公式阅读与 AI 推导手册

综合实践 · 08_资料库/公式阅读与AI推导手册.md

公式阅读与 AI 推导手册

目标

你不需要在入学前掌握所有严格证明，但必须能做到：

• 看出公式大概在表达什么。
• 知道每个符号代表什么。
• 能让 AI 把推导拆成可理解步骤。
• 能把 AI 的推导改写成作业可写版本。

看公式的 5 步

第 1 步：先问这是什么对象

看到公式先不要急着算。先判断：

• 是概率？
• 是期望？
• 是似然函数？
• 是损失函数？
• 是优化目标？
• 是矩阵运算？
• 是网络指标？

可以问 AI：

请先判断这个公式属于概率、统计估计、优化、机器学习还是网络分析。不要推导，先解释它在表达什么。

第 2 步：逐个解释符号

把公式粘给 AI，要求它输出符号表：

提示词：

请为这个公式建立符号表。每个符号说明含义、是数据还是参数、维度或取值范围，以及直觉解释。

第 3 步：找“输入、操作、输出”

任何公式都可以先拆成：

• 输入：已知数据或变量。
• 操作：求和、求导、取期望、最大化、矩阵乘法。
• 输出：估计值、概率、损失、预测、指标。

提示词：

请把这个公式拆成输入、操作和输出三部分，并解释每一步在统计建模中有什么作用。

第 4 步：让 AI 给三层解释

最有效的提示词：

请把这个推导分成三层解释：

1. 直觉版：不使用复杂符号；

2. 符号版：逐步推导；

3. 作业版：可以写进作业答案的简洁表述。

每一步都标注使用了什么公式、定义或假设。

第 5 步：核查推导

AI 给出推导后必须检查：

• 符号是否前后一致。
• 是否把随机变量和观测值混用。
• 是否漏掉条件。
• 是否默认独立同分布。
• 是否把最大化似然和最小化损失混淆。
• 是否结果维度合理。

高频公式如何理解

期望

直觉：长期平均或加权平均。

专业表达：

期望描述随机变量的平均水平，但它不能完整反映尾部风险。

方差

直觉：数据围绕均值波动的程度。

专业表达：

方差刻画整体波动，但对极端尾部结构的描述有限。

似然函数

直觉：在给定参数下，当前数据出现的可能性。

专业表达：

最大似然估计选择使观测数据最可能出现的参数。

损失函数

直觉：模型错得有多严重。

专业表达：

训练模型本质上是在最小化某种损失函数，同时需要控制过拟合。

梯度

直觉：函数上升最快的方向。

专业表达：

梯度提供优化方向，梯度下降则沿着负梯度方向更新参数。

矩阵乘法

直觉：把多个变量按权重组合起来。

专业表达：

在线性模型中，矩阵形式可以把多个样本和多个特征的计算统一表示。

看到不会的公式时的万能提示词

我正在读一门统计/机器学习/复杂系统课程，看到下面这个公式。 我的背景：跨专业硕士新生，数学基础较弱。

公式： 【粘贴公式】

1. 判断这个公式属于哪个领域和任务；
2. 为所有符号建立符号表；
3. 用一句话说明这个公式想表达什么；
4. 拆成输入、操作、输出；
5. 给直觉版解释；
6. 给逐步推导版；
7. 给作业可写版；
8. 标出可能隐含的假设；
9. 列出我最应该追问的 3 个问题。

请你：

作业中稳妥的表达

• 该公式的核心作用是……
• 其中，……表示观测数据，……表示待估参数。
• 该推导依赖……假设。
• 从直觉上看，这一步是在……
• 因此可以得到……
• 需要注意的是，该结论只在……条件下成立。