{"source":{"id":"16553921","title":"全自动无损扫描书籍。 上了年头的旧书，纸张往往早就脆了。 人手每翻阅一次，都是一次不可逆的破坏。 翻得越多，毁得越快。…","url":"https://mubeitech.com/p/16553921"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"2091725696905195619","account":"mubei","brand":"@mubei","title":"有人把一枚 AirTag 塞进了一本绝版书里。 他想搞清楚，到底是谁在暗中大量收购纸质书。 信号一路追踪。 最后停在了拉…","summary":"有人把一枚 AirTag 塞进了一本绝版书里。 他想搞清楚，到底是谁在暗中大量收购纸质书。 信号一路追踪。 最后停在了拉斯维加斯的一座亚马逊仓库。 这里的员工每天只做三件事。 成批接收运来的图书。 一刀切掉书脊。 送上机器流水线快速扫描。 扫完的书去哪了？ 直接销毁。 亚马逊大批…","body":"有人把一枚 AirTag 塞进了一本绝版书里。\n他想搞清楚，到底是谁在暗中大量收购纸质书。\n信号一路追踪。\n最后停在了拉斯维加斯的一座亚马逊仓库。\n\n这里的员工每天只做三件事。\n成批接收运来的图书。\n一刀切掉书脊。\n送上机器流水线快速扫描。\n\n扫完的书去哪了？\n直接销毁。\n亚马逊大批量买书切碎，到底为了什么？\n训练 AI。\n\n互联网上的公开文本，早就被科技巨头们抓取光了。\n高质量语料见底，数据饥渴蔓延到了物理世界。\n成吨的绝版书和专业典籍被批量买断。\n切掉装订线，扫描成数字文本，喂进大模型。\n\n一本本纸质书在流水线上被切断书脊。\n扫完即毁。\n成了下一代人工智能的训练养料。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2091727599315624429","translated_status_id":"2091727599315624429","published_at":"2026-08-24 03:20:08","created_at":"2026-08-24T05:14:03+02:00","url":"https://mubeitech.com/p/2091725696905195619","markdown_url":"https://mubeitech.com/p/2091725696905195619/markdown"},{"rank":2,"id":"2078751823909839012","account":"mubei","brand":"@mubei","title":"把文档数字化，光认字不够，还得保留结构。 光是把字抠出来没用。 遇到这三个死穴，普通工具往往直接宕机： 连医生自己都认不…","summary":"把文档数字化，光认字不够，还得保留结构。 光是把字抠出来没用。 遇到这三个死穴，普通工具往往直接宕机： 连医生自己都认不准的手写病历。 排版错综复杂的嵌套表格。 满是特殊符号的数学公式。 Datalab 新出的 Chandra OCR 2 模型，专门解这道题。 它能把这些极难辨认…","body":"把文档数字化，光认字不够，还得保留结构。\n\n光是把字抠出来没用。\n遇到这三个死穴，普通工具往往直接宕机：\n连医生自己都认不准的手写病历。\n排版错综复杂的嵌套表格。\n满是特殊符号的数学公式。\n\nDatalab 新出的 Chandra OCR 2 模型，专门解这道题。\n它能把这些极难辨认的图片和 PDF 啃下来。\n最核心的本事就是保结构。\n\n提取文字的同时，它完整保留了原文档的排版布局。\n然后直接输出结构化的 HTML、Markdown 或者 JSON。\n字认出来了，版面也没乱。\n\n那些堪称天书的手写笔记和图表，都能被原样解析。\n\n这个专啃硬骨头的工具，目前是免费的。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2079406086889549923","translated_status_id":"2079406086889549923","published_at":"2026-07-21 00:18:06","created_at":"2026-07-21T02:01:32+02:00","url":"https://mubeitech.com/p/2078751823909839012","markdown_url":"https://mubeitech.com/p/2078751823909839012/markdown"},{"rank":3,"id":"16529629","account":"mubei","brand":"@mubei","title":"买下数百万本实体书，切掉书脊，扫描，然后把原件全部销毁。 这是AI时代“合法获取知识”的冷酷工业流程。 为了训练大模型C…","summary":"买下数百万本实体书，切掉书脊，扫描，然后把原件全部销毁。 这是AI时代“合法获取知识”的冷酷工业流程。 为了训练大模型Claude，Anthropic就是这么干的。 法庭文件披露了这条“吃书”流水线。 不是黑进图书馆去偷，也不是靠爬取盗版网站。 第一步，在市场上合法扫货，买下海量…","body":"买下数百万本实体书，切掉书脊，扫描，然后把原件全部销毁。\n这是AI时代“合法获取知识”的冷酷工业流程。\n\n为了训练大模型Claude，Anthropic就是这么干的。\n\n法庭文件披露了这条“吃书”流水线。\n不是黑进图书馆去偷，也不是靠爬取盗版网站。\n第一步，在市场上合法扫货，买下海量的二手书。\n第二步，直接切掉所有书脊，把书变成散落的纸片。\n第三步，送进高速机器，把每一页都扫描成数字副本。\n最后一步，把物理原件彻底销毁。\n\n他们用真金白银买断了书的物理所有权。\n然后榨干知识，抛弃躯壳。\n\n在这个流程里，书不再是用来读的。\n它们是一批数据矿石，提取完内容，残渣就可以倒掉了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2082288630735736853","translated_status_id":"2082288630735736853","published_at":"2026-07-28 23:16:00","created_at":"2026-07-29T01:04:27+02:00","url":"https://mubeitech.com/p/16529629","markdown_url":"https://mubeitech.com/p/16529629/markdown"},{"rank":4,"id":"16520249","account":"mubei","brand":"@mubei","title":"AI公司为了训练模型，会把原版实体书直接毁掉吗？ 甚至包括那些独一无二的珍贵手稿？ 很多人不信一家自称“有原则”的科技巨…","summary":"AI公司为了训练模型，会把原版实体书直接毁掉吗？ 甚至包括那些独一无二的珍贵手稿？ 很多人不信一家自称“有原则”的科技巨头会干这种事。 但在公开法庭上，他们亲口承认了。 很多人以为，大模型只是“读”了一遍那些合法买来的正版书。 现实却冷酷得多。 为了把信息彻底榨干，原书被物理销毁…","body":"AI公司为了训练模型，会把原版实体书直接毁掉吗？\n甚至包括那些独一无二的珍贵手稿？\n\n很多人不信一家自称“有原则”的科技巨头会干这种事。\n但在公开法庭上，他们亲口承认了。\n\n很多人以为，大模型只是“读”了一遍那些合法买来的正版书。\n现实却冷酷得多。\n为了把信息彻底榨干，原书被物理销毁、拆解。\n甚至连孤本都没能幸免。\n\n真正的法律争议，恰恰就落在这里。\n这不单单是在网上随意抓取盗版电子书。\n这些公司在“训练”模型的同时，也在建立一个可反复调用的中央数字库。\n\n买下它，吸干它，毁掉现实中的载体。\n然后把这些知识，变成自家服务器里的独占资产。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2081905705074806947","translated_status_id":"2081905705074806947","published_at":"2026-07-27 22:18:24","created_at":"2026-07-28T00:08:48+02:00","url":"https://mubeitech.com/p/16520249","markdown_url":"https://mubeitech.com/p/16520249/markdown"},{"rank":5,"id":"2075982573902156249","account":"mubei","brand":"@mubei","title":"一本500年前的书还能读。 十年前的软盘，可能已经打不开。 纳西姆·塔勒布讲脆弱性，最狠的例子不是金融模型，是书。 纸书…","summary":"一本500年前的书还能读。 十年前的软盘，可能已经打不开。 纳西姆·塔勒布讲脆弱性，最狠的例子不是金融模型，是书。 纸书又重，又旧，又不酷。 Kindle轻、快、能装几千本，看起来效率高得多。 但你把咖啡泼到Kindle上，断电，系统出问题，账号出问题，格式出问题，阅读这件事就要…","body":"一本500年前的书还能读。\n十年前的软盘，可能已经打不开。\n\n纳西姆·塔勒布讲脆弱性，最狠的例子不是金融模型，是书。\n纸书又重，又旧，又不酷。\nKindle轻、快、能装几千本，看起来效率高得多。\n\n但你把咖啡泼到Kindle上，断电，系统出问题，账号出问题，格式出问题，阅读这件事就要等一整套技术系统恢复。\n一本纸书的“技术故障”是什么？\n几乎没有。\n\n塔勒布家里有一本普劳图斯喜剧集，500年前的老书，看起来跟普通书没什么两样。\n他自己十年前存在软盘里的东西，已经读不出来了。\n这就是两个世界的差别。\n\n技术表面上在优化。\n更轻，更快，更省空间，更现代。\n但每多一层接口，就多一层依赖。\n每多一层依赖，就多一个黑天鹅钻进来的缝。\n\n2003年纽约大停电，他在中央车站看到人睡在地上，城市一下子像被抽掉骨架。\n更荒诞的是，洗手间没有老式水龙头，只有感应水龙头。\n没电以后，连洗手、取水这种最基本的动作都做不了。\n\n所谓先进，很多时候只是把麻烦藏到了系统背后。\n平时你感觉不到，因为系统在替你跑。\n一旦系统停了，你才发现自己连最简单的手段都被拿走了。\n\n塔勒布后来把这套逻辑推到组织、金融、政府、供应链。\n大公司看起来更有效率，规模越大，单位成本越低。\n但大象比老鼠更怕缺水。\n同样是一升水，短缺时，大体量组织付出的代价会被放大。\n\n全球化、互联网、外包、杠杆、零库存、巨型平台，都是同一种审美。\n少一点冗余，多一点效率。\n少一点本地能力，多一点集中调度。\n平时一切顺滑，出事时一起崩。\n\n这也是为什么纸书这个例子有杀伤力。\n它不浪漫，也不高科技。\n它只是接口少，依赖少，断点少。\n它不需要电，不需要升级，不需要云端，不需要某家公司继续活着。\n\n真正耐久的东西，往往没有那么多需要别人配合的地方。\n而现代人最危险的错觉，是把“能跑得更快”误认为“能活得更久”。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2076265633096872174","translated_status_id":"2076265633096872174","published_at":"2026-07-12 10:05:13","created_at":"2026-07-12T12:01:29+02:00","url":"https://mubeitech.com/p/2075982573902156249","markdown_url":"https://mubeitech.com/p/2075982573902156249/markdown"},{"rank":6,"id":"16581077","account":"mubei","brand":"@mubei","title":"200 份 PDF，2.8 秒处理完。 而且全在本地跑。 现在让 AI 读文档，最蠢的做法是什么？ 不管三七二十一，把所…","summary":"200 份 PDF，2.8 秒处理完。 而且全在本地跑。 现在让 AI 读文档，最蠢的做法是什么？ 不管三七二十一，把所有 PDF 闭着眼睛丢给 OCR 慢慢啃。 又慢又耗资源。 其实完全没必要。 开源社区新出了个工具 pdf-inspector，Rust 写的。 它换了个工作流…","body":"200 份 PDF，2.8 秒处理完。\n而且全在本地跑。\n\n现在让 AI 读文档，最蠢的做法是什么？\n不管三七二十一，把所有 PDF 闭着眼睛丢给 OCR 慢慢啃。\n又慢又耗资源。\n\n其实完全没必要。\n开源社区新出了个工具 pdf-inspector，Rust 写的。\n它换了个工作流。\n\n拿到一份文件，它不硬来。\n先花大概 20 毫秒做个分类，判断一下 PDF 的类型。\n能直接读的，就在本地直接抽出干净的 Markdown 文本。\n不仅速度快，提取表格和图表的质量也在第一梯队。\n\n这就给开发 Agent 的人留了个极高效率的口子。\n先花 20 毫秒摸清文档结构。\n遇到真骨头，再决定要不要上 OCR。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2083659387864793378","translated_status_id":"2083659387864793378","published_at":"2026-08-01 08:38:58","created_at":"2026-08-01T10:29:54+02:00","url":"https://mubeitech.com/p/16581077","markdown_url":"https://mubeitech.com/p/16581077/markdown"}]}