AI 精读提示词
AI 精读提示词
使用原则
AI 的作用是帮你拆解、解释、检查和生成最小代码，不是代替你判断论文贡献。每次问 AI 前，先明确你要它做哪一种任务：
- 概念解释。
- 论文结构拆解。
- 公式逐步翻译。
- 图表解释。
- PyTorch 最小复现。
- 组会表达改写。
- 自测题生成。
论文第一遍阅读
我是一名跨专业硕士新生，正在读深度学习经典论文。
请按以下结构帮我拆解这篇论文，不要写得太学术化：
1. 一句话说明这篇论文解决什么问题
2. 它之前的方法有什么困难
3. 作者的核心想法是什么
4. 方法中最重要的 3 个概念
5. 实验想证明什么
6. 这篇论文的局限
7. 我应该追问老师/同学的 5 个问题
论文内容如下：
【粘贴摘要、引言、方法或截图 OCR 文本】
公式解释
请把下面公式按“直觉解释 -> 专业表达 -> 符号含义 -> 最小数值例子”的顺序解释。
我有一点 Python 基础，但数学基础一般。
不要跳步，如果某一步依赖线性代数、概率或优化，请标出来。
公式：
【粘贴公式】
PyTorch 最小复现
请根据这篇论文的核心机制，写一个最小 PyTorch demo。
要求：
1. 只复现核心机制，不追求完整论文实验
2. 代码可以直接运行
3. 使用随机数据或很小的 toy dataset
4. 每个张量都注明 shape
5. 训练输出至少包含 loss
6. 最后解释这个 demo 对应论文中的哪一部分，以及没有复现哪些部分
论文机制：
【例如 scaled dot-product attention / residual block / LoRA linear layer】
代码检查
请检查下面 PyTorch 代码是否正确实现了【机制名称】。
重点检查：
1. tensor shape 是否一致
2. forward 逻辑是否符合论文
3. loss 是否合理
4. 是否存在数据泄漏或训练/测试混淆
5. 哪些地方只是 toy demo，不能声称复现论文结果
代码：
【粘贴代码】
组会表达改写
请把下面口语化理解改写成 3 分钟组会表达。
要求：
1. 保留“我还不完全理解”的边界
2. 使用专业但不过度装懂的表达
3. 包含研究问题、核心方法、实验结论、局限、我下一步要复现什么
我的口语化理解：
【粘贴你的理解】
自测题生成
请基于我刚读的论文，生成 10 个自测问题。
要求：
1. 3 个概念题
2. 3 个方法题
3. 2 个实验题
4. 2 个追问题
5. 每题给一个“合格回答要点”，不要直接写成长答案
论文：
【论文标题和摘要】
给 Codex 的 notebook 任务
请在当前仓库的 07_notebooks 目录下创建一个 notebook，用 PyTorch 复现【论文机制】的最小 demo。
要求 notebook 包含：
1. Markdown：这篇论文解决什么问题
2. Markdown：本 demo 只复现哪一个机制
3. Code：导入依赖和构造 toy data
4. Code：模型定义，所有关键 tensor 注释 shape
5. Code：训练或前向计算
6. Markdown：输出结果怎么解释
7. Markdown：这个 demo 没有覆盖论文的哪些部分
AI 回答核查清单
每次 AI 给出解释后，用下面 6 个问题检查：
- 它有没有把论文贡献说得过大？
- 它有没有混淆训练目标、模型结构和实验结果？
- 它有没有把经验规律说成数学定理？
- 它有没有跳过 tensor shape？
- 它有没有把 toy demo 说成完整复现？
- 它有没有说明局限和不确定之处？