改限速够不够，还是必须配合执法和道路设计。 📌 讨论焦点 窄街道本就不适合 60km/h 很多评论先质疑旧限速本身就离谱，因为日本住宅区的街道往往极窄，常
原标题：《Google avoids a breakup of its ad tech business》 评分: 390 | 作者: donohoe 💭 既然并购这么容易，拆分怎么就成天方夜谭？ 🎯 讨论背景 这篇报道说的是美国法院在 Google 的 ad tech 反垄断案里没有选择最激进的结构性拆分，而更倾向于较温和的 behavioral remedies（行为性救济）。这里的 ad tech 不是 Google 整个广告帝国，而是像 AdX（广告交易所）、Google Ad Manager/DFP（出版商侧管理工具）和 Google Ads（广告主侧投放工具）之间那套拍卖与中介系统。评论区把这个结果延伸成一场关于 antitrust（反垄断）到底该保护消费者价格，还是该防止市场权力过度集中的争论，顺带提到了 Reagan 时代、Robert Bork（推动 Consumer Welfare Standard 的法学家）和 Lina Khan（主张更强反垄断执法的 FTC 主席）。讨论还夹杂了 Google Maps 是否应跟随 GNIS（美国地名信息系统）把 Lake
原标题：《LLMs and Self-Referentiality》 评分: 22 | 作者: mavdol04 💭 LLM 连自己都不知道，还谈什么自我参考？ 🎯 讨论背景 这场讨论围绕“LLM 是否具备自我参考能力”展开，背后牵涉 Scott Aaronson（计算机科学家）对 AI 的评论，以及 Douglas Hofstadter（提出 strange loops 的认知科学作者）关于自我与意识的长期论述。评论者反复区分：模型只是复述训练数据里关于世界和自身的旧描述，而不是像人一样持续学习、更新对自身状态的认识。为了弥补这种缺口，有人提到 RAG（检索增强生成，一类把外部信息喂给模型的方法）和 agent harness（代理执行框架），但它们更像外挂式补丁。讨论还延伸到智能、意识、自我感、sentience 和 sapience 这些概念的边界，以及 AI 编程中人类判断、unit tests 和成本反馈回路的现实作用。 📌 讨论焦点 LLM 自我参考不足与幻觉 不少评论认为，LLM 并不真正“知道自己知道什么”，它们只是基于冻结的 training reality 生
原标题：《Qantas Airbus A380 catastrophic engine failure in 2010 (2023)》 评分: 127 | 作者: gumby 💭 0.2 毫米都能毁机，还谈什么工程公差余量？ 🎯 讨论背景 这篇 2023 的长文《A Matter of Millimeters》回顾的是 2010 年 11 月 4 日的 Qantas Flight 32：A380（注册号 VH-OQA，昵称 Nancy-Bird Walton）从新加坡起飞后，Rolls-Royce Trent 900 发动机发生 uncontained engine failure。评论里补充，根因不是“飞机本身脆弱”，而是某个油路 stub pipe 的加工偏差只有约 0.2mm，却引发漏油、过热、涡轮盘解体和多系统故障。事故后飞机被重修并继续服役，因此讨论同时围绕航空工程冗余、质量控制、机组处置和维修经济性展开。这里也涉及机载着陆计算软件、制造流程、以及 Qantas 长期维持的安全品牌。 📌 讨论焦点 同机后的后怕 有人多年后登上同一架 VH-OQA，才突然意识到自己坐的是
原标题：《Fable 5.1 World Modeling》 评分: 224 | 作者: surreal_ 💭 这也叫 world model？不就是会写 three.js 吗？ 🎯 讨论背景 这条帖子的核心是 Fable 5.1 生成了一个可交互的 3D Union Square 世界，甚至还能让 agent 在里面拍一段导览视频；几何主要来自 OpenStreetMap（开放地图数据）和 USGS 3DEP（美国地形高程数据计划）。作者还透露，这次结果是一次性生成的，但依赖很长的 prompt、subagents 和 self-QA loop，耗时约 2 小时、用了约 8M tokens，API 成本约 33 美元。评论区因此分成几条线：一边争论这更像是用 code/three.js 生成 3D 场景，而不是 ML 语境里的 world model；另一边讨论它离可用游戏资产、城市级世界和 VR 体验还有多远。与此同时，还有人抱怨登录门槛和 demo 展示方式，让本来很酷的技术先在产品入口处失分。 📌 讨论焦点 技术路径：代码生成比直接网格生成更实用 很多评论其实在讨论生成路
原标题：《The shrinking landscape of linguistic diversity in the age of LLMs》 评分: 130 | 作者: Anon84 💭 为了统一，连口音和灵魂都删掉吗？ 🎯 讨论背景 这场讨论围绕一篇 arxiv 论文展开，论文认为在 LLM 时代，语言多样性会被逐渐压缩，因为模型会把文本推向更标准、更可预测的写法。评论把原因追溯到训练语料和互联网文化，认为 LLM 很大程度上是在复述以 American Business English（美式商务英语）为主的网络表达。也有人把问题放到更长的历史里看，提到 Disney（迪士尼）配音、YouTube（视频平台）和公共教育早已在削弱地方方言与口音。越南语翻译、英语语域和 code-switching（跨语言/跨语域切换）等例子则被用来说明：语言差异既会造成误解，也承载着身份、幽默和文化边界。 📌 讨论焦点 AI 写作抹平个人声音 很多人说自己在工作里越来越依赖 LLM 起草文档，但代价是文字不再像自己。有人把 LLM 当作“起草器”而不是终稿机：先生成，再手工删掉废话和套话，因
原标题：《Three sites made 215,128 "best software" pages for AI. Perplexity cites them》 评分: 375 | 作者: jakobgreenfeld 💭 把垃圾页喂给 AI，就能刷成最佳软件榜？ 🎯 讨论背景 这篇帖子围绕一项关于 Perplexity（一个 AI 搜索/问答工具）的报道展开：有三家网站批量生成了 215,128 个“best software”页面，目的是迎合 AI 搜索和引用系统。评论把它视为 AI 时代的 SEO/GEO（Generative Engine Optimization，面向生成式搜索引擎的优化）样本，讨论如何用海量低质页面影响模型引用。很多人顺势谈到 LLM 的 self-preference bias、训练语料被 slop 污染后搜索会不会“自我吞噬”，以及 Perplexity、Claude（Anthropic 的 LLM）、Gemini（Google 的模型）、Google AI Mode 等工具在联网搜索上的差异。也有人怀疑帖子和相关“research firm”本
