返回资讯中心
外部精选
软件工程
#开发者实时流

研究者破解 Forgotten Languages 网站:1703 篇帖子实为替换词表的现有文本

来源标题:I read 36% of Forgotten Languages

一位研究者解码了 Forgotten Languages 网站上的帖子,发现它们全是用词表逐词替换已有文本而成的,并未发现任何原创信息。该网站 2005 至 2026 年间共有 10,335 篇帖子,目前已将 1,703 篇与来源文本逐句匹配,87 种“语言”可读,全站 36% 的词汇已获解读。可匹配的“Defense”类帖子内容对应真实科学论文,仅替换了词语。

Hacker News 最新akaabachi2026/11/19 · 今天10 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

TL;DR:我解码的每一篇 Forgotten Languages 帖子,都是把一篇已有文本里的每个词按词表替换而成。目前已有 1,703 篇帖子匹配到原文,87 种“语言”可以读通,全站 36% 的词已经有了读法。我在其中没有发现任何原创信息。我能匹配上的那些“Defense”帖子,都是照着真实的科学论文改词而成的。

一篇帖子是怎么做出来的

拿一篇已经存在的文本。

把每个词替换成它在词表里对应的条目。网站上的每种“语言”就是一张词表。

发布。

词序、标点、人名和数字都保持原样。这正是弱点所在:一篇帖子在标点之间的分句长度模式,和它的原文完全一致。即使一个词都不认识,你也可以拿候选原文去和一篇帖子做比对。一旦有一篇帖子匹配成功,把两篇文本逐词配对就能得到词表,而这张词表可以读出该语言下的其他所有帖子。

数字

网站从 2005 年到 2026 年共有 10,335 篇帖子。其中 8,080 篇是自造语言的文本,2,038 篇是这类文本的图片。

它们大约用到 920 张不同的词表,其中 262 张对应五篇或更多帖子。

有 1,703 篇帖子逐句匹配到了原文。

87 种“语言”可以读通,覆盖全站 36% 的词。

当我留出一篇已匹配的帖子,用其余帖子建出的词表去读它时,读出的词有 95% 与原文一致。

它抄的是什么

按回车键或点击查看完整尺寸图片

主要是古老民俗、伪经和神秘学书籍:Rolleston 的《凯尔特族的神话与传说》(295 篇)、、《圣经失传之书与伊甸失传之书》(267 篇)、James Stephens 的《爱尔兰童话故事》(164 篇)、北欧民间故事、《凯巴莱恩》、Lord Dunsany。有一种“语言”是用阿拉伯字母书写的西班牙语,改写的是《未知之云》的一个西班牙语译本。

按回车键或点击查看完整尺寸图片

第三张图是文本形式。题为“3”的帖子(2011 年 3 月 26 日)开头是:

Rir sysfwau lerayd ymwedau eid iri tuitfoil cyfylau gigdyau tipt wnad yr mygy dunlong cyid celefulnad aeg nia ymluyff dayr dlodyg wtryf gyw tyffuedmae

但总有一些虔诚的灵魂守护着这团火焰,小心翼翼地照料它,不让它的光熄灭

那就是《凯巴莱恩》(1908),我这边有一个词错了(把“it”写成了“he”)。

有 1,270 篇帖子带有 Defense 标签。我目前已将其中 72 篇匹配到原文,其中 26 篇的原文是 arXiv 论文。最清楚的案例由 UncontrolledInfo 项目记录过:帖子“Scale Invariance in Extraterrestrial Contact Events”照搬的是 2005 年一篇题为“Scale Invariance in Global Terrorism”的论文,把“terrorism”改成了“sightings”,把“37 years”改成了“70 years”。我自己读那篇帖子时,看到的确实是“70 years”。图中另外四篇是我自己匹配到论文的。

这些帖子还带有署名为真实机构的英文“引文”。我匹配到的任何原文都无法佐证这些引文,所以不要把它们当作真实言论。

我不知道的部分

还有 64% 的词没读出来,而且我还没有看那些图片帖和视频。

另一个项目把大约 750 篇帖子对应到两本《龙与地下城》规则书。我无法核实这一点。

我还没有列出网站在它抄来的文本里改动过的所有内容。如果其中真有什么原创的东西,那大概就在这些改动里。

我不知道这个网站由谁运营、为什么运营。我的看法是,这是一个用脚本做的、长期进行的艺术与故弄玄虚项目。一个隐蔽信道不需要七百万字改写过的童话故事。这只是观点,不是结论。

致谢

我不是第一个发现这一点的人。以下项目得出了同样的结论,而我用了第一个项目的原文清单:我的 1,703 个匹配中有 386 个来自它,每一个我都自己重新验证过。

我把 pilkingtonsbrain 的 60 篇文本和我自己的读法做了比对:33 篇一致,27 篇无法判定,没有一篇不一致。

代码是用 5.é 模型写的。这里的每个数字都来自在网站副本上运行它。欢迎提问,或者如果你认为自己找到了某篇的原文,我很乐意去测试。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →