真的能戒掉吗？给点建议？
你也要？我没整理过方法，概括下或许是
- 最好避免看色。上面也说了基因力量很强，直接跟色色场景对抗非常消耗心力的。所以看之前，调用思考来制止，用心理学讲是调用系统 2.
- 打持久战。利用行为的惯性/习惯，不是短期能完成的事。理解短期失败是很正常的事，肯定阶段性的成果，否则会出现消极情绪波动，情绪波动时极容易受潜意识的驱使，失去控制。
- 利用乏味感。部分题材确实戳我 xp（非对情节的兴趣），可以找一堆同样题材的作品光速浏览，很快就觉得无趣了。
- 最后一点很个人化，因为我看书还是文艺作品都是剧情党，每次读到弱剧情的作品都要狠狠批判一番。你也知道主打色色的作品几乎在情节上都不合格。
2 个赞
感谢门友，看我能坚持几天 
1 个赞
人的兽性还需要论证吗，你能忍住几天不奖励自己一发？
1 个赞
主要我次数实在有点太多了 有点受不了了
从小过着修道院的生活 远离异性 确实没啥欲望
接触多了像是开了开关 很难再关上了
生物进化到现在，没有一块是没用的，更何况是 DNA。
人类并未完全搞懂从 DNA 到 RNA 再到 protein 的过程。
有很多 DNA 是冗余的，这必然有它的道理，
例如，假如所有 DNA 都是有用的，那么一旦在例如电离辐射的外间因素影响下一些位发生错误，可能导致 unexpected fatal-error rate
DNA 的冗余可能是精妙地细胞/生命体平衡个体差异和总体性状稳定的机制之一。
1 个赞
是的，冗余和没用是两件事，鲁棒性也是用处
兽性不好听，也许可以叫动物性。
因为人的生理构造，masturbation 是完全有必要的。
对于男性来说，禁欲会导致 prostate 充盈，长期以往会引起 前列腺增生，以及可能导致注意力分散降低工作效率。
对于女性来说，可以了解一下 Hysteria: 歇斯底里 - 维基百科，自由的百科全书
最近了解到了 社会达尔文主义，差点就掉进坑里面了，联系之前看过的一本对优生学、人种（血统）强烈抨击的叫做《基因彩票》，可以来简单讲讲我自己的感受
社会达尔文主义本质上比达尔文主义的来源要更早，早在维多利亚时期就有这样的学说
在达尔文主义出来之前，之前的人因为人一定为进化成更好的人，比如说我们从树上走到地上，从非洲走向其他大陆，肤色从深变的白，生活和科技水平也变得越来越好，他们忽视了达尔文主义中对进化的定义：
进化的本质并不意味着先进，进化是为适应环境的变化
非洲人之所以因为肤色黑是因为紫外线太强，过浅的肤色容易引起晒伤或者皮肤癌；欧洲人之所以白是因为光照弱，为了吸收充足紫外线生成维生素 D 而变得浅
这本身是对环境的适应，与是否低能或者先进没有一点关系！而且目前针对人种的基因研究也都是关于白人的，在分子学上也缺乏相关的证据
我对社会达尔文主义的理解有点像：“我强是因为我强；你弱是因为你弱”，它被用作强者用来自洽，来让弱者屈服的一种“话术”
哪怕是真正自然界中的达尔文主义，也出现了一些所谓“不利于生存的特例”，这些社会达尔文主义者却选择性地忽略掉了
达尔文主义是具有极大的随机性的，而社会达尔文主义却具有极大的价值取向——强，更强！太多人将达尔文主义扭曲为能为他们所做恶提供的科学依据了
所以人类和动物是不一样的，虽然动物也吃喝拉撒睡，人类也吃喝拉撒睡，但是不能因为人和动物具有相似的地方就把人看作是一种动物。因为人还是有和动物不一样的地方，人有精神的追求，人有对美的享受，人有对崇高的渴望，但是动物是没有的，所以人和动物是不一样的。
最客观理解达尔文的方式是写遗传算法
[2502.07527] NatureLM: Deciphering the Language of Nature for Scientific Discovery
基础模型已经彻底改变了自然语言处理和人工智能，显著提升了机器理解和生成自然语言的能力。受到这些基础模型成功的启发，研究人员开发了针对各个科学领域的基础模型，包括小分子、材料、蛋白质、DNA 和 RNA。然而，这些模型通常是单独训练的，缺乏跨不同科学领域整合的能力。考虑到这些领域中的实体都可以表示为序列，并且它们共同构成了“自然的语言”，我们提出了自然语言模型（简称 NatureLM），这是一种基于序列的科学基础模型，旨在促进科学发现。NatureLM 通过多领域的科学数据进行预训练，提供了一个统一且多功能的模型，能够支持多种应用，包括：（i）使用文本指令生成和优化小分子、蛋白质、RNA 和材料；（ii）跨领域生成/设计，例如从蛋白质到小分子和蛋白质到 RNA 的生成；（iii）在 SMILES 到 IUPAC 翻译和 USPTO-50k 逆合成等任务中达到最先进的表现。NatureLM 为各类科学任务提供了有前景的通用方法，包括药物发现（靶点生成/优化、ADMET 优化、合成）、新型材料设计，以及治疗蛋白质或核苷酸的开发。我们已经开发了不同规模的 NatureLM 模型（分别为 10 亿、80 亿和 467 亿参数），并观察到随着模型规模的增加，性能有了明显的提升。
2 个赞