加载失败
讨论源自一篇标题为“CSS Proves Me Human”的博客，作者用 CSS（text-transform）和字体技巧在视觉上改变大小写与破折号以戏谑或测试“证明人类”的手段。评论既关注技术细节（如用 fontTools/GlyphComponent 将 '--' 渲染为 em-dash、代码块需避免被 lowercased、Safari Reader 忽略 CSS 的差异），也把争论延伸到识别启发式的有效性、教育中的误判成本（false positive／ROC 权衡）和神经多样性者被迫“伪装”的社会隐喻。读者在技术欣赏、文学审美与伦理判断之间分裂，讨论同时反映出人们对 LLM 流行带来的沟通标准变迁的焦虑。
大量评论围绕帖子是否由 LLM（或经过 LLM 润色）创作展开。怀疑者指出刻意的小写、过于条理化或情绪化却结构化的段落，以及局部文本“像机器写成”的风格，甚至有人断言文中某些段落明显是 AI 输出。另一些人则认为刻意掩饰或反讽会反而加深怀疑，导致读者更倾向于判定为机器生成。
许多评论把这篇帖子读作元讽刺或艺术表演：作者用 CSS、字体和排版把“证明人类”的仪式化动作具象化，以揭示辨别人工写作的荒谬。评论者指出帖子像是一面镜子或笑话，故意制造看似“非人工”的表征以促发反思，有人甚至说这正是作品的要点，而对真伪的较真反而失去意义。部分读者因此把争论看作作品成功引发反应的证据。
有评论从神经多样性（例如自闭谱系）角度共鸣：帖中描绘的被标记为“非标准”而被迫修正自己表达的焦虑，映射出许多神经多样群体长期面对的社交/沟通压力。评论指出，当“正常”变成一种平均化的写作风格时，少数人的节奏、词汇或标点会被误读为不合格，甚至不得不借助 LLM 或修饰才能看似“正常”。这种解读把技术识别问题上升为社会对差异的不耐受问题。
技术讨论集中在作者如何用真正的前端/字体技巧实现“假人类”外观：不仅用 CSS 的 text-transform 在渲染层把文本变小写，还通过自定义字体（用 fontTools 和 GlyphComponent）将源码里的两个连字符 '--' 呈现为 em-dash，从而在视觉上与源码产生差异。评论指出这比直接在源码替换字符更专业，也提出边界情形（如 Safari Reader 忽略 CSS、需要保护代码块不被 lowercased）会影响效果。许多技术性评论称这是个巧妙且不易被粗糙启发式检测发现的实现方案。
评论里大量讨论人们用于快速鉴别“机器写作”的启发式（首字母大写、em-dash 用法、平淡重复的 prose 等）是否有效以及带来的伦理代价。教育者警告误判（false positive）会伤害诚实进步的学生，并把取舍描述为 ROC 曲线上的权衡；也有人分享用 Claude 等工具构建检测或验证流程来辅佐判断。另一派则主张与其纠结来源，不如关注文本是否有深度、情感或独到见解——写得有“人味”比靠外在把戏更重要。
LLM: LLM（Large Language Model，大型语言模型）：通过大规模语料训练生成或润色文本的模型；讨论中被指为帖文可能的作者或协助工具，常见特征包括平均化、条理化、重复性和有时信息错误。
em-dash / em dash: em-dash（长破折号 —）：用于句中插入或断句的排版标点。许多人在源码用两个连字符（--）代替，本文通过字体替换把 '--' 渲染为 em-dash 来制造视觉与源码的差异。
text-transform（CSS）: text-transform 是 CSS 的属性（如 lowercase），可在浏览器渲染层改变文本大小写而不修改源码，本文利用该属性在视觉上呈现小写以干扰基于格式的人工/机器识别。