@LeeReamond 你说的这些问题，游戏行业也有。但人家行业就是热衷研究和发布各种图形新格式，乐此不疲。

比如微软的 BC 系列新算法，苹果的 PVRTC 算法，OpenGL 的 ETC2 和 ASTC 算法。都能有效压缩图片。

而前端 WEB 那么多年来，还是以 JPEG+PNG 占主流，再加一个近期的 WebP ，真是不思进取。

年轻时写核心代码的，都在大公司待着，待遇很好。

年轻时写逻辑代码的，要不就是对业务和代码失去兴趣，要不就是身体熬不住加班，要不就是跳槽去甲方了。

成功故事大多相同，失败那就是各有各的不同了。

@dfkjgklfdjg 在公司学技术，和领导要求的赶项目进度，完全是两个背道而驰的理念。想用新技术，势必会拖慢项目计划。这也是很多领导不愿意用新技术最根本原因。

我们就是无名小卒，哪有那么多选择权。能不被压榨，按时下班，就已经要感谢公司领导了。

而且加班风气也就互联网最厉害，你不想加班，自有人加班。你是不是也需要想想，到底哪里出了问题？

关于去字节当卷王，让我想起电视里一句话：

有些事你做了，有可能会后悔，也有可能不会。

但你不去试试，那以后肯定有遗憾。

@codehz “onsubmit 是事件绑定（和 submit 方法没有直接联系”

楼主这个 button 里 submit()函数方法，就是向上查找并调用了 form 里的 onsubmit 啊。

你只指"<input type="button" onclick="submit()" value="提交"/>"

行为为什么会表现和<input type=''submit">一致？

我猜可能就是 onclick 里的 submit()吧。

@waiaan 正常所有的 form 提交，都是需要走 submit 方法的。

也就是提到 form 元素的 onsubmit='console.log(123)'重载函数。

和你那句 HTMLFormElement.prototype.submit=function 是一个意思。

go 是大厂用的多吧，你学历要够，才能开始学速成。

要不还是学前端吧，看看视频，一个月入门，两个月找到工作，没什么问题。

“就是这个 submit 方法，它是如何调用的。”

form 自古以来就有 onsubmit 方法啊。

和 onclick 一样，正常是挂载到 form 元素上的。

不是浏览器新功能，是远古功能。

@dfkjgklfdjg "其实还是建议年轻的时候卷一卷的，就怕 30 来岁不尴不尬的时候要钱没钱要技术没技术。那时候才是真的不好受。"

卷和压榨有区别，一些地方 996 其实学不到什么东西，就只是单纯的加班剥削。

上课没认真听吧，VUE 里有专门 submit.prevent 属性，来阻止表单的默认提交行为。

@murmur 单纯的 base64 的图片复用很糟糕，远远不如 svg 。

图片再小，你也不可能每个相同的小图标，都注入一大段 base64 代码。

最好是写点图片复用框架，用 createObjectURL 来复用图标资源，或者注入到 css ，正文再引用。

@binux 做自媒体是为给自己挣钱，而程序员是为了给老板挣钱，才去写业务代码的。

体验完全不一样。

程序员转行很大一部分原因，是给别人打工，还不如给自己打工。

@otakustay “AI 压缩不就是先把图片倍率缩小，再在渲染的时候 AI 提倍率嘛”

好像不一样，super resolution 的 AI 和图片压缩的 AI 是两个算法。

我看了一下文章，说的是把 rate–distortion optimization 最到最优，最后输出的是 Entropy Parameters.

最大的区别，应该就是 SR 需要缩小图片，放大后的细节就是盲猜。而这个 AI 是保留细节为前提，最优化压缩率。

@kop1989smurf 光一个图片压缩，只用统计学也没什么大问题。

哪怕是 FSR 这种把 AI 训练模型转换成经验参数，在代码里给写死，最终也还是能提升一点图片画质的。

@kop1989smurf 也就是 google 大佬的一句话，只要在 chrome 新版本里支持 AI 压缩了。

随着时间推移，以后也就慢慢普及了。

现在 chrome 就是互联网未来发展的风向标。

@duke807 在游戏里，都是用 Nvidia AI 算法加强 4K 画质，受到玩家广泛好评。

也没见 AI 抽风。

我就搞不懂，互联网为什么不学学游戏行业。

个人表示怀疑，这能用 AI 去提取共性吗？

作弊分类是根据监考老师现场观察，和学生的答题卡之间，又没有必然联系。

你需要分析的数据，不是答题卡文本，而是套用监考老师的现场作弊评分表。

不好意思，我收回刚才的话，不能再搜索引擎里搜数据。

要在 github 里搜 UP 名字+CSV ，有很多新老数据，足够用了。