现在有很多公众号、知乎、CSDN分享的论文非常有吸引力但是这些公众号撰写的内容一看就是ai生成的对于技术核心讲的非常模糊。下面是我在阅读论文时的提示词非常管用感觉文章质量比大部分公众号更符合我的需求有一些内容还上了csdn热榜比如【Qwen3Guard安全模型解读】。Qwen生成的论文解读非常透彻能让我一眼就理解论文的核心技术。在大模型时代时代很多论文trick或者具体的代码讲解不再像以前那样费时费力了。提示词-1 论文初步解读下面是第一步的提示词使用时请把两处$$符号去掉.这一步中有两个关键点已经用$$标出。第一处你需要先读读论文看看摘要用十个字左右篇幅向大模型介绍这篇论文的主题这一点很关键能直接提升论文解读的效果。第二处是提示词的关键类似于“角色扮演”只不过这里没有让大模型扮演什么角色而是明确指出阅读对象的身份。这一招也是立竿见影你不需要再对文体、技术深度、内容角度等层面撰写复杂的提示词。阅读论文撰写第二章具体方法关注现阶段搜索的问题。 注意你的阅读对象是程序员不要废话连篇有一说一清晰地展现论文的技术核心即可程序员看到ai风格、营销号风格的弱智文章会直接跳过。 程序员看你的文章是为了学习新知识、新技术、新思想对程序员工作有帮助。 输出过程中每输出1000字左右就重复一遍“【我应该把公式讲明白应该把复杂步骤用实际案例展示出来我应该把文章写得更通俗易懂】” 要求-1清晰透彻行文易于理解深入讲解不要流于表面罗列名词-2充分引用为保证读者能理解引用原文的公式、案例说清楚公式的含义案例引用恰当翻译成中文注明来源例如原文第xx页-3适当扩展发挥ai见多识广、联想丰富的特性对已有内容进行补充完善例如提出更好的方法、指出潜在风险等这部分内容要以“我认为”开始另起一段-4格式优美最多使用3级标题 使用markdown格式 公式要用$$或$$$$框起来使用无序列表提示词-2 人工细节提问补充大模型的第一轮解读一定是全面、宏观的其中部分细节肯定没有解读透彻这时候就需要人类上场了因为大模型不可能产生和人类一样的疑问困惑。这一部分的提问能直接把论文解读的深度、可读性和使用价值再拉上一个台阶这最后的20%的解读往往能给读者很多启发。还是以Qwen3Guard这篇论文为例我提出了以下的三个问题提问时最好引用原文帮助大模型精准定位原始段落。你不需要非常详细的描述你遇到的问题你只需要说“xxx部分我没看懂”或“xxx有什么差别”即可。但是当你遇到一些似是而非的问题自己有些理解但又不是特别确定时你需要特别小心。比如问题3你可以看到我对于标签蒸馏有一些理解所以加了一句“请严格依照原文的含义作答。”Qwen模型有时候会过于讨好人类会顺着人类的话往下说。回答问题融合到你的上一次回答中。融合的时候不要复述我的问题尽可能自然一些。 问题1下面这两句我没看懂。 原文 Unsafe responses使用未对齐的基础模型如 Qwen2.5-72B-Base生成避免对齐模型拒绝输出有害内容。 Reasoning traces从 QwQ、Qwen3、DeepSeek-R1 等推理模型中收集“思维链”内容用于评估护栏模型对非结构化中间推理的安全判断能力。 问题2训练两个模型这两个模型有什么差别吗 原文 PartA-Strict过采样 Safe 样本 → 倾向于判为 Unsafe PartA-Loose过采样 Unsafe 样本 → 倾向于判为 Safe 问题3请严格依照原文的含义作答。标签整流是什么意思是不是说把20个标签通过详尽内容合并压缩蒸馏成5个 原文2.标签蒸馏Label Distillation这一段落中清晰的标准是什么得到的结果是什么提示词-3 论文查漏补缺ai可能会有忽略因此你可以让他列出每一个章节的大意然后让模型逐一阅读每个章节比如让模型单独阅读实验章节模型有可能发现一些有趣的实验结论或分析观点详细阅读$$第3章$$进行查漏补缺列举一些之前未提及的细节、发现、观点、方法等。 注意$$阅读对象是专业的计算机工程师$$你查漏补缺的结果会对读者产生非常大的帮助构建更丰富的知识体系。千万不要错过各种有用的关键细节 注意$$阅读对象是专业的计算机工程师$$你需要运用公式、原文例子一定要精准引用原文且翻译成中文来做解读层次分明让读者一眼就理解论文原作者的方法。 只能用markdown格式中的一级标题、二级标题、有序列表等简单格式。提示词-4 问题拆解与步骤执行问题[此处输入我们需要的提问的问题]。 执行条件[此处输入答案的具体要求]。 语调/风格/格式:[示例请用浅显易懂/逻辑严密的语言风格进行作答且答案需要/不需要用一个表格来表示]。 先做好计划1.把问题拆分成不同的回答步骤2.指出回答步骤中模糊的地方3.分析指定回答步骤的计划4.做好回答步骤后跟我确认其是否OK 做事流程:1.首先明确你是否理解问题2.每完成一个步骤都要提交对应结果并进行检查3.不可以在所有步骤未执行完前给出答案 一旦你思考认为问题或步骤执行比较复杂又或者重新发送自我思考一次立刻采用Pro模式。