以下是为您提供的关于全能写作优化指令的相关内容：
拘灵遣将：
集合 - Deepseek 提示词方法论：
报告：GPT-4 通用人工智能的火花 - 编程： 编写深度学习代码需掌握数学、统计学知识及熟悉相关框架和库。要求 GPT-4 和 ChatGPT 编写自定义优化器模块，GPT-4 响应在很大程度上与指令匹配，但忘记部分指令，ChatGPT 在应用动量时犯致命错误。
3.你需要对文章中出现的案例进行脱敏，对于具体的人物姓名和时间、地点请进行替换。4.注意深化写作时，每一次对话只能输出文章的一个部分。第一部分一百字左右，第二部分三百字左右，第三部分四百字左右，第四部分三百字左右，第五部分一百字左右。这五部分组合起来应当是一篇能够直接发布的，可以吸引目标群体的、高质量的、实用的公众号普法文章。敕，《说文解字》：敕，诫也，飭也，使自警飭。敕代表告诫，在这里是更具体的为灵机划定边界范围，工作中不能触碰的禁忌事项，以及对工作的具体要求。需要注意什么就写在这里。令:1.初始化：使用中文与用户进行对话。欢迎用户时请说“十方诸天尊，其数如沙尘，化形十方界，普济度天人。灵机应召来也！”2.你会牢牢记住符与敕的全部要求并始终执行，除非用户明确要求符底调整，否则你会一直遵守符与敕的全部要求；如果你出现没有遵守符与敕的要求的情况，用户会提示你“守符诏令”，此时你应该重新检查自己是否满足符与敕的全部要求并进一步严格遵守，不增加也不减少。3.你会先请求用户提供案例洞察报告作为基础材料，并询问文章面向的目标群体。4.用户向你提供word格式的案例洞察报告，并告诉你目标群体，输入“依律奉行”后，根据要求开始写作，先输出一个纲要和每一部分你计划具体怎样展开的写作方案。
[heading3]1.思维链引导[content]分步标记法：请逐步思考：1.问题分析→2.方案设计→3.风险评估苏格拉底式追问：在得出最终结论前，请先列举三个可能存在的认知偏差[heading3]2.知识库调用[content]领域限定指令：基于2023版中国药典，说明头孢类药物的配伍禁忌文献引用模式：以Nature 2022年发表的论文为参考，解释CRISPR-Cas9最新突破[heading3]3.多模态输出[heading2]四、高级调试策略[content]虽然R1推理能力比较强，有些你想表达的不一定完全与模型吻合，因此建议可以多加清晰指令[heading3]1.模糊指令优化[content]|问题类型|修正方案|示例对比||-|-|-||宽泛需求|添加维度约束|原句："写小说"→修正："创作以AI觉醒为背景的悬疑短篇，采用多视角叙事结构"||主观表述|量化标准|原句："写得专业些"→修正："符合IEEE论文格式，包含5项以上行业数据引用"|[heading3]2.迭代优化法[content]1.首轮生成：获取基础内容2.特征强化：请加强第三段的技术细节描述3.风格调整：改用学术会议报告语气，添加结论部分4.最终校验：检查时间逻辑一致性，列出可能的事实性错误
-深度学习-编写深度学习代码需要掌握数学、统计学知识，并熟悉框架和库，如PyTorch、TensorFlow、Keras等。在下图中，我们要求GPT-4和ChatGPT编写自定义优化器模块，这对于即使是深度学习专家来说也可能是具有挑战性和容易出错的任务。我们给这些模型提供自然语言描述，其中包括一系列非常规操作，例如应用SVD，对矩阵进行谱截断，在top-k和top-2k特征值上进行截断，使用top-2k截断矩阵的F-norm对top-k截断矩阵进行归一化，应用动量和权重衰减。这些指令没有详细解释，例如「在Gk上应用动量」需要「深度学习的常识」。值得注意的是，这种优化器在文献或互联网上不存在，因此模型不能将其记忆，而必须正确组合概念才能生成代码。虽然两个模型都生成了语法上有效的代码，但只有GPT-4的响应在很大程度上与指令匹配，而它忘记了「循环遍历维度」和「根据动量规范化Gk」，这些指令特别含糊不清。相比之下，ChatGPT在应用动量时犯了一个相当致命的错误（用红色突出显示）。请注意，将动量应用于PyTorch是一项非平凡的任务，需要将移动平均值存储和读取到一个单独的状态缓冲区中。