如何用token写论文
各位同仁，各位研究者大家好，今天我非常荣幸能为大家分享一篇极具突破性的前沿论文，来自 evermind 盛大集团和北京大学联合发表的 miza memory spars attention for efficient and to and memory model scaling to 一 百 m tokens。 正如我们换灯片首页的标题所言，今天我们要探讨的主题是突破一亿 token， 迈向 ai 的 终身记忆。在认知科学中，人类终身记忆的功能性信息容量估计大约相当于两到三亿个 token。 然而， 当前大语言模型 l l m 由于全注意力架构的限制，有效的上下文长度通常被死死卡在一百万 to 坑以内。为了真正弥合质疑数量级的差距，这篇论文提出了一种名为记忆稀疏、注意力密的新架构， 成功打破了 l l m 的 上下文瓶颈，为 ai 赋予人类级别的生命周期记忆提供了可能。在深入了解 m z 之前，我们先来看看当前大模型长记忆面临的不可能三角现有的记忆范式在容量、可扩展性、解锁精度与端到端优化之间 始终面临着不可调和的妥协。大家看表格中的三大范式参数化记忆，如 low r a titans， 虽然能深度融入语义并原生支持端到端，但面对海量新知识时极易发生灾难性遗忘，无法实现真正的终身记忆扩展。外部存储，如 rag mam agent， 这种方法支持海量知识库，但由于解锁和生成是割裂的流水线，缺乏端到端的优化，语义对其较弱，导致模型内部推理空间与外部解锁脱节。隐状态记忆如限性注意力 dsa 虽然通过模型原声表征保持了高保真度，但面临着效率与容量的严峻权衡。固定状态的方法在极端程度下会丢失大量信息。而今天的主角 mate 架构通过创新设计一举打破了这个不可能三角。它不仅支持一亿 token 的 海量外推，还能实现 topk 的 精准路由， 并保持了几乎现性的 o l 复杂度的端到端联合训练。那么 miza 是 如何做到这一点的呢？请翻到第三页。这页展示了 miza 的 核心设计， 将海量语料压缩并无缝集成至大模型的底层。注意力机制中实现了端到端的稀疏剪索与生成。整个推理管线被优雅地分为三个阶段，离线、全局记忆编码 系统会对高达千亿级别的语料库。本研究中使用了一百五十八点九五 b token 语料进行预处理，通过池化操作，文档被压缩并生成专门的压缩路由键 k 而和压缩的键值 k v 矩阵， 实现了海量语料向结构化前状态库的转化。再线路由与上下文组装。当用户输入 query 时， 模型内部的路由器投影仪会生成特定的路由查询向量，并在庞大的缓存中计算相似度，进行 topk 的 精准激活。在线稀疏生成系统仅将得分最高的高度相关的记忆切片加载进来 拼接。在当前 query 的 缓存之前，标准 l l m 架构随之进行自回归生成。这种只看重点的机制是它保持高效的关键。在有限的硬件下支撑一亿 token 绝非易事，请看第四页论文通过架构、 硬件与推理策略的联合创新，构建了三大核心支柱，架构级，文档级 rope 旋转位置编码， 传统的全局位置编码在文档增加时会导致严重的位置漂移， meza 为每个文档分配了独立平行的位置 id。 这种设计让模型在六十四 k 的 短文本上完成训练，就能完美外推至一百 m 的 超长上下文， 彻底解决了训练短推理长的难题。硬件级记忆并行与 k v 压缩一百 m token 的 k v 缓存超过了显存物理极限 ms 实施了天才般的分层内存策略，将需要频繁比对的路由键注入 g p u 显存， 而将庞大的内容 k v 卸载至 cpu 内存，结合缓存池化压缩，仅需两张标准的 a 八百 g p u 即可支撑一百 m token 的 满血推理。推理级记忆交织 memory interleave 针对多跳复杂推理， miss 放弃了单次解锁，转而采用了自适应迭代机制。模型可以按需多次生成剪索词，在离散的记忆片段中建立强大的交叉关联， 像人类思考一样进行多部证据链整合。翻到第五页，我们来看看数据层面的震撼表现。在 m s marco 问答测试与海量文本的大海捞针 奈尔测试中， miz 展现出了前所未有的抗衰退能力。大家可以清楚地看到，图标上的这条红线随着上下纹长度从十六 k 一 路狂飙到一百 m， 传统的长文本模型早就出现了断崖式的性能崩溃，而 miz 的 性能衰减竟然小于百分之九。同时，在 e m token 的 大海捞针极限压力测试中， 它的准确率依然高达百分之九十四点八四，这在以往的参数化模型中是难以想象的，它证明了 misa 能够从容应对高噪声的海量记忆堆叠。最后一页，我们来总结一下 misa 的 根本价值。 misa 所做的是将大语言模型的记忆容量与推理能力彻底解偶。以往我们总是试图让大脑的计算神经元同时承担海量死记硬背的任务，而现在， miza 证明了我们可以保留强大的推理中书，同时接驳一个拥有无限容量且无需牺牲精度的专属海量记忆库。 miza 不 仅仅是一项长文本优化技术，它更是通向具有终身记忆的 ai 智能体与真实数字孽生的底层基石。有了这项技术作为基础， 未来的 ai 有 望在陪伴我们一生的时间里，记住所有的对话、书籍和交互细节，真正成为具备长城记忆认知的智能生命。今天的分享就到这里，希望这篇 m z。 论文能为各位后续的研究带来启发，谢谢大家！
粉丝638获赞4230
相关视频
08:02查看AI文稿AI文稿哎，你听说了吗？ ibm 研究团队在今年四月发了篇新论文，标题叫 thinking without words， 翻译过来就是不用语言的思考，听着就挺玄乎的，对吧？ 哦，我知道这个，是不是说大模型推理不用再生成一长串的思考链了？之前我听别人说过，大模型做复杂题的时候，总要把解析思路全写出来，不仅慢，还费资源。 错，这就是他们想解决的痛点。你想啊，咱们现在用大模型做数学题或者逻辑推理，他得在输出答案前，先把每一步都用自然语言写出来，这叫 verbalize code， 也就是口头化思维链。 对，我之前试过让 gpt 四算一道几何题，他写了快两百字的步骤才得出答案，确实挺费时间的。那这里面到底有什么问题呢？ 主要是三个大问题。首先就是效率太低，算个题要生成好几百上千个头啃，这延迟和计算成本一下就上去了。然后是不忠实性，有研究发现，模型写出来的步骤可能不是他真实的思考过程，就像咱们考试写作文，表面上是按思路一步步写，其实可能是凭感觉凑出来的。 还有就是可解释性的问题，对吧？之前 deepsea 的 研究发现，就算在思考链里混点没用的废话模型，照样能得出正确答案，说明性能和人类能不能看懂没关系。 没错，这就说明口头化思维链有点盎然了，所以他们就想，能不能找个更高效的替代方案。 这篇论文的核心思路就是用简短的抽象 token 序列代替永长的自然语言思考过程。抽象 token？ 就是 那些 token a， token b 之类的东西吗？这玩意能代替自然语言的思考链。 哎，这就是他们的巧妙之处。他们给模型预留了一组之前从未见过的 token， 组成一个抽象词表，诱导模型在有限长度内生成这些 token 序列，就像一个隐藏的草稿本儿。 那具体是怎么实现的呢？总不能直接让模型用这些随机的 token 去推理吧？分两步走的，先热身，再强化学习。第一步是策略迭代热身，让这些抽象 token 先学习有意义的表示，就像教小朋友认字一样。 第二步是热启动强化学习，优化抽象系列的生成策略。哦，还有关键约束对吧？必须用 begin abstract 和 end abstract 标记抽象系列还得限制最大长度。最重要的是，生成答案的时候只能参考抽象 token， 不 能看口头话的思考练。 对，这个信息瓶颈很重要。就好像咱们考试的时候，只能看着草稿纸上的关键步骤答题，不能再去翻之前写的思路，强迫模型把有用的信息都压缩到抽象 token 里。 那这个热身阶段具体是怎么操作的呢？毕竟一开始这些抽象 token 都是随机出使化的，模型根本不知道该怎么用。它们 分迭代来的，每一次迭代都有两步，第一步是瓶颈化， sft 用口头化思考链指导生成抽象训练，但是答案只能参考抽象 token， 不 能看思考链。这就相当于让抽象 token 从思考链里提炼有用信息，形成一个离散的潜在瓶颈。 那第二步呢？提炼完之后，总不能一直依赖思考练吧？第二步就是自蒸馏，把口头化思考练去掉，让模型直接从提示生成抽象构想。第一次迭代的时候，抽象构想是随机的，后面再迭代就用之前生成的抽象训练来训练，这样模型慢慢就学会，不用思考练也能生成有意义的抽象训练了。 哦，这么个过程啊，那热身完成之后，强化学习阶段又是怎么回事呢？他们用的是 g r p o 训练，就是给每个提示采用多条轨迹，用生成式奖励模型来评分，计算优势函数，更新策略的时候，同时考虑抽象向量和答案 token 的 概率， 而且还有约束解码。抽象 token 只能从预留词表里选，必须在指定长度后生成结束标记。那 k l 正则化又是干嘛的？ 就是为了让模型的策略不要偏离热身阶段，学出来的太多，保持策略的稳定性，防止模型瞎探索，生成没用的抽象训练。 说了这么多技术细节，那效果到底怎么样？有没有真的提高效率还不影响性能？他们做了挺多实验的，用了 q n 三八 b、 granite 三点一八 b 和 q n 三三二 b 这几个模型 在 match 五百， alpec evo 和 hotpot qa 这几个任务上的结果还真不错。就拿 q n 三八 b 来说，用 abstract coat 之后， match 五百的准确率是百分之九十四点六，和 verbal coat 的 百分之九十五差不多，但用的 token 数从一千八百三十二降到了一百六十七， 直接减少了十一倍。哇，这效率提升也太夸张了吧。 alpec evo 和 hotpot qa 呢？ ifl 的 胜率从百分之六十五点二升到了百分之六十五点六，反而还高了一点， token 数从六百零八降到两百二十九，减少了二点七倍。 hotspot q a 的 f 一 从六十点九升到六十二点一， token 数从七百九十七降到一百八十，减少了四点四倍。而且在 q n 三三二 b 上的结果也差不多，说明这个方法在不同模型上都有效。这么看来，效率和性能都没落下，确实挺厉害的。那还有什么有意思的发现吗？ 他们还发现了一个惊人的现象，抽象 token 的 使用频率居然呈现出密律分布，就是少数 token 被高频使用，大多数 token 用的很少，和自然元的磁频分布很像。密律分布。这说明什么？ 说明模型学会了重用某些 token 来表示频繁出现的概念，其他 token 留给罕见的概念，相当于模型自己学了一套内部的概念语言。而且冷启动 r l 的 分布就比较均匀，不如热启动 r l 明显，这也证明了热身阶段的重要性。 那抽象词表的规模有没有讲究？是不是越大越好？它们试过不同规模的词表，发现 m 等于六十四的时候效果最好，太小的话表达能力不够，太大的话尾部 token 就 用不上了。 冷启动 r l 不 管词表多大，效果都不好，进一步说明热身是必不可少的。那总结下来，这篇论文的核心贡献是什么呢？ 首先是提出了 abstract chain of dot， 用预留的抽象 token 词表做推理，不用口头话思考，练。然后是策略，别带热身的方法，让抽象 token 学会有用的表示。还有热启动 r l 优化策略，实现了显著的 token 效率提升。 最重要的是，他们证明了模型能学习自己的内部语言来推理，这可能会开启新的研究方向。那这个方法的潜在意义有哪些呢？ 首先就是推理效率的革命，以后复杂推理任务的成本会大幅降低。然后是后训练机制，不用从头训练模型，直接在现有模型上就能加，而且在多个模型家族上都验证过，泛化性不错。还有就是发现模型能学内部语言，这可能会改变我们对大模型推理方式的理解。 那未来还有哪些可以探索的方向呢？比如试试更大的抽象词表，看看能不能进一步提升性能。还有就是研究这些抽象 token 到底表示什么，能不能把它们解释清楚。再就是结合其他推理增强的方法，比如工具调用之类的，看看能不能产生更好的效果。 还可以把这个方法用到更多任务上，比如代码生成或者多模态推理。听起来确实挺有前景的，感觉大模型推理这一块以后可能会朝着更高效、更隐秘的方向发展，不用再依赖人类能看懂的思考链了。 不错，这篇论文就像打开了一扇新的大门，让我们看到大模型可以用自己的方式思考，不一定非要用人类的语言，说不定以后的大模型推理就像我们在脑子里默默计算一样，不用把每一步都写出来了。 哈哈，那以后我们用大模型的时候，他可能就在后台生成一堆我们看不懂的抽象 token， 然后直接给我们答案，既快又省资源，想想还挺有意思的。对，这可能就是未来的趋势，毕竟大模型的思考方式不一定非要和人类一样，只要能得出正确答案，效率又高就足够了。 行，那今天咱们就聊到这里吧，这篇论文确实挺有干货的，希望能给大家带来一些启发，说感兴趣的朋友可以去看看原文，相信会有更多收获，咱们下次再聊。
62每日Arxiv
03:41查看AI文稿AI文稿大家好，今天很高兴能为大家分享我们最新的研究成果。 mars mars 高透瑞格诗雅。这是一种专门为增强自回归 a 二语言模型多透肯生成能力而设计的技术。 目前的 lolm 推理往往受限于逐个偷肯生成的低效，而 mark 的 核心优势可以概括为三个零和一个，突破零架构，修改零，新增参数以及突破性的推理加速。这项工作由南洋理工大学、新加坡管理大学和乌普萨拉大学的研究团队共同完成。 为什么要开发 mars？ 传统的自回归生成过程存在一个显著的算力浪费问题。无论生成的内容是极具确定性的公式套化，如 the answer， 还是复杂的逻辑推理模型，在每一步推理中分配的计算资源是完全均等的。 对比现有的加速方案，投机解码 speculative 的 coding， 虽然不改架构，但需要维护复杂的双模型调度工程，复杂度极高。 多头架构，如 medusa ego， 通过增加额外的预测头来实现，这必须修改模型架构并引入额外参数。相比之下， mark 是 自回归模型的严格抄袭，它不需要修改架构，也不增加参数，仅通过极小成本的轻量级微调就能完美附用现有的推理基础设施，实现零开销细柔 over 黑的部署。 mark 之所以强大， 源于其独特的双流野马训练。杜洛 tryna 纯净流 clean stream， 保留标准的因果注意力，锁定原始的 a r 推理能力。造声流逻辑 stream， 将未来 token 替换为 mas 站位符强迫模型。基于前文一次性预测多个未来 token。 在 推理阶段， 我们采用了自适应滑动窗口 sliding window inference， 系统会根据设定的信度域值套动态调整生成不长。当模型非常自信时，单次前向传播可直接接受一到四个 token， 而在遇到复杂内容时，它能平滑切换回传统的逐 token 生成模式。 实验结果证明了 mark 在 性能上的优越性。质量突破在无损单步模式套等于一点零下， mark 不 仅没有精度损失，甚至表现更优。例如，在昆二点五到七 b 上， gsm 八 k 准确率提升了四点五点， fuemen evo 提升了三点零点。 速度突破在多步加速模式套等于零点九五下，我们在保持基准及精度的前提下，将吞吐量提升了一点五至一点七倍。我们的核心洞察是 sft loss 是 锁定模型在多 toc 预测模式下推理能力的关键锚点，它有效防止了在训练大 bug 赛时 a 二信号的衰减。 算法的理论加速必须转化为真实的物理时间缩短。为此，我们开发了会计 kv 缓存同步设计 bug level kv cache synchronization。 在 真实的高病发场景， bash size 等于四八十六下， mark 展现了显著的挂钟时间加速。例如在 bash size 为四时，相比带 k v cash 的 标准 a 二方案， mark 实现了一点七亿倍的真实加速。这种设计成功避免了多托肯生成可能引发的全局重计算拖累，确保了在大规模部署中的实用性。 最后总结一下 mark 的 三大实践价值，即插即用，无需任何预测头或双模型， 完美附用原始部署站动态旋钮，支持毫秒级热切换服务，负债高时降低套值追求，急速负债低时提高套值追求。极致质量训练经济仅需在原有的 sft 数据上进行五个 epec 的 极小成本微调 即可唤醒模型的多透肯生成潜力。总之， mark 为下一代 llm 部署提供了一个实用的延迟质量平衡旋钮。谢谢大家。
02:24查看AI文稿AI文稿在亚马逊上赚钱这么简单啊，昨天我讲过用 ai 来写书，然后发布到亚马逊上去去卖，我两个小时内就写了五本，然后现在已经发布上去了，已经有一些已经通过审核了看，比如说这一本， 我现在定价是十九块九毛五。这个事干起来其实不难，关键就是信息差。大概的过程我可以简单说一下，就是首先你把呃你要让 excel gpt， 然后帮你 选择题，呃，主要选择题的内容呢？就是选呃，一个痛点啊，就是说找到人们经常关注的痛点，然后有一些解决办法， 把这样的一些提示词告诉拆的 gpt， 让他帮你选题，他会帮你选出来一系列的题目。然后呢，呃，把这个题目再继续给拆的 gpt， 或者给 jimmy， 让他去帮你完成八到十张。第一步，先列个大纲，让他列一个八到十张的大纲， 然后呢，再继续让呃 jimmy 吧，呃，告诉他每一张写八百到一千个字， 这样这一本书就能够写完了。然后最后啊，要注意，你要是呃在亚马逊上去卖，你要肯定要有一个好看的封面，所以你可以用 kanwai 来帮你生成这个封面， 就这么简单。然后整个过程呢，其实你要如果说一步一步自己做还是有点麻烦，所以我把它写成了 skill， 这样就是你只要告诉他帮我写书啊，然后剩下这个视频，我就把整个的过程全都自动化了好了，大概的过程就是这样啊，如果 这个视频点赞超过一百，那我就把这个开源出来， 有人说你开园就开园呗，钓什么鱼啊？是这样的，就是呃，通过点赞呢，主要是想了解，想了解大家对这个事情是不是感兴趣。 点赞的人多就说明大家对这个事情感兴趣，那开园才有价值，否则的话开园出来也没人看，对吧？
28杜总AI编程工坊
06:11查看AI文稿AI文稿我绝对不允许还有留学生到今天为止还不会用 gpt 写六类论文作业。 gpt 是 目前最最最最合适写学术论文的工具，它是效率神器。 首先我们可以看到这个作业很明确的是说了 reflective essay。 在 这里我给大家进行了一个中文的翻译。这个作业是一个反思性的论文，使用 times new roma 格式， power 的 引用格式要求是反思这门课当中所学到的内容，将和自己的人生或者职业目标进行匹配。作业要求包含六个，本课程给出参考文献，参考文献需要支持我们的论点。 大家可以看到我们上传作业要求和评分标准。拆解这道题目，让他拆出核心的任务动词。每个动词在本题中的具体要求包括主问题子问题必须覆盖内容、容易偏题的内容，回答边界以及后续最需要那些材料。 我们不能把它写成一个 research s 了。好，那么在这里呢？随后呢，我给呃 gpt 上传了从课程的 reading 当中下载的一些内容，拆解一下。现在这个材料告诉 gpt， 我 的目标是在中国的外企当中担任这样商业的一个岗位。随后要求他对 材料进行具体的归类和分析。 vt， 他 给我们进行了一个优缺点的这样的一个对比，就像在这里他很明确提到他觉得能力缺口这个方向其实就是不太好。他也出了我们上传的这些文献，他是怎么支持我们立场 b 加立场 c 的 这样的一个具体的写作的。最后提出了一句话的中心论点， 提出了论证路径的设计，我们要提出定调，并且提出论点，随后 part two 是 我们目标的理性，为什么选外型，外型的合音挑战是什么？好？最后第三个部分，批判性反思，第四个部分就是建立一个这样的知识和逻辑链。 不过下一个部分呢，就是关于行动计划和随后呢，是反方比较以及批判断的位置，他要求我们觉得放在 reflection 中间可能会比较好，我们上传了以及对 gpt 做出了明确指定的这样的一个情况下，他生成的东西其实是很合格的。这篇 essay 写作是需要做什么？并且我们这些具体的文献是需要应该怎么使用的？ 随后我们来到下一步写 s 的 主动提纲，这也是我们之前反复强调的这样的一个过程，必须要有主动提纲，那可以去看到我这里的 promote 也同样是用的这个标准的视力，断了名称、任务、核心论点，使用什么文献分析动作与上下文的关系，建议字数以及不写什么。那么 g p t。 在 这里就会给我生成一个很详细的提纲，是 introduction， 那么任务是什么？论点是什么？理论是什么？段落二，比如说他也很明确的列出了这七个要点。主段大纲其实是很合格的，他回答了我们每一个要求他给我们输出的东西，并且也很好的这个分配了我们文献如何使用，并且也回答了这个作业需要我们完成的这样的一个任务。好，那我们简要的过一下这个大纲。最后我 现在要求他不要写整篇 i c， 我 们现在只开始写引言，这也是我们之前所反复强调的，就是我们一次只生成一个段落，这样方便我们进行整理和核对。 好，那么我这里也同样是用的比较标准的这个 promote 的 势力，那我会跟他说，我只写引言。大家可以看到我在这里加了一下注意引用要求，因为我自己用 ai 会比较多，我会发现他有的时候 如果你没有专门的提示，他有可能会忘掉使用正确的引用要求。就比如说我们在这篇 s 里，他的要求是使用哈佛格式，那么你可能需要专门的再跟他提一嘴，说你一定要包括引用等等等等。 好，开始写下一段落。大家也可以看到我在这里明确提出了要论点论据分析小结的这个结构来写这一段。好，并且我也提出了我们是需要用什么文献，我们的需要 完成的任务是什么？上下文的关系是什么？建议字是什么？不要写什么。大家也可以看到这个其实 gbt 在 给我们生成逐段大纲的时候所提到的内容。好，我们可以检查下论据。 ok， 它看起来是具有对的引用格式，它也明确标出了这个文的引用好， 给我们输出的成果，它其实是和我们 promote 的 这个要求是一致的，我们随后再进行下一段批判性反思输入进去。好，它也对应的按照这个要求给我们输出了一段，看起来是合格的。好，那我们再看下一段，让它来输出，我们再来检验它这个成果。 好，这也同样的。 ok， 我 看到很明确的它包括正确的引用，如果大家自己在尝试的过程中复制粘贴就好了，他就会给你输出对应的这样的一个内容。好，我们现在来看这里跨文化的发展计划，具体的 promote 这样的一个要求。然后随后我们可以检查一下没有问题， 我们来要求他，我们写结论段，结论段他其实是比如说把前文已经确认通过的核心判断进行一个总结，可以提出一点点这个意义或者启示不会篇幅过重或者是怎么样。在得到了所有完整的结果之后，会要求将其合成一篇完整的草稿，一千五百五十一字，那么是符合我们对要求的。这是一个哈佛格式的引用， 它最后的引用列表是需要按照 a、 b， c， d 这个字母的顺序进行排序的。生成了最终的文档，我现在要开始要润色这篇文章，我们要对 i c 这篇文章的它这个生成的内容的整体的一个论述方式，它是否具有逻辑性，它的每一段之间需是否衔接的够好， 他的论点或者论据他是否是充分的。按照标准的 note 要求他进行检查是否存在一些低质量的问题。 ok， 他 们你帮我进行修改，然后他提出， ok， 进行段落五的修改，那么我也会要求他按照他之前提出的问题继续进行修改。最后，因为我其实还不是很放心我们在通用流程当中的修建的这样的一个话术，我再来问他，我说 不要印象式评价，告诉我本段中心的判断是什么，用了什么证据，这些证据是否足以支持当前判断。我要求他修定了完成之后再修定一次，对他自己的这个成果再重新进行一次核查，他还仍然发现他存在一小问题，我再次要求他帮我修定主要薄弱的这个断路二、断路三和断路五这样的一个流程， 全部都修改完毕了。好，那我要求他在修改完毕之后，给我一份好的这个最终草稿，标题引言，具体的段落的小标题，以及这个结论，还有引用列表。现在我要求他最终的润色，这也是我们使用 ai 生成文章的这个最后的一步， 进行润色之后，引言之前是中文，他这里就直接给我们修改好了，他改成英文了，这是一个正式可提交的版本了，大家在拿到这个生成的正式文件之后，一定要再去检查一下这个权威引用参考文献，对的上， ok， 没有问题。好， 现在是内容都是完全没有问题了，我们已经可以导出了。 ok， 那 我会让他给我生成一个 word 文档，我们就可以直接进行一个下载，再尝试去进行最后一步的叫对，或者是寻求比如说老师的帮助，然后再帮忙叫对一次。 那么这就是本节课关于如何用 ai 生成 essay 的 这样的一个流程。我们下一节课教授大家如何用 ai 生成具体的这个 report 这样的一个流程，那么同样也会向大家讲述 report 和 essay 之间它存在什么样的一个具体的差异。记得点赞关注哦。
05:00查看AI文稿AI文稿ai 大家都在用，豆包千问元宝 deepsea 轮着翻牌子、写文案、做 ppt 深图深。视频用的贼溜，但是冷不丁冒出个专业词汇，什么 l l m， 什么 proment， 什么 agent， 什么机器幻觉私有化部署，是不是有点懵逼？叽呱呱，说啥呢？ 这期视频简单粗暴讲一下 ai 是 怎么练成的。 我们先把 ai 想象成一个机器人，可以脑补一下星球大战里的 cpu。 我 们从头开始造一个机器人，先造哪个部位呢？你肯定会说，大脑。没错，我们从头开始，先把脑壳子给他搭出来， 这就叫模型架构。以前这个壳子怎么搭都搭不好。直到二零一七年， google 出了一篇论文，叫 attention is all in unique， 给了一个叫 transformer 的 底座，一下子打通了 ai 的 认知二脉。说专业一点，是用自注意力机制代替了循环结构。说明白一点，他不再是读死书，死读书还读的那么慢，他对读书的能力升级了。总结成两个成语是一目十行和融会贯通。 然后在 transformer 这个底座上，你可以进行改造装修，装修成你想要的模式架构，比如编文本、编图像，编视频，也可以编金融，编法律、编医学。 不管怎么编，此时它只是个架构，大脑一片空白，我们需要把海量的数据塞进他的脑子，然后开始魔鬼训练。这一段时间主要是训练，训练结束后，他就进阶为基座模型。 机座模型的种类挺多，经常听到的是大语言模型 l l m， 那 就是 large language model。 人类数千年积攒下来的各种书籍、文献、网页、帖子，全部喂给他 胡吃海喝几个月训练出来的那个模型，能看懂人话，也能讲人话。看懂人话的原理涉及到我们一个逐渐耳熟的新词 toolk 词源。 简单说就是把一段文字切碎，切成预设好的数字编码 token id， 然后再让 ai 去理解和回答，输入和输出都要消耗 token。 总之，这是人工智障迈向人工智能的一大步。要知道，人类的语言千变万化，全世界那么多种语种，它都要会 中文来说表达同意思，一百个人可能表达方式都不一样，山东人还要倒装，俺知不懂啊。但会说人话还不够，我们还要要求他注意素质。你造个机器人，也要遵守阿信莫夫机器人三大定律吧。 所以 ai 不 能骂人，要讲礼貌，进行微操对齐之后， ai 就 变成了有素质的 ai。 到这里，各种基作模型就可以包装一下，做成 app。 初代的 deep secret、 豆包这些就差不多能出现了。顺便提一下，豆包，千问是产品名，各家的基座模型都有名字，豆包的基座模型叫 seed， 千问叫千问，元宝叫魂元， deep secret 就 叫 deep secret。 机座模型是 ai 的 核心，用自然语言对话是基本功能。然而人类不会仅仅满足于聊天， ai 你 要转化成生产力啊。我们一步一步解决第一个机器幻觉掌握的知识过时了， ai 会一本正经的胡说八道。除了再次教育他注意素质，不要瞎编之外，我们还给他增加了一个联网搜索功能， 及时补充知识。专业说法叫 r a g 解锁增强生成第二个多模态大模型，只会输出文字还不行，我们要求 ai 能生成图片、视频代码， 以前的做法是给大元模型加上视觉模块，现在高级了，直接用原声多模态大模型。第三个， agent 和 skill。 现在你已经是一个成熟的 ai 了，不要光动嘴不动手， 我们让 ai 调动工具，它就是个 agent， 也就是智能体。比如千问能调动淘宝点外卖，调动高德打车，而点外卖这个技能就是一个 skill。 现在豆包、千问基本上都是各种智能题的集合，内置了无数 skill， 什么解析、 p 图、翻译五花八门。第四个， open clock。 每个人的需求不一样，如果你想要 agent 做更复杂的事，就需要定制一个 agent， 然后给他配相应的 skill， 还要给他更高的权限。听起来很高端，总结一句话就是 open claw 就是 养小龙虾。第五个 promet， 也就是指令。虽然 ai 能听懂人话，也能干活了，但是你想人与人沟通都会产生误会，何况是 ai 呢？所以下达清晰的指令在 ai 时代很重要， 特别是 a、 i、 t、 c 方面， prompt 也是一种能力。第六个，私有化部署。 ai 企业有很多 b 端和 g 端用户，比如金融机构，他不可能把自己的数据全部公开，所以他们会把大模型、知识库、 agent 全部搬回家，这就是私有化部署，也是 ai 产业最重要的盈利模式。最后再补充一个问题， 豆包每天忙得飞起，一刻不停干各种活，他靠什么来维持运行呢？豆包的背后有一个提供算力的大佬，名字叫火山引擎，那里有数不清的 gpu， 日以继夜提供 toc 服务。其他的 ai 也是这样，背后都是算力和电力的支持。
2.8万AKA_张猩猩
08:02查看AI文稿AI文稿别再说论文写不完了，我这套六天冲刺法去年带了两百多个学生，查重率平均个位数，答辩通过率百分之九十七，今天把底裤扒光，直接抄作业。本期视频只讲两张， 一、大学生毕业论文，六天写作指南。二、摸语法，三十分钟写好出稿，现在还一个字都还没写呢。建议直接用这个摸语法， 三十分钟也能搞定文献真实可查的出稿。话不多说，直接上干货。第一天，定题与框架方向错了，后面全废，很多人写不下去，不是不会写，是根本没想清楚要写什么。第一步，用漏斗法缩选择题，从大领域一层层筛到具体题目， 比如教育技术，缩到在线教育，再缩到大学生网课参与度，最后落到互动功能对学习投入的影响机制。同时问自己三个问题， 数据能拿到吗？文献够三十篇吗？导师同意吗？有一个否定就换题。第二步，从结论倒推框架，先想清楚最后要得出什么结论，再反推需要哪些章节支撑，文科六章，理科五章，每个章节用一句话概括核心论点，贴在文档顶部当锚点。 第三步，文献速览定方向，知网限定核心刊，近五年被引十次以上，下载十五到二十篇，只看摘药和节语标记可引用的观点。 实操技巧，准备两个选择题，找导师备否，一个立刻上，第二个，时间经不起折腾。第二天，文献综述。这不是读书笔记，是学术对话的入场券， 写的好，评审默认你是内行，写的烂，他带着质疑读你所有内容。第一步，选组织方式，要么按时间轴写演变，要么按主题轴写维度对比二选一，别混用。 第二步，制造学术对话，不要 a 说了， b 说了， c 说了，要写成 a 基于 x 样本发现 y， 但 b 指出忽略 z 变量，而 c 改进方法验证了每段结尾用。然而值得注意的是，引出研究缺口，你的切入点就藏在这里。 第三步，标注三种缺口，先有研究，关注什么？现有结论存在分歧，某情境适用性未检验。你的选择题必须落进其中一种 实操技巧，引用密度，每三百字至少两到三处，但同一观点，别堆五篇文献，选最权威那篇，控制数量，提升质量。第三天，研究方法， 这是论文的信用背书，你说参与度很高？评选第一反应是你怎么知道的方法，写清数据才有说服力，方法写胡再好，数据也白搭。第一步，明确研究类型，定量交代四样对象是谁，抽样怎么选，测量用什么量表，分析用 s p s s 还是 a？ m s。 定性也交代四样场景在哪，参与者是谁，资料怎么收集，用什么技术分析。混合研究，必须说清顺序和整合点。第二步，设计工具，问卷每个变量三到五题项 laker 的 五级量表，反向记分题必须标注。访谈用半结构化提纲，热身破冰核心，深挖追问抓细节，结束收尾吧。 第三步，补充数据质量说明样本量计算依据，信度， chromebox alpha 大 于零点七，效度 k m o 大 于零点六。这些数字现在写进去。答辩时对答如流。实操技巧，提前准备方法，答辩提库为什么选这个方法？样本量够吗？怎么保证信效度？答案写在文档末尾，答辩前看三遍。第四天，核心章节， 这一天产出论文最硬核的内容，其他章节可以润色。这张必须原创扎实，评审打分主要看这里。第一步，图表优先呈现数据能用表格，不用文字能用图形不用表格。一张表控制在六列以内，超过就拆分。 三线表，顶线、栏目线，底线，取消竖线和斜线。图表必须字明，单独截屏发给朋友，不问上下文，能看懂六成才算合格。 第二步，论正用四步结构，先量观点，再摆数据，再解释为什么这个数据支持观点。最后回扣章节标题，每一步都不能少。第三步，处理异常数据，不符合假设的，如实报告并分析原因，这比只报好结果更且学术诚实，庭审反而觉得你靠谱， 实操技巧。核心章节占全书四成到五成，本科四千到六千字，硕士八千到一万二，写之前算好字数分配，别前面啰嗦，后面仓促。第五天，结论与讨论。结论回答发现了什么？讨论回答为什么重要，这一天决定论文是交差作业还是像样的研究。 第一步，结论分三层写。第一层，复述核心发现三到五条，概括每条对应一个研究问题。第二层，解释机制，回答为什么会这样，引入理论归音。 第三层，说明边界条件在什么情况下成立，对什么群体适用，体现严谨性。第二步，讨论对接文献综述。你的结果支持了 a， 修正了 b， 补充了 c。 这三句话写出来，庭审就知道你做出了增量。第三步，写理论和实践贡献。 理论贡献，比如拓展了某理论在某情境的应用实践贡献分对象说，对管理者、对政策制定者、对从业者，别只写具有重要意义。第四步，写局限与展望两个实质性局限，加一个改进方向。比如样本仅来自单一城市，未来可跨区域验证实操技巧。 结论不出现新数据、新文献、新观点。讨论不重复，结果描述必须上升到解释层面。这两个地方混了审，觉得你逻辑不清。第六天，摘药与格式审，先看摘药定档次，再看格式判态度。摘药好，他带着期待读正文，格式规范，他默认你是认真的人。 第一步，写结构式摘药，五句话目的，一句方法两句结果两到三句结论一句中文三百字，英文二百五十次，关键词五个，一个核心概念加两个理论方法词，加两个情境词。 第二步，统一标题层级和页眉，页脚一级黑体三号、二级、凯体四号、三级宋体小四加粗，用样式刷，批量处理基友页，不同页眉放题目，页脚放页码。 第三步，规范图表和参考文献图，三杠一表四杠二图，标题在下方表，标题在上方。餐跑文献。三，查数量够不够，类型对不对，格式严不严？本科三十篇，硕士五十篇，刊为主，格式用 g b 杠 t。 七七一四 实操技巧。摘要里不要出现文本。笔者，我们不要引用参考文献，不要解释研究背景。这三件事做了摘要立刻变啰嗦。还有同学就问了，只剩不到半个月要交稿了，一个字都憋不出来，时间根本不够怎么办？ 今天直接教你们一个摸鱼小妙招，只要把标题定下来，三十分钟就能搞定一篇完整的万字出稿，文献还都是真实可查的。首先呢，我们来到之网去输入我们的选择题关键词，然后我们再通过绞，这样子的话我们会得到很多跟我们选题相关的参考文献。 在这里面我们先不要去勾选，而是先确定好它的主要主题，次要主题还有相关学科以及年度时间，给他锁定近三到五年的范围，这样子筛选出来的文献是具有一定的时效性和创新性的。 然后呢，我们再点击这个小田字格，这样子文献就会直接展示它的摘要以及关键词，我们快速通过这些摘要和关键词去锁定我们需要的近二十到三十篇参考文献。 筛选完之后，我们再通过这个导出与分析，导出文献的标准格式，把文献导出备用。这一步就是为了确保我们找的文献都是真实可查的。 我们把文献复制好之后，再来到这个能辅助我们写好论文的平台，无论是毕业论文、文献综述还是开题报告、任务书，我们都能通过它快速写好。那首先写论文的同学，我们第一步就是把标题一字不差的填写好， 然后再确定好我们的专业以及需要在文章中展示的三到八个关键词，再确定好我们需要的字数，这里面的字数上限是十万字，下限是五千字，能满足大专、本科、硕博不同需求。 如果有提前对任务构思的同学，我们可以在这里补充相关作者、人物关系、作品样本和实验数据，更好的让平台读懂我们的想法。把所有基础信息填写完之后，我们就可以到下一步在这里完善我们的文献。我们回到刚才在知网找好的参考文献，把它复制粘贴过来，然后通过解析文献格式把文献整理排序。 当然，如果觉得文献不够的同学，我们可以用这个推荐文献或者追加英文文献。这里面的文献都是平台根据我们提供的信息进行二次检测的，真实可查。把所有文献确定好之后，再看一下文献数量和内容对不对的上， 对的上就点击确定。来到完善提纲的环节，这里面如果有提前跟导师确定好提纲的同学，我们可以根据三级目录的格式把提纲整理好粘贴进来，这样子平台就会识别我们的提纲。 当然没准备好提纲的同学也别慌，我们可以用这个实时提纲，这个提纲是平台根据我们提供的信息，按照论文逻辑生成的最新参考提纲，觉得不好的话还能在线更改章节，减少章节。如果内容中有图片表格或者公式代码的需求，我们可以在这里点亮小方块，在需要的章节插入所需格式。 然后我们检查一下格式内容有没有错，没错的话就点击下一步，不到三十分钟，我们就能得到一篇格式内容齐全。每个目录下内容都很专业丰富的论文文档，它的字数也在我们需要的范围之内，我们刚才勾选的图片表格、公式，它都会补充好。 最重要的一点，参考文献都是我们自己找的，真实可查，杜绝了造假行为。还不会写初稿的同学，真的可以试试这个方法，其实真的很简单。
50鱼丸学长
01:54查看AI文稿AI文稿以前写论文真的内耗的不行，天天卡在原地焦虑，一直在纠结我这个创新点行不行，框架好不好，数据全不全面，参考文献准不准，直到自己说服自己啊。我觉得所有东西都准备好了才肯动手。但是发过几篇论文以后你就会懂，好论文都是拼出来的，而不是写出来的。 第一点，先去借，别瞎想乱七八糟的，先用最短的时间去找三到五篇跟你选题最相关的论文，不要去试图看懂他们，你就先去数清楚人家写论文的时候分了几个章节， 每一节有几个小标题，然后图放在哪个章节里，然后他的表格长什么样子， introduction 怎么开头，结论怎么收尾，就是全部扒下来，你照着搭一个空壳子，你这个结构搭好以后心里自然就不慌了。 有些人会说啊，这一步感觉就是在抄啊，框架怎么能是抄呢？框架从来都不是抄，只是借鉴，而且框架是行业的规范。第二点，最重要的一步就是先填垃圾进去。框架搭好之后，让 ai 根据你的选择题和这几篇论文，帮你深沉一个大纲， 然后你把每个小节能想到的东西全部填进去，自己的想法，看过的文献，甚至是半截还没写完的句子，不管是中文英文还是日语都可以不用也不用，管他通不通顺，你就先保证他有字就行。核心逻辑就是一句话，先完成再完美，你要换意思而不换逻辑。 很多学生写论文卡就卡死在这里了，总想着等我想清楚了以后再写，结果几天下来就什么也没写。 那最后一步呢？就是洗，你把所有的内容填完以后，直接交给现在的 ai 工具去处理，整体去翻译，去润色语句不通的地方。然后如果有和参考文献里很相近的地方，你自己再改写一遍，什么格式啊、标点啊、参考文献 全都让他去搞定，这才是这一步，才是写论文。但他其实是最快的一步，如果还有问题的话，可以评论区告诉我你具体卡在哪一步。
169东京洋芋
10:17查看AI文稿AI文稿挑战五一假期后如何仅用四天时间写完论文？首先说明，这指南分两张，不是给学霸看的，是给你这种没系统学过的。第一张呢，就是保姆级手把手教你怎么四天写完一篇论文，保证结构完整，逻辑顺畅，字数达标。 第二张，嗯，是给懒人的福音，半小时就能搞定初稿，教你个小绝招，搜搜搜就能大 g 框架好，先看第一张，准备装备，第一天开始前十分钟搞定。 找文献，知网、 google scholar、 学校图书馆数据库、 c i 简 hub 做笔记， notion， excel 非书表格选一个你顺手的。重点是好找写东西， word， wps overlay 一定得带自动保存功能，不然哭都没地方哭。 ai 帮手 chat gpt cloud 文心一言就用来优化语句，绝对不能代写核心内容啊，计时器，手机自带的就行。 第一，找文献，定题目，一点一快速捞十五篇文献。目标，先把能用的文献找出来，别纠结。精读五篇最近三年的领域好文，搜啥你的方向加研究进展或者时政分析，重点看摘要加怎么切入的， 比如基于某某理论，从某某视角出发，十篇数博论文，最近三减五年。知网搜学位论文， 重点看目录加还有啥研究没做的，或者以后可以干啥？加文献综述里怎么承上启下的句子。实操小技巧之网，可以同时打开好几个摘药页，按相关性排前二十篇里随便挑十五篇硕博论文，就看第二章综述和第五章结论与不足，每篇五到八分钟搞定。 千万别细读全书，每篇文献就干一件事，抄一段能引用的论点。数据。方法不足， 用 notion 或 excel 建个表，里面放标题二、核心观点，一句话概括。三、能引用的原句或数据。四、这块能用在哪？ 研究不足，这个最重要。实操要点，硕博论文的研究不足与展望。那一段直接复制到最后一列，那就是你选择题的突破口，每篇别超过十分钟，超过就打个存一跳过最后至少要有十条有用的笔记。一点三，订阅题， 用这个万能公式填空。前任研究了 a 什么和 b， 但没人做 c， 你 的切入点的我，我打算用某方法研究 c， 预计会发现。举个例子，假设是教育学，前任研究了线上教学对学生成绩的影响 a 和教师支持的作用，但没人关注不同家庭背景学生在突发网课期间的学习焦虑变化。 我打算用混合研究法，问卷加访谈研究 c， 预计发现低收入家庭的焦虑会比高收入家庭高，而且设备不足是主要原因。 怎么看选择题行不行？能用一句话跟室友讲明白吗？有没有明显的研究空白？看看你笔记里的不足，内栏四天内能搞到数据吗？优先选公开数据，模拟数据，别选需要实地访谈或实验的。结束检查。十五篇文件都下载好，笔记也做了，选择题，用一句话写在文档最前面。 研究方法，大概定好了问卷内容分析，二手数据案例分析之类的。 day 二，搭框架定目标理逻辑。二点一，搭个五段式框架，别自己瞎搞了，直接套下面这个模板进阶技巧，直接扒一篇硕博论文的目录， 把他的三级标题复制过来，改改就成你的了，快得很。二点二，细化小标题，在每个小节下面填空式写，你要写啥，别写论文，就几个关键词。三、一点一样本筛选，从某某数据库筛选十八到六十岁在职人群，剔除缺失值后， n 等于一千两百四十七。 四点二，主要发现，发现一百四年龄和数字素养正相关。发现二，教育程度的调节作用显著。好处是明天填内容时，你只要扩写就行，不会卡住。二点三，履顺逻辑链， 问自己三个问题，每个问题写二减三句话，研究问题是啥？本研究想搞清楚 c 在 不同群体里表现咋样， x 因素会不会影响 c？ 啥方法能回答他？用方差分析看组间差异，用回归分析看影响机制。文科生可以说内容分析法，文本编码案例比较预期结果能支持啥结论，如果假设成立，说明政策该针对某某群体，如果不成立，那得重新审视某某理论。把这三个问题的答案贴在文档开头。 day 二，结束检查五章框架搭好了，三级标题也细化了，每个小节下有两到三个关键词，提示逻辑链。三问写在文档最前面， 字数目标定好了，比如目标八千字，今天以大股价得。三，填充内容核心原则，先写完再优化， 别追求完美写作顺序不等阅读顺序按这个来，方法结果引言讨论摘要，因为方法最容易写，结果最客观。引言要引文献讨论的，有结果做基础。三点一，方法和结果方法就像写菜谱一样，写清楚就行。数据哪来的？ 公开数据库名、年份、网址或问卷回收时间分数样本怎么选的？纳入标准，排除标准，最终有效样本量 用啥模型？ s p s s 做了回归， m plus 做了 c m 或者就是描述统计和交叉分析结果先放图标， excel 快 速搞定，再写文字描述。比如，表一显示某某的平均值是多少，标准差是什么？图二表明随着 a 增加， b 呈现上升趋势。别解释原因，就报是什么。 没真实数据分析，可以用模拟数据或二手数据实力，但要在局限性里说明学术规范。先放一放三点二，引言套模板，写作背景，一简二句。近年来，某某问题备受关注， 前任做了 a 研究， b 研究，已有研究从 a 角度探讨了某某，这里可以引用 d 一 笔记里的一到两篇。也有学者从 b 角度发现这里再引用一到两篇， 但 c 没解决什么研究缺口。然而，很少有研究关注到 c 这一关键问题，尤其缺乏对某某群体的分析。本研究用 x 方法做 c， 为此论文采用 x 方法，通过对 x x 数据的分析，试图回答 c， 可发现了 y。 初步结果表明，用一句话概括 文本的理论贡献在于什么？实践启示是什么？实操，打开第一的笔记表，直接把核心观点复制到引言对应位置，稍作修改，写一段，立刻往下写，别回头。 三点三，讨论和结论用填空法，主要发现二减三句就行。本研究得出三个主要发现几条，与前任对比。这一结果与某某 a 文献一致，但与某某 b 文献不同，可能原因是样本差异、测量方式、文化背景、 理论贡献。本研究拓展了 a 理论在 b 领域中的应用，弥补了关于 c 的 研究缺口。实践意义，建议政策制定者或教育者或管理者 局限于展望样本局限性，方法，局限性，未来可加入某某变量或采用纵向设计。三点四，摘要放最后写，按这个结构写五句话 背景，一句话说明问题重要性。方法，数据来源加样本量加分析方法，结果，两到三个核心，发现带具体数字更好。结论，一句话回应研究问题关键词三到五个结束检查。方法，写完了至少五百字。 结果，有图表加文字描述至少八百字，引言写完了至少六百字。讨论和结论写完了至少八百字。摘药也写好了两百到三百字，总字数达到目标字数的百分之八十以上，比如目标八千字，现在至少六千五百字。 如果字数不够，去单一的文献笔记里多引用几处，每句话后面加一句，这与 x s 研究相呼应，既能增加字数，又显得学术。下面是第二章懒人福音，这个方法三十分钟就能搞定初稿，一套流程下来，内容逻辑都有， 来，咱们实操一下，选个十五到二十篇文献，最后点击导出，选查询引文格式，全部复制下来备用。然后呢，在这里输入你的基本要求，比如题目，关键词，字数什么的， 如果你有自己的想法，可以在补充资料里写进去，没有的话也无所谓。下一步来到文献板块，把刚才复制的文献全粘贴进来，记得点格式校验。如果觉得文献不够，下面还可以继续选，这些也都是从正规数据库来的，都能查到。 最后花一分钟检查一下文件对不对，嗯，然后是提纲环节，首先你会看到自拟提纲，如果你自己有提纲，直接填进去就行， 如果没有就点实时提纲，他会根据你前面的内容生成一个最贴合你内容的提纲，你可以在这个基础上再修改。如果需要图表公式、三线表什么的，在提纲右边直接勾选就行。 最后点下一步，等个二十分钟左右就能拿到这样一份完整的出稿了。从摘要、正文到参考文献致谢，所有部分都有，还有图公式也分布在文里，更靠谱的是文献都是你自己选的，都是真实的，完全不用担心造假 得。四、 ai 优化加格式整合四点一，文字优化怎么做？每次复制一个自然段到叉 g p t， 用下面这个提示词直接复制粘贴就行。对比改前改后手动调整改的太多的地方，特别是专业术语，重点优化这几块引言里的研究缺口，过度句， 讨论中跟前人比较的逻辑连接，摘药的精炼度，所有长难句 ai 常见，坑， ai 会瞎编引用，千万别让它补。参考文献 ai 会把本研究改成我们得手动改回来。 四点二，格式整合，按顺序检查这些，一项项打勾，标题层级、字体和缩进统一图表编号图仪表一，标题上下保持一致，正文中引用如表一所示。 参考文献格式用 endnote 或者叫 taro 一 键生成，统一用国标页眉，页脚加页码，页眉可以写论文标题、行距和字体，论文颂体或者 times new roman。 按学校要求微调 目录自动生成， word 引用目录自动更新。四点三，最后通读和微调怎么读？把论文打印出来或用朗读功能听一遍，更容易发现不顺的地方。 读每段的第一句是不是直接点明了主旨？读每段的最后一句是不是总结了该段，并引出下一段检查过渡句章节之间有没有。综上所述，下文将某某之类的连接，没有就加一句。最后是紧急预案。 一、文献找不到十五篇，降到十篇，也就是四篇近三年好文加六篇硕博论文，但要确保每篇都超出不足之处。二、选择题还是定不下来，直接模仿一篇硕博论文的选择题，把研究对象换成你熟悉的群体，比如大学生换成高直升。 三、没有数据，用国家统计局 c s s c g s 等公开数据，或者找现成的二手案例数据集，比如 cargo 上搜 education 加 survey， 私自注，死活不够，每出论点后面加。具体来说，把例如扩写成二减三句，描述方法部分把每个步骤拆成一句话。
0一半一半
01:53查看AI文稿AI文稿本科毕业论文真的很好写，今天教你一天写完论文，包括如何自查等问题。第一步呢，就是找参考文献。我一般呢会先在知网上搜索定好的关键词，下载准备用的参考文献。 一般来说，文献数量是目标，字数除以三百是一个比较合适的区间。比如说三千字的论文，我会找十到十五篇参考文献，九千字呢，就是三十到四十五篇本科论文的话，最好找十篇相关的学位论文作为框架的参考。 那么第二步呢，就是读文献了，第一遍就是怎么快怎么来，量子速度，大概看一下每篇的摘药。我一般呢会在万能小印上建一个知识库，给文献分类和记一下每篇的关键词重点，高亮一下可以引用的段落。 这一步呢，就是从几十篇论文中筛选出几十段真正要用到的核心内容，重点学习论文的结构，看人家的核心观点，研究方法和研究空白。那么第三步呢，就是开始写论文框架了，把每一张的一级标题、二级标题、三级标题先列出来。比如论题呢，是 a 和 b 的 对比，那么就分为一 a 的 分析，二 b 的 分析， 三 ab 的 对比。接下来就是把刚才整理的文献，按照关键词和相关性先填进去，把文献和自己要写的东西建立点对点的联系 好了。那么这一步第四步就是填中文内容，基本上就是一个完形，填空了文献，结合大纲一起丢给 ai。 那 么这个时候出来的是参考，是论文雏形，不是最终形式。 有了参考之后呢，自己从头到尾读一遍，然后每一小节用自己的话翻译一遍，要手搓哦。如果遇上觉得真的写的很好，完全没有必要改的地方呢，可以换一个 ai， 把这一段丢给他改写一番，然后再自己修一修，那么这一部分就算是搞定了。 那么到这一步呢，基本上论文雏形就全部出来了，但还是不能太过于粗糙，需要最后一步就是自查了。这一步我们可以直接让 ai 来查，但不一定他说的问题我们都要去改，可以留几个后续导师说让改的地方我们再来改， 因为这个地方呢，还是主要听导师的，毕竟能不能毕业主要还是自己的学校老师更熟一点。所以设定 prom 的 时候，我们可以跟他强调实在忍不了的三个 bug 然后改，那么 prom 的 我也放着了，自行截图哦。
115情绪稳定版🤬
01:51查看AI文稿AI文稿hello 小 伙伴们，你们是不是也跟我一样，用切记笔记帮自己写论文引言，结果写出来全是空话、套话，还瞎编引用乱凑，参考文献，逻辑更是乱七八糟，完全没法用。其实根本不是 ai 不 行，是你不会给指令， 今天直接给你们三条万能指令，照着抄就行，让 ai 老老实实当你的写作工具，绝不瞎编数据，不跑偏乱发挥！第一条，先为范文，再定风格，千万别一上来就直接让 ai 帮你写引言写炸药。 你先找三篇你目标期盼的高质量论文丢给 ai， 然后直接发指令帮我分析这三篇引言的句式，专业、术语密度，还有逻辑递进思路。之后照着这个腔调，同款风格，结合我的研究内容来写引言， 让 ai 先学顶刊的新闻套路，写出来瞬间专业，再也不像初中生写论写作文。第二条， 给好框架，锁死边界。 ai 最大的毛病就是喜欢自由发挥，东拉西扯，你直接给他做成填空题，把边界卡死。我的研究问题是什么？前人研究有哪些不足？本文的创新点在哪里？ 要求他严格按照研究背景、现存缺口、本文方案三段式来写，每段控制在五句话以内，严禁自己瞎加内容，乱下结论。第三条，限定资料，防他瞎编。 ai 最会一本正经的胡说八道，动不动给你编造不存在的文件乱凑 diy！ 所以 一定要加一句硬性指令，所有内容、数据、参考文献只允许用我给你的材料，超出范围的一律留白 标注代补充。就这三条指令，直接把 ai 拿捏住，让他只负责帮我们梳理逻辑，认识文字， 规范排版，老老实实当打字员，而不是自作主张。当你的科研工作者，记住一句话，用 ai 不是 让他替你写论文，是让他帮你省时间。核心创新点，研究思路一定要自己牢牢把控住。拜拜。
25迈得赛
01:25查看AI文稿AI文稿今天学姐跟大家说一下本科的毕业论文该怎么写？写好论文好用的 ai 工具有哪一些？ 首先，本科的毕业论文不需要什么重大的学术创新，其实老师心里都清楚，咱们本科生哪有那么高的科研水平，只要格式规范，逻辑通顺，内容不跑偏，基本都能过，所以不用这么担心。 首先确定好你的选择题方向，在知网上搜索关键词，选择相关文献导出，再把文献丢给 deepsea 或者豆包，让它选出几个好的主题，你从中选出一个心仪的主题，让它生成开题报告， 论文写作给 deepseek 这些提示词以及你找的这些文献，让它帮你生成初稿，在 wps 里面进行修改，让它有一个 ai 伴写功能，可以协助你修改论文，写完之后，用 ai 排版功能帮你快速进行权威排版。 论文查虫，别再到处花冤枉钱了。用学信网万方数据库抄袭百度学科 paper， 这些都是免费查虫的方法。 其实答辩真的没有你想象中的那么恐怖，写论文也是，只要你看得懂自己写的东西，正常表达就能稳稳通过。所以学姐在这里祝大家顺利通过答辩！
34浓情冰美式
01:00查看AI文稿AI文稿为什么导师总爱开护眼模式？其实就是专门查 ai 段落的。一开护眼模式，你复制粘贴 ai 生成的文字，立马露出白底，哪段是人写的，哪段是 ai 写的的，一目了然。要是导师再顺手打开显示隐藏段落标记，你那些粘贴留下的小黑点，手动换行的小箭头，当场全部露馅。 这个视频教你快速清理干净 ai 残留痕迹。首先选中段落，打开页面边框，在底文中选无颜色，白底直接消失。想要清理这些黑点，操作很简单， ctrl 加 h 查找内容，打个空格， 计划内容为空，随后点击确定，逐段清理，向下小箭头，同样 ctrl 加 h 查找内容。这里选择特殊格式中的手动换行符， 替换为段落标记，这样就大功告成了。不过这些痕迹清完看着是干净了，但你信不信导师看一眼还是会皱眉？因为格式痕迹没了， ai 位还在，想要彻底稳妥，就直接把初稿丢进专业的学术平台，尬的写， 直接把文档丢进去，过一遍， ai 力直接给你压到个位数，内容自然不生硬，连出稿都还没有的更省事。把学校题目要求一填，系统自动帮你整合大纲，还能随便改加图标加数据，直接生成一篇格式规范，带图标，能直接教的完整出稿。
73论文小记
06:46查看AI文稿AI文稿别划走所有头疼写论文的大学生，速看！没写论文前觉得随便写写就能过关。开始写论文后，小题卡壳，大纲乱套，查重报表改到心态崩溃。不管你是杰克小论文还是毕业论文，全程写不出来，反复被导师打回这期干货，一定要码住 这期视频给大家分享大学生论文通关攻略，教你跳出模板思维，轻松写出优质高分论文。如果你时间不够了，那就直接划到最后一章，学长已经给你总结了一套三十分钟摸鱼法，直接用就可以。一、选择题硬核公式百分之一百避开烂题，一键生成高分选择题。 普通学生选择题只会浅析某某，浅谈某某，全篇无聚焦点。高分选择题有固定通用公式，无需自主构思，直接套用即可，兼顾新颖性与可写性。实操方法，一、万能选择题公式，传统研究对象加新时代载体处以新场景加特定群体加问题与优化研究， 视力劣质选择题新媒体发展研究，套用公式优化为新媒体环境下大学生阅读习惯的问题及优化策略研究选择题精准，范围可控，素材充足。二、选择题避雷铁律，禁止选择范围过大无法落地。无具体研究对象的题目，禁止选择纯概念解读类题目， 判断选择题合格标准，读完题目可以精准知道你要研究谁，在哪，有什么问题怎么解决。三、快速查题技巧，确定选择题后再织网解锁标题。若同类文献超过五百篇选择题过烂，直接更换，少于三十篇素材不足直接放弃， 只保留文献数量。三十到三百篇的选择题，性价比最高。二、大纲搭建标准模板，直接复制适配所有社科论文 大纲决定论文百分之七十分数，大部分学生大纲杂乱，层级混乱。下面给出通用标准四级大纲模板，所有杰克论文可直接套用，无需修改结构。 实操方法，标准大纲结构序论相关概念与理论现状，调研发展现状、存在的问题、问题成因分析优化对策总结与展望。实操要求，严格遵循现状、问题、成因、对策的闭环逻辑， 对策必须一一对应。前文问题不可凭空捏造，这是导师打分。核心标准大纲避坑点，禁止各级标题字数一致，格式同质化，禁止问题章节和对策章节数量不匹配，比如写四个问题只能写两个对策，属于严重扣分缺陷。高效成文技巧， 大纲定稿后，直接给每个小标题备注字数，比如续任八百字，现状一千两百字，精准控字，彻底杜绝字数不够、局部涌跃的问题。三、正文摺写硬核公式，每段照搬，告别流水账。 所有低分论文通病，段落杂乱，只有摘抄没有思考。下文给出四大核心章节专属写作公式，全覆盖，可直接套用实操方法。一、现状章节、公式、概念解释加行业群体数据加现有表现加学者观点。引用 势利简单界定短视频学习的概念，结合大学生使用短视频占比数据说明当下学习现状，引用知网学者观点佐证现状客观性，无主观空话。二、问题章节、公式、现象描述加具体弊端加产生影响加简短案例， 杜绝认知不足、重视不够等万能空话，所有问题必须落地，有对应现象和负面影响。三、成因，章节公式， 主观原因加客观原因加外部环境原因。分层拆解，逻辑清晰，避免单一归音，提升论文深度。四、对策章节公式，对应问题加具体操作加执行主体加落地场景加预期效果。绝对禁止空话，所有对策必须可落地可执行。四、 降重润色实操技巧，不用改写软件，手动稳降重。大部分学生查重率过高，本质是改写方式错误。以下为人工零成本降重提制双效技巧，无学术风险，适配所有论文实操方法。一、语序倒装改写法， 摘抄文献后主谓宾整体调换，短句变长句，长句拆短句，保留核心语义，完全改变语句结构，降重效果最好。 二、观点叠加法，单条文献观点叠加自身理解遵循文献观点百分之三十加个人解读百分之七十比例，只要个人解读占比过半，查重率大幅降低，同时提升原创度。三、统一学术话术 口语，全部替换为学术用语，比如大家都在用替换为受众，普及率较高，效果不好，替换为实际应用，效能有待提升， 既提升质感，又规避重复。还有同学就问了，只剩不到半个月要交稿了，一个字都憋不出来，时间根本不够怎么办？今天直接教你们一个摸鱼小妙招， 只要把标题定下来，三十分钟就能搞定一篇完整的万字出稿文献还都是真实可查的。首先呢，我们来到知网去输入我们的选择题关键词，然后我们再通过检测，这样子的话我们会得到很多跟我们试卷相关的参考文献， 在这里面我们先不要去勾选，而是先确定好它的主要主题，次要主题还有相关学科以及年度时间，给它锁定近三到五年的范围，这样子筛选出来的文献是具有一定的时效性和创新性的。 然后呢，我们再点击这个小田字格，这样子文献就会直接展示它的摘要以及关键词，我们快速通过这些摘要和关键词去锁定我们需要的近二十到三十篇参考文献。 筛选完之后，我们再通过这个导出与分析，导出文献的标准格式，把文献导出备用。这一步就是为了确保我们找的文献都是真实可查的。我们把文献复制好之后，再来到这个能辅助我们写好论文的平台，无 论是毕业论文、文献综述还是开题报告、任务书，我们都能通过它快速写好。那首先写论文的同学，我们第一步就是把标题一字不差的填写好， 然后再确定好我们的专业以及需要在文章中展示的三到八个关键词，再确定好我们需要的字数。这里面的字数上线是十万字，下线是五千字，能满足大专、本科、硕博不同需求。 如果有提前对任务构思的同学，我们可以在这里补充相关作者、人物关系、作品样本和实验数据，更好的让平台读懂我们的想法。把所有基础信息填写完之后，我们就可以到下一步在这里完善我们的文献。我们回到刚才在知网找好的参考文献，把它复制粘贴过来，然后通过解析文献格式，把文献整理排序。 当然，如果觉得文献不够的同学，我们可以用这个推荐文献或者追加英文文献。这里面的文献都是平台根据我们提供的信息进行二次检测的，真实可查。把所有文献确定好之后，再看一下文献数量和内容对不对的上， 对得上就点击确定。来到完善提纲的环节，这里面如果有提前跟导师确定好提纲的同学，我们可以根据三级目录的格式，把提纲整理好，粘贴进来，这样子平台就会识别我们的提纲。当然，没准备好提纲的同学也别慌，我们可以用这个实时提纲，这个提纲是平台根据我们提供的信息，按照论文逻辑生成的最新参考提纲， 觉得不好的话，还能在线更改章节，减少章节。如果内容中有图片表格或者公式代码的需求，我们可以在这里点亮小方块，在需要的章节插入所需格式。 然后我们检查一下格式内容有没有错，没错的话就点击下一步，不到三十分钟，我们就能得到一篇格式内容齐全。每个目录下内容都很专业丰富的论文文档，它的字数也在我们需要的范围之内，我们刚才勾选的图片表格、公式，它都会补充好。 最重要的一点，参考文献都是我们自己找的，真实可查，杜绝了造假行为。还不会写初稿的同学，真的可以试试这个方法，其实真的很简单。
58鱼丸学长
01:10查看AI文稿AI文稿很多同学用豆包写论文总是不满意，要么字数太少，要么文献造假，要么就是写作思路跟自己设想的方向天差地别。 其实用 ai 是 绝对不能让他一次性全写完的，正确使用方法是利用提示词来一步步投喂 ai， 让他来完善你的思路。 主包今天整理了一整套论文写作的提示词，使用方法也是超级简单，你只需要按照流程，一步步按照顺序把提示词投喂给豆包，顺利切换成给他预设的写作专家身份。 等他回复了之后，你再去织网复制自己需要用到的文件，用这个查新引文格式导出就可以了。然后呢，你再把文件信息跟第二个提示词整合到一起发送给他，豆包就会帮你整理并构建这篇论文的文献库信息。 再到第三个提示词，把论文的选择题复制到这里，同样发送给豆包，豆包就会根据这些信息帮你构建出一篇契合的大纲了。 这一步，你可以跟豆包慢慢确认并修改，等大纲完全确定了。 总体来说，这个方法虽然过程较为繁琐，但比起你让豆包直接帮你输出整篇论文出稿，不仅避免了主题思路出现偏差的情况，自己对整篇论文的把控也会更精准。如果还没写出稿的同学，强烈建议试一试。
757小何学长
02:08查看AI文稿AI文稿这会正好没什么事，给大家聊一下怎么简单又高效的写自己论文。讨论部分的内容其实特别简单，就是你先把讨论部分要用的参考文献给准备好，怎么准备？就按你那个研究结论部分，就是每一个结论对应的是一点的讨论内容， 然后你就把各点结论对应的讨论部分内容需要的参考文献分类分装到 serato 这个插件里面，好把文件找好了，接下来就要启动 ai 模型了，然后把各点结论 对应讨论部分的那个参考文献未给 ai。 首先你要明确你是谁以及 ai 是 谁，你需要他做什么，要求是什么？比如说我是一名生态学啊研究生，然后 ai， 你 呢，是一名资深的生态学研究的审稿人，你要给他角色好， 你就要求他按照你的结论来写你讨论的部分的内容，不是要把你提供给他的这些参考文献 合理地运用到你的结论对应的讨论部分的内容里面，不得引用除了你提供的参考文献以外的参考文献，就防止参考文献出现不真实性。就相当于你把你各点的结论以及结论对应的 讨论部分要用的参考文献为给 ai， 然后给他提要求，就能很快地把你的讨论部分内容给写出来。那有的人可能就会问，那既然是用 ai 模型写出来的讨论部分内容，那 serato 分 装参考文献起到一个什么作用呢？就是我们需要注意的是，我们 让 ai 把讨论部分的内容写出来了以后，我们不能直接用它里面的那个引用文献的那个样式，我们要进入 word， 要通过那个 sata 窗口来把参考文献插入进来，后面我们更改内容的时候， 关于参考文献的内容才可以实现一键更新。而且说这个分装的话，我说的是用一个文件夹来装一点讨论内容的那个参考文献，后面我们改内容的时候，就能快速定位到这部分内容的参考文献是在哪，就方便我们进行修改。
65阿路要努力🍊
