Jarvis 论文长文解读
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_5afe0d61/jarvis-research-longtext-v0。
技能介绍
要解决的问题
算法论文常把模型架构、训练目标、实验结论压进有限篇幅,读者若只读摘要容易遗漏关键设计;若要人工精读,又常被公式、符号和模块命名打断。这个技能面向 Arxiv 上的算法/计算机科学论文,目标是把论文转成一篇可交付的长文技术解读,而不是短摘要。它适合用户给出论文标题或 ID,并要求专业、详细、逐段覆盖的场景;不适合只要三句话摘要或非算法论文。
技能如何工作
- 原子化阅读:优先从
Arxiv获取 PDF,失败时要求重试或人工提供文件;随后对Abstract、Intro、Methodology、Experiments等段落建立索引,避免跳过关键内容。 - 模板化生成:输出包含标题、
TLDR、痛点、方法、收益、模型架构与实验部分;模型架构要求每个小模块先用一句话概括作用,再描述输入端、数据流向、核心逻辑和输出预测。 - 强制反思:在最终输出前检查模板完整度、简洁性、架构深度、零公式、覆盖率与逻辑闭环,若有遗漏则补全。
- 边界控制:仅使用必要符号如
S表示序列,明确禁止数学公式;无法判断处标记[需进一步核实],不臆造结论。
使用场景
- 读 Arxiv 推荐系统论文时,把模型模块和数据流向整理成无公式长文。
- 组会前根据论文 ID 生成带来源引用的架构拆解和实验摘要。
- 评估算法改进方案时,提取痛点、方法、收益与消融实验结论。
- 把 PDF 里的复杂架构转成非公式、可复用的技术博客素材。
适合人员
- 准备算法组会的 ML 研究生,需要把论文架构拆成非公式讲解稿。
- 写技术解读博客的工程师,需要把 Arxiv 论文转成可发布长文。
- 评估竞品算法方案的 AI 产品经理,需要提取方法、收益和实验结论。
- 做模型落地调研的算法工程师,需要核对数据流与消融实验。