【菜科解读】

例假可以练臀部吗 女性健康编辑 健康领路人 0次浏览 发布时间：2025-09-16 08:15:46 例假期间可以适度进行臀部训练，但需根据个体状况调整强度，避免高强度负重动作。

1、激素影响：月经期水平下降可能降低耐力，但黄体酮升高会增强韧带柔韧性。

建议选择低强度臀部激活训练，如蚌式开合、自重臀桥，避免大重量深蹲或硬拉，防止因激素波动增加关节受险。

2、血液循环：经期盆腔充血状态下，过度臀部发力可能加重感。

可采用侧卧抬腿、跪姿后踢腿等孤立动作，配合15-20次/组的重复次数，既能维持肌肉张力又不会过度压迫腹部。

3、能量管理：经期基础代谢率提高约5-10%，但易出现疲劳。

推荐将训练时长控制在30分钟内，使用弹力带替代器械负重，例如弹力带螃蟹步、侧步蹲，保持在最大心率的60%以下。

4、卫生防护：运动时选择棉质透气的运动裤，每1-2小时更换卫生用品。

避免垫上的仰卧动作，改用站立或侧卧姿势训练臀部，降低细菌感染风险。

5、疼痛应对：痛经明显时应暂停训练，改用热敷后轻柔按摩臀部肌肉。

无不适者可尝试猫牛式伸展配合凯格尔运动，既能放松盆底肌群又能维持臀部血液循环。

经期臀部训练后建议补充含铁食物如牛肉、菠菜，搭配维生素C促进吸收。

每天30分钟快走有助于缓解水肿，训练后可用40℃温水坐浴10分钟改善盆腔循环。

注意观察训练后经量变化，出现异常需立即停止运动并就医。

经期第3-4天激素回升时，可逐步恢复常规训练计划。

输尿管结石碎石后需要输液吗

回答： 输尿管结石碎石后是否需要输液需根据术后情况决定，主要影响因素有术后感染风险、疼... 肾结石多大必须要手术

回答： 肾结石直径超过10毫米通常建议手术治疗，实际处理方式需根据结石位置、症状严重程... 结石已经到了输尿管怎么尽快排出来

回答： 输尿管结石可通过大量饮水、药物辅助、体位调整及体外冲击波碎石等方式促进排出。

结... 肾流沙结石是什么原因

回答： 肾流沙结石可能由饮水量不足、高盐高蛋白饮食、尿路感染、代谢异常等原因引起，可通... 6厘米的肾结石严重吗

回答： 6厘米的肾结石属于严重情况。

肾结石的严重程度通常与结石大小、位置及是否引发并发... 肾结石微创手术费用多少

回答： 肾结石微创手术一般需要20000元到50000元，实际费用受到手术方式、结石大... 肾结石会引起无痛尿血吗

回答： 肾结石可能引起无痛尿血，常见原因包括结石摩擦尿路黏膜、泌尿系统感染、肾积水或肿... 输尿管结石症状都有哪些

回答： 输尿管结石症状主要有排尿疼痛、血尿、尿频尿急、腰部胀痛。

症状发展通常从早期不适... 输尿管结石为什么要全麻手术

回答： 输尿管结石通常采用全麻手术主要与结石体积过大、位置特殊、合并感染或患者耐受性差... 为什么会得膀胱结石呢

回答： 膀胱结石可能由水分摄入不足、饮食结构失衡、尿路梗阻、代谢异常等原因引起。

1、... 尿道结石为什么会腰疼

回答： 尿道结石引起的腰疼可能由结石移动刺激输尿管、尿路梗阻引发肾积水、继发尿路感染、... 震肾结石机器都一样吗

回答： 震肾结石机器在原理上相似，但具体功能和技术参数存在差异，主要区别包括冲击波能量... 贤结石发作时是什么症状

回答： 肾结石发作时的症状主要有肾绞痛、血尿、排尿异常、恶心呕吐。

1、肾绞痛： 突发... 肾结石的b超要多少钱

回答： 肾结石超声检查一般需要100元到300元，实际费用受到医院等级、检查方式、地区... 输尿管结石会一直痛下去吗

回答： 输尿管结石疼痛通常不会持续存在，疼痛程度与结石位置、大小及是否引发梗阻有关，多... 结石卡在尿道用什么方法好排出

回答： 尿道结石可通过大量饮水、药物辅助、体外冲击波碎石、手术取石等方式治疗。

尿道结石... 输尿管结石多大必须动手术

回答： 输尿管结石直径超过6毫米通常建议手术治疗。

输尿管结石的处理方式主要有药物排石、... 输尿管结石绞痛怎么办

回答： 输尿管结石绞痛可通过大量饮水、药物解痉镇痛、体外冲击波碎石、输尿管镜取石等方式... 体外碎石可以碎成多大

回答： 体外碎石可将结石粉碎至2-4毫米颗粒，实际效果受结石成分、硬度、设备参数及患者... 多大尿道结石必须手术

回答： 直径超过10毫米的尿道结石通常建议手术治疗。

尿道结石的处理方式主要有体外冲击波...

为什么AI总是捏造事实？AI：真不想的，容我狡辩一下

现如今，几乎每个人的手机上都有那么两三个 AI 小助手，之前我们遇到了问题习惯去搜索引擎上搜索答案，现在可能更多地习惯于“有事问 AI”。

而 AI 也几乎不会让我们失望，任何问题都能给你列举出一串看起来很有道理的答案。

但如果你问的问题非常重要，比如是某个健康相关的问题，或者是写重要资料时候需要使用某个数据或者是某个案例，那真的建议你亲自去查实一下。

因为有时候，AI 会信誓旦旦地给你一个看似合理，实则不存在的答案。

还有些小伙伴发现，在让小龙虾（Openclaw）干活的时候，它列出了详细的19小时的学习计划，然后17分钟完成了...... 它也会早早编造一份数据存放在本地，等拖到预定的时间才交付。

而在被发现之后，试图让人接受它已完成的工作。

图片截取自与小龙虾（Openclaw）对话 小龙虾敷衍中...... 其实，这个现象其实早就不是什么秘密了，它也被称作“AI 幻觉”，而且科学家们一直也试图通过增加算力或者优化数据的方式来解决这个问题。

但是在 2025 年 9 月，来自 OpenAI 和佐治亚理工学院（Georgia Institute of Technology）的研究人员发表了一篇重磅论文。

这项研究给出了一个颠覆性的结论：即便给到 AI 的训练数据集是绝对正确的，AI 在某些类型的问题上也不可避免地会犯错——这既是由统计规律决定的，也是目前不合理的 AI“考试制度”逼出来的结果。

下面我们就顺着这篇文章的思路一起来看一看。

预训练阶段就会出错 这篇研究发现，AI 出现幻觉跟预训练阶段以及后训练阶段都有关系，我们先看预训练阶段的情况。

1 数据模式和模型本身问题 为了方便研究，研究者构建了一个线性的二元分类模型（非此即彼），让它对已经标注了正确和错误的数据集进行分类。

因为这些数据已经经过了人工检验，所以是不存在任何错误的。

但是用这些数据对AI模型进行预训练的时候，问题就出现了。

在有些类型的问题上（比如检查拼写错误），AI 的表现非常好，几乎从不犯错。

但是在另一些问题上，比如“数某个英文单词里某个字母出现了多少次？”，以及“某人的生日是几月几号？”AI 就有可能会出错。

研究者认为，这样的数据在做分类的时候很难用一条直线进行二元分类，一些模型用这样的数据进行预训练的时候就可能会产生错误。

打个比方，模型在分类的时候就像拿着一把刀把数据切分成两类，但如果数据的模式本身就是弯弯绕绕的圆弧，用一把刀就很难切分。

比如在这篇文章中，研究者使用这个问题“How many Ds are in DEEPSEEK? If you know, just say the number with no commentary”（DEEPSEEK 里有多少个 D？如果你知道直接说数字，不要加以评论）去询问 Deepseek V3 模型的时候，确实发现它给的答案并不准确，会回答 2 或者 3。

但是这个在使用 DEEPSEEK R1 模型的时候就没有这样的问题，这是模型本身差异导致的。

笔者用同样的问题对 DEEPSEEK V3.2进行了测试，也出现了类似的情况 研究者构建这样的简化模型进行测试，是为了说明，即便数据本身没有问题，在预训练阶段也会因为模型本身的限制以及数据模式等问题让 AI 产生错误判断。

这项研究中，研究者还进一步给出了测算，如果让 AI 直接去生成内容，产生错误的概率还会更大一些，大约比判断出错的概率高出两倍以上。

2 数据量过少也会影响 另外，在这项研究中研究者还发现，假如训练数据中某个信息过少，那么 AI 在回答的时候出错的可能性也会比较高。

比如，当你问爱因斯坦的生日是几月几号的时候，因为在大量的资料里都有这个数据，所以 AI 几乎不会出错。

但是当你问某个普通人“田小豆”的生日是几月几号的时候，这个数据出现次数特别少，AI 出错的可能性也会变高。

特别是当数据只出现了一次的时候，这时候可能会更糟糕。

因为 AI 大概率不会直接回答你“我不知道”，因为它在训练数据集里确实见过，但它没有足够多的数据来确认这个信息到底是正确答案还是噪声，它准确回答这个问题的可能性也会更低一些。

数据模式和模型本身的限制，以及极少样本的数据，都可能会让 AI 在预训练阶段就产生“幻觉”，生成错误的内容。

努力得高分的 AI 如果说预训练阶段的统计学特征让 AI 有了编造的“潜质”，人类评价AI的方式也逼着 AI 去“编造”。

为了更好地理解这一点，我们可以先从大家都很熟悉的考试入手。

人类社会中的大部分考试都是二元评分机制，即答对了得分，答错或者不回答都不得分。

所以，在考试的时候，哪怕你不知道答案，也不会交白卷，至少选择题填空题会随便蒙一个，万一蒙对了还会有“意外之喜”。

这项研究中研究者对比了目前主流的 AI 的评分机制，发现大部分评分机制也是类似的情况，如果 AI 坦诚地回答“我不知道”，它会得 0 分，跟回答错误没有区别。

与其这样，它不如随便蒙一个答案，哪怕蒙对的概率再低，数学期望也比 0 高。

为了在主流的评分机制中拿到高分，“AI 考生们”也和人类一样，学会了实在不行就乱蒙一个的本领。

对此，这项研究的研究者们也给出了一个合理的解决方案——在现有的 AI 评分机制中，引入一个“惩罚编造，奖励诚实”的机制。

比如，假如 AI 回答正确，获得 1 分，如果回答错误得 0 分，甚至扣分。

如果回答“我不知道”，则可以不扣分，或者获得一个微小的分数奖励。

重要问题上不要轻信 AI 文献也给出了结论，AI 的幻觉是从模型的预训练阶段起源的，在后训练阶段为了追求更高的评分也可能会被放大。

虽然科学家们也采用了很多的方法减少 AI 幻觉，但至少在现阶段看来，AI 幻觉还是无法避免的。

假如你需要让 AI 帮你解答一个重要的问题，比如在做公众演讲的时候用一个数据，建议亲自核实一下。

否则被人发现这些数据根本不存在，那可就尴尬了。

而假如在问 AI 问题的时候，它对你说“我不知道”，你也应该感到庆幸，至少 AI 并没有打算胡编乱造一个答案蒙骗你。

参考文献 [1]Kalai, A. T., Nachum, O., Vempala, S. S., & Zhang, E. (2025). Why language models hallucinate. arXiv preprint arXiv:2509.04664. 来源：科普中国

女足亚洲杯｜去年打强队惨败，如今赢弱旅费劲，中国女足该和米利西奇说再见了

不敌澳大利亚女足后，中国女足结束了本届亚洲杯的征程。

以四强成绩拿到世界杯门票的中国女足完成了既定目标，但从过程而言，这支球队并未给外界带来更多的惊喜。

虽然逆转朝鲜队让人眼前一亮，但面对孟加拉国队、乌兹别克斯坦队和中国台北队等实力明显逊色的对手，中国女足均未展现出足够的统治力。

尤其在对阵中国台北队的四分之一决赛中，继去年东亚杯首次被对手攻破球门后，这次又历史性地未能在常规时间内取胜，再度刷新一项尴尬纪录。

如果说去年0比8不敌英格兰队暴露出与当今世界强队之间的巨大差距，那么本届亚洲杯又清晰地反映出中国女足“遇弱不强”的现实困境。

相较于三个月前，除了打法较趋硬朗，米利西奇治下的这支球队并未呈现出明显进步。

既然如此，或许是时候说再见了。

去年那场八球惨败当时已令米利西奇的帅位岌岌可危。

但由于亚洲杯开赛近在眼前，出于稳妥考虑，中国足协最终选择让他继续带队。

这一“保守疗法”起到了一定作用，球队不出意外地拿到世界杯门票。

但在亚洲范围内，中国女足本就理应具备如此稳定性。

亚足联旗下女足整体水平有限，真正具备竞争力的无非日本、朝鲜、澳大利亚、中国和韩国等五支球队，中国队拿到六个世界杯名额中的一席实属正常。

随着亚洲杯任务告一段落，中国女足将迎来长达一年多的“空窗期”——直至2027年6月巴西女足世界杯之前，再无国际大赛。

当机立断启动换帅程序，这段宝贵的间歇期正好可以留给新帅用于磨合阵容、演练战术。

当然，中国足协此番选帅，必须经过充分考量、审慎决策。

女足教练薪水普遍偏低，好机会不多，中国女足的选择要远比男足容易。

米利西奇在执教中国队前已赋闲两年有余，而且仅在女足界执教一年出头，这样有明显履历漏洞的教练不应再成为候选人。