上班族一日三餐的常态是这样的:早上匆匆忙忙挤地铁、挤公交,到了公司买点吃的急着打卡;中午一堆会要开、一堆报告要写,买个盒饭扒拉两口或者干脆不吃;晚上披星戴月离开公司,心里暗想——这一天累死了,吃顿好的犒劳犒劳自己。
殊不知古人有句俗语:早上吃的像皇帝、中午吃的像大臣、晚上吃的像乞丐。民间也流传这样的说法:早吃好、中吃饱、晚吃少。而中医和佛教、道教都有“过午不食”的说法。
把一日三餐吃颠倒了并不是小事儿,有可能对健康造成危害。
为什么我们提倡晚饭少吃、而不反对早饭和午饭少吃?有十大理由:
理由1:晚饭会变成废物——脂肪
由于人体的新陈代谢从凌晨4点开始加速,而在下午16点到达最高峰,因此人体必需得到营养补充,这就是我们必需吃早饭和午饭的原因。但是从下午16点开始,到凌晨4点为止,人体的新陈代谢逐渐下降,因此我们晚上不能给新陈代谢加油。否则人体就会把它们变为废物——脂肪。这就是我们不能吃晚饭的第一个理由。
理由2:晚饭让心肌缺血而增加猝死可能
由于人体摄入食物之后,全身的血液重新分配,大量的血液集中到消化系统,因此心、脑、肺、肾、肌肉等器官处于相对缺血的状态。由于夜间的迷走神经处于兴奋状态,心率很慢,因此吃完晚饭之后,心脏处于缺血而且心率又变慢的状态,这就会造成心肌缺血而增加猝死的可能。
理由3:胃肠道得不到休息
由于人体的生物钟要求人体是白天活动、夜间睡眠,也就是说,身体各器官应当白天运动,而夜间休息;进一步说,胃肠道在夜间也应当休息而不应当工作,因此吃晚饭违背了自然规律。
理由4:促使吞噬细胞吃掉变性的坏死组织
由于人体在饥饿状态下,吞噬细胞的活性最强,在蛋白质和维生素充足的条件下,吞噬细胞的数量最多。因此在喝肉汤、喝果汁的前提下,不吃晚饭造成的饥饿感,可以促使吞噬细胞吃掉变性的坏死组织。
理由5:促使人体排出毒素
由于消化系统的肝脏、胰腺、胃、肠只有在饥饿状态才能分泌大量消化液,把人体的毒素通过消化液排出。因此如果我们饿了就吃,那么有毒的消化液就会被人体重新吸收。如果我们不吃晚饭,那么有毒的消化液就会被肠道里的膳食纤维吸收而变成粪便排出。我们在白天不能让肚子饿着,因此只能在夜间让肚子饿着。
理由6:造成胰岛素负担加重,诱发糖尿病
长期晚餐过饱,经常刺激胰岛素大量分泌,很容易造成胰岛素负担加重,加速老化,进而诱发糖尿病;而且晚餐吃太多、吃太好造成的肥胖也会引发糖尿病。
理由7:增加大肠癌发病率
晚餐若吃过饱,蛋白质食物无法完全被消化,在肠道细菌的作用下,产生有毒物质;加上活动量小及进入睡眠状态,使得肠壁蠕动慢,延长有毒物质停留在肠道内的时间,增加大肠癌发病率。
理由8:增加高血压患病风险
晚餐若偏荤食,加上睡眠时的血流速度减缓,大量血脂就会沉积在血管壁上,进而引起细小动脉更收缩,外周血管阻力增高,容易让血压猛然上升,也加速全身小动脉的硬化。
理由9:加速脑部退化
若长期晚餐吃太饱,睡觉时胃肠及附近的的肝、胆、胰脏等器官仍在运作中,使脑部不能休息,并且脑部的血液供应也会不足,进而影响脑细胞的正常代谢,加速脑部老化。青壮年时期经常饱食的美食家,在年老后有五分之一机率会罹患失智症。
理由10:造成失眠或神经衰弱
晚餐的盛食、饱食必然造成胃肠、肝、胆、胰脏在睡眠时仍不断工作且传递讯息给大脑,使大脑处于兴奋状态中,造成多梦、失眠等症状,长期如此还会引发神经衰弱等疾病。
结束语
对于如何吃好晚餐,我们有以下几点建议:吃好晚餐向健康看齐,5个建议健康吃晚餐的方法,让你的晚餐吃得更健康。
1、晚餐吃少,定量为好,不暴饮暴食;
2、晚餐时间在18:00—19:00最好,晚上八点之后尽量不要进食;
3、晚餐要多吃素食、少吃荤食;
4、晚上少吃高油、高脂肪、高热量、高钙、胀气食物;
5、发育中的儿童或者青少年可以适当多加一餐。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。