论文生成提示词

提示跟随：给评分yuan提供完整的图像描述内容，要求评分员选择更符合文本描述的图像；风格：让评分员想象一下自己正在借助一些工具根据文本生成图像。如果你自己正在使用此工具，请选择你希望看到的图像；连贯性：让评分员选择哪张图像包含更连贯的对象，例如从人的身体部位、面部和姿势、对象的位置等方面做出判断。结果显示，DALL-E 3在所有三个方面，尤其是在提示跟随方面，DALL-E 3生成的图像在大多数情况下都比所有竞争对手更受人类评分者的青睐。限制与风险本文的最后一章是大家比较关心的关于限制与风险的问题。虽然DALL-E 3在prompt跟随方面表现出色，但它仍然在空间感知等方面表现不佳。例如，DALL-E 3不能很好的理解左边、下面、后面等表示方位的词语。此外，在构建文本描述生成器时，本文着重考虑了一些突出的引导词（prominent words），这些引导词存在于原本图像以及生成的描述中。因此，DALL-E 3可以在出现prompt时生成文本。在测试过程中，本文注意到此功能并不可靠。本文怀疑这可能与使用T5文本编码器有关：当模型遇到prompt中的文本时，它实际上会看到代表整个单词的token，并且将它们映射到图像中出现的文本。在未来的工作中，本文希望进一步探索字符级语言模型，以帮助改善DALL-E 3面临的这种限制。最后，本文还观察到，合成的文本还会让生成的图片在重要细节上产生幻觉。这对下游任务产生了一定的影响，本文也表示，DALL-E 3在为特定术语生成图像方面并不可靠。不过，该研究相信，对图像文本描述的完善能进一步改进DALL-E 3的生成结果。

上周我在琢磨AI编程里Claude的使用方法，然后找超级峰去讨论这个事情，聊到Claude模型是否有智慧，他给我分享了他的思考顺便甩给我一个Claude论文链接，于是我开启了Claude论文苦读之路。刚开始我的思路其实还是扔给Claude3.7，然后让它解读给我听，但是我发现这个论文里有很多图，我光复制文字效果不太好，会遗漏很多参考图片。于是我召唤了Cursor，直接让它读了Claude的论文，并且给了它一个task指令让它给我生成一个最终直接可以看的落地页，然后我去拉着找我们算法聊了聊这个事情。当时我大概懂Claude搞了一个观测模型的方法，然后进行了一些测试。但是我会发现一个问题，我其实并没有很清晰的知道他们搞了一个什么事情，我只是知道他们泛泛的做了什么，算法问我很多细节我根本答不上来。这其实就是经常用模型看文章总结的弊端：你以为你懂了整个文章到底讲了什么，但其实一看细节立马露馅。于是我搞了提示词准备继续去肝论文看懂细节，考虑到有大量的图片，我决定召唤多模态能力极强的Gemini2.5作为我的论文搭子，来和我一起搞定这个事情。选择它一个是因为强大的多模态能力，还有一个是Gemini2.5的上下文是100万长度的，根本不用担心它的阅读能力，它每一次输出都是几千字起，干这种细活太合适了。考虑到我其实自己不具备读论文的水平，于是我喊上Claude搞了个一个叫“论文深度剖析导师”的提示词。然后用PrintFriendly（谷歌浏览器插件）把Claude的论文打印成PDF，扔个Gemini开始了我的阅读之旅。Gemini链接：https://aistudio.google.com/

经过几天的苦读，我最后勉强吃透了这两篇论文，大搞搞清楚了Claude到底研究了个啥。同时我在跟大魔感慨，这个提示词真不错，我们找找还有没有其它的适用场景吧，它应该有很多不错的使用场景；相柳当下扔出来了他珍藏的吃瓜ppt和书籍，辛亥扔过来一个音频播客。我们就开始了各种测，发现效果简直惊掉下巴。它简直是一个六边形战士，什么都能干！从读文章到拆ppt在到分析视频它都可以，我们拆出来7个有意思的使用场景；先让我们先看看提示词，再看看有趣的使用场景吧~当初只为啃论文而生的‘论文深度剖析导师’提示词：复制链接见：[论文深度剖析导师提示词](https://t16jzwqrzjx.feishu.cn/docx/X9wKdqSa4oNtHuxZk7hccnXtnLw?from=from_copylink)考虑到Gemini输出的内容过长，所有内容皆为片段截取，要么文章实在太长啦~1.老本行升级->公众号到课程全部通吃它的老本行——深度文本理解，效果是杠杠的！无论是公众号文章、专业论文、书籍、在线课程，它都能拆解的明明白白的。于是我们试着让它解读了一下特朗普的关税政策，发现它立即抓住了核心：2.求职分析利器->从拆解岗位介绍到定制求职攻略正好有小伙伴在求职，我们尝试让AI拆解一下岗位描述，看看它到底能不能搞懂打工人要干啥，结果发现它还能基于岗位描述告诉你该怎么写简历！3.自我介绍“测谎仪”->戳破Title泡沫