论文汇报指导¶
User: Anonymous (xy102504@gmail.com)
Created: 10/11/2025 15:11:02
Updated: 10/11/2025 15:14:57
Exported: 10/11/2025 15:29:43
Link: https://chatgpt.com/c/68ea02d0-fe3c-832e-83ca-e5cbc4e625c1
Prompt¶
你要是把這兩題弄清楚,你的聽眾是誰。因為聽眾不同,你要講那個生活點是不一樣的。所以,對於我們自己沒說的空間來說,你不能夠講的時候,你不能夠這樣給在你的小組的組織會在那裡面講得非常的細。所以,我們應該更多的把重點放在前面。你只剩25分的跟介紹不一樣,你講到是比較簡單。如果你講到時間那麼快,至少10分鐘,但把你這個語言這點是要注意的。還有一個就是說,首先,第一頁必須聽到話,要把這個論文的信息把它給選擇,不要只要有一個題目,還有誰講的這個題目,然後他的作者是誰,然後是哪一年的發表,單稍微在那個婚姻所的期刊上面,這些他的頁,其實在第一頁裡面都把它給展示出來。那你先這樣,你得在下面練一下,練一下。這是一個第二部分,就是第二點,就是我們剛剛講的理念這部分。你要動機,你要講清楚一些,因為就像我們寫的,它要有你的理念。你在一天用的理念,你吸引不到這個評論的話,那這是很大體型的事情。那同樣就是說,你一個抱抱的話,如果前面五分鐘不能夠吸引大家的話,它在後面的指數,所以你前面你要講清楚,你要動機是什麼。首先,你解決的這個動機是什麼,然後這個問題為什麼要解決,這個問題重要性是什麼東西。那麼這個問題建議這麼重要,很幸運就是說,肯定會有自己的資源,所以你再說現在的方法有哪些。所以至少分類一下,然後但每一類方法的話,就可以練練出重要三點的方法。那天就說你要還要講清楚,就是說這些方法存在的問題是什麼,這個要因為你指出來,那現有的方法,現有的方法存在的問題。你想,因為我後面你提出這麼多問題,後面你都不是解決,那肯定是沒有優惠的。你解出來的問題肯定就是你後面要解決的問題。如果你在行動門裡面,你指出公平解決不了,那我建議你不要把這麼多問題指出來。你要指出那些是你的模型裡面能夠解決說明真對性的問題,但是這是問題的話,做到存在的問題,不要是那種比較空的這樣的一些問題的時候,性能效果不好啊,或者是說沒有利用到什麼樣的一些信息啊,空的這樣子,比較空的這樣,我們能夠藉口的人的例子來說明它存在的一些問題。這些方法沒有討論到,沒有討論到什麼東西,沒有成功,這些方法,這些例子。但在啊,很多畢業的畢業一般,它就有什麼成功,那麼不是,那就是它的一個動機的核心,它的這個問題是什麼,你要,然後這個問題指出來了,那接下來你就說這樣,這篇文門針對這些問題,它不現實的,它提出了什麼方法,對吧,這個方法現在有點對吧,這個方法這個連這部分把他來講相關不做的部分,可以可以透過打擊的問題。所以,相關不做你在前面你能夠辦理,所以業主對於這個問題有一些方法,對吧,那接下來的話,你應該對於說更主要進行的定義,就是說把你現在的定義就出來,在文本裡面直接把他傳出來,知道嗎?這個定義不要再說清楚你的失誤是什麼,失處是什麼,你的這段目標是什麼,把這幾件把他給,比如說你給你想像像我們做成兩個次的時候,你不能夠說你做的就是心理度的儘量分析,因為心理度的儘量沒什麼大,但也分了很多種。你有沒有給定,有沒有給定你的,然後在記述的這一部分,也就是說介紹這邊論了他的方方法,這部分的話不要花太多時間在講他的細節,因為我要考慮到你的聽眾,這些記述上的細節的話,好,不是,不感興趣,所以你才要講什麼。我講他整個模型的構造是什麼,因為他整個模型的話,我的書和書,就是他對應的我的身體的定義,也對吧,那麼我這個模型的話,它有哪一些模型,它有構成,現在都是模型的話,對吧,這一個模型,它是模型處理的,比如說把整個模型把它給給做介紹一下,你這個模型做什麼,這個模型是什麼,就講回去了。然後一些工事上面的可以不一樣,尤其是那些工事,這樣子的話,大家都實際上都是對你的這個模型,像你這個模型的話,它是怎麼訓練的,那有什麼,這個這麼是數十,那你應該可能,但有很多的一些動作,至於它有什麼事是什麼,因為我要知道,知道你的這麼模型怎麼訓練,我要知道你的什麼事,還是我不可能,我才實驗大家說一下,但實驗你不需要講怎麼實習,那主要就是說,我用了什麼樣的一些實習級,然後練一下,練一下,而且稍微展開一下,這樣。因為說實驗實際上它這些用的,用的啥,對吧。因為你做的人家喜歡什麼計算的,你可能要讀試讀練習吧,但如果是很成功的,就說我們的PAR PAR P的這種讀練,對吧。但對於其他的,你可以把它稍微展開一下。這就是這個實驗,實驗的,然後然後是有哪些,例如方法,比如說大會實驗一下,例如說稍微練一下,它實驗上面,然後做的對比方法,比如說像你可以,如果你知道講的是,你看,你把他打開是什麼樣的體驗的,看的是體驗的,對,所以這對比的方法是給實驗重要的一份,一些人對比的對比的這個方法的來,這個實驗,實驗就非常沒聽說過了,看得先不一或其他,你先來審,你先審,那其實中文的其他的說法有些,這就說,這就審,這次的,然後還有實驗筋骨的話,就是通常都會有一個主的實驗筋骨,對吧,就很大的病了,我都能把這個列一下,稍微講一下它這個這個這個方法。那你在說在這上的時候,也還是到來講一下,就是說你在論文裡面,你這個實驗筋骨這部分,它不難說會分析的會分析,分析的就是說為什麼會出現,你它會出現比較一層有一個常見的一個問題,就是說我實驗筋骨在這,然後下面我就把它從這個表屬式,我們的實驗筋骨到大腿,把這個高度掃,高度掃就相當於是把那個筋骨把它敷術一下。我缺少了一些進入部的一些炒骨,所以說實驗筋骨你要,你要做一些炒骨的這些分析,這樣能夠和出一些筋骨出來,不要就是敷術那個比較多的什麼東西裡面的,然後然後再來講一講。最後就是說大家看它的這個實驗的設置裡面,有沒有去驗證了它其中所說的我的這個流行有什麼樣的優點,你覺得什麼問題,那我應該可以講一下其他東西。好,你可以學習一下,你能怎麼樣把它變成這種不一樣的話。你也是前面在裡面裡面說說你的模型有大規的優點,有大規的優點,結果在後面的話,後面實驗裡面就發了一個總的一個實驗筋骨,就是一個很大的,你緊緊的前面的這樣的一個動作。所以這個,我們大體在行動裡面的時候,也需要注意一下,它實驗筋骨你的實驗筋骨是會是持著你前面講的,你咬著這樣解決了什麼問題。最後,我們再再來說一下節目,這就是什麼問題,其實能夠放大,現在又是至少足夠,就是講一講,有很利之憑的門,它的一個思考,你覺得它做的門好。對,我們是這樣的,今天家的話,然後那個,這在現場它很大。我剛才說這個這個起。 总结一下这个老师讲的,该怎么做论文汇报的问题
Response¶
这位老师其实是在全面讲“怎么做好论文汇报(presentation)”——尤其是学术论文的口头汇报。虽然他讲得比较口语、跳跃,但核心逻辑非常清晰。下面我帮你提炼总结成清晰的结构,并指出他强调的重点与做法 👇
🧭 一、整体思路:论文汇报 ≠ 论文讲解¶
“你要先弄清楚你的听众是谁。”
- 明确听众类型:
- 如果是组内汇报,听众有一定基础,可讲细节。
- 如果是公开场合/课程展示/会议汇报,听众可能跨领域,只能讲核心思路和创新点。
- 讲重点,不讲过程:不要一条条照着论文复述,要讲“你为什么做、做了什么、解决了什么”。
🧱 二、汇报结构(老师建议的标准顺序)¶
1️⃣ 封面页(第一页)¶
“第一页必须写清楚论文信息。”
- 包含内容:
- 论文题目
- 作者姓名
- 发表年份
- 发表期刊/会议
- 你的姓名与学校/汇报场合
- 作用:让听众快速定位这篇论文的出处与背景。
2️⃣ 研究动机与问题定义(Motivation & Problem Definition)¶
“前五分钟要吸引人,否则后面就没人听了。”
- 讲清楚:
- 📍研究动机:为什么要研究这个问题?现实意义或学术价值是什么?
- ❓研究问题:现有方法有哪些?它们有什么局限?
- 🔍研究目标:你希望解决什么具体问题?
⚠️ 注意:
- 不要列太多问题,只讲你后面模型确实解决的。
- 避免“性能不好”“没用到信息”这类空话,要用例子说明问题具体在哪。
3️⃣ 相关工作(Related Work)¶
“相关工作要讲得能衬托出你的方法为什么有意义。”
- 分类介绍现有研究(按思路/方法/技术路线分组)。
- 每类说出代表性方法 + 存在的问题。
- 点出你的方法要解决的核心痛点,为下文铺垫。
4️⃣ 方法介绍(Method)¶
“别讲太多公式,要讲模型的结构和思想。”
- 描述整体模型框架(用图最有效)。
- 重点解释:
- 模型的核心思想(intuition)
- 模型的主要模块与作用
- 训练逻辑(用什么数据,目标函数是什么)
⚠️ 不要陷入推导细节、公式堆砌。听众关心的是“模型做了什么”“为什么这样设计”。
5️⃣ 实验与结果(Experiment & Results)¶
“实验部分要讲清楚验证了什么,而不是照抄表格。”
- 简要说清楚:
- 实验数据集
- 对比方法
- 评估指标
- 重点放在:
- 哪些结果验证了你方法的优势(对应前面提出的问题)
- 做了哪些消融实验/可视化实验支撑你的结论
- 对结果进行解释性分析(为什么好、为什么差)
⚠️ 不要只是念结果或照搬表格,要讲“为什么得到这样的结果”。
6️⃣ 总结(Conclusion)¶
“最后要收回来,呼应前面的动机。”
- 总结:
- 这篇论文解决了什么问题
- 有哪些创新点
- 哪些地方仍可改进或值得思考
🧩 三、老师特别强调的三点技巧¶
| 重点 | 说明 |
|---|---|
| 🎯 听众导向 | 内容深浅、术语使用要根据听众背景调整。 |
| 🕒 节奏控制 | 前半部分(动机 + 方法)占比约 60%,后半部分(实验 + 结论)占 40%。不要全讲细节。 |
| 💬 语言简洁 | 避免直接照读论文;用讲故事的方式呈现研究逻辑:为什么 → 怎么做 → 有什么结果 → 有什么意义。 |
✅ 总结一句话版¶
“论文汇报不是复述论文,而是用有限时间,让听众明白:你研究了什么、为什么重要、怎么做、结果如何、有什么启发。”
如果你愿意,我可以帮你把老师这套要求转化成一份论文汇报模板 PPT 结构(含每页要点与讲述建议),让你照着就能做。
要我帮你做这个模板吗?
Prompt¶
要。生成的模板要是latexbeamer格式的
Response¶
太好了 👍 那我给你生成一份 符合老师要求、适合学术论文汇报的 LaTeX Beamer 模板。
它的结构完全对应老师讲话中提到的逻辑,重点突出“动机、问题、方法、实验、总结”五个部分,并加上封面页要求。
下面是一份完整可编译的示例模板(UTF-8 编码、XeLaTeX 可直接编译):
\documentclass[aspectratio=169,11pt]{beamer}
%==================== 基础设置 ====================%
\usepackage[utf8]{inputenc}
\usepackage{xeCJK} % 中文支持
\setCJKmainfont{Noto Sans CJK SC}
\usepackage{graphicx}
\usepackage{amsmath, amssymb}
\usepackage{booktabs}
\usepackage{hyperref}
\usetheme{Madrid}
\usecolortheme{default}
\setbeamertemplate{navigation symbols}{} % 移除右下角导航
% 自定义颜色
\definecolor{myblue}{RGB}{40,70,140}
\setbeamercolor{title}{fg=myblue}
\setbeamercolor{frametitle}{fg=myblue}
%==================== 正文开始 ====================%
\title[论文汇报]{\textbf{论文题目:Your Paper Title Here}}
\author[汇报人]{汇报人:巫文杰 \\ 指导教师:XXX}
\institute[XXX大学]{XXX大学 \quad 人工智能学院}
\date{\today}
\begin{document}
%==================== 封面页 ====================%
\begin{frame}
\titlepage
\vspace{0.5cm}
\begin{itemize}
\item 作者:Author Name et al.
\item 发表年份:2023
\item 期刊/会议:CVPR 2023
\end{itemize}
\end{frame}
%==================== 汇报结构 ====================%
\begin{frame}{汇报结构 Overview}
\tableofcontents
\end{frame}
%==================== 1. 研究动机 ====================%
\section{研究动机与问题定义}
\begin{frame}{研究动机 Motivation}
\begin{itemize}
\item 为什么要研究这个问题?(现实背景/学术意义)
\item 当前领域面临的挑战
\item 这一问题的重要性与价值
\end{itemize}
\vspace{0.4cm}
\textbf{讲述建议:} 用具体场景或实例引入,让听众快速理解研究背景。
\end{frame}
\begin{frame}{问题定义 Problem Definition}
\begin{itemize}
\item 问题的形式化定义(如输入、输出)
\item 当前主流方法的分类
\item 每类方法的局限性(挑关键、与本研究相关)
\end{itemize}
\vspace{0.4cm}
\textbf{提示:} 只指出你后续模型能解决的问题,避免泛泛而谈。
\end{frame}
%==================== 2. 相关工作 ====================%
\section{相关工作 Related Work}
\begin{frame}{相关工作分类}
\begin{itemize}
\item 方法 A 类:XXX 思路 + 局限
\item 方法 B 类:XXX 思路 + 局限
\item 方法 C 类:XXX 思路 + 局限
\end{itemize}
\vspace{0.4cm}
\textbf{目标:} 为你的方法铺垫“为什么需要新方法”。
\end{frame}
%==================== 3. 方法介绍 ====================%
\section{方法 Methodology}
\begin{frame}{整体框架 Overview}
\begin{center}
\includegraphics[width=0.75\linewidth]{framework.pdf}
\end{center}
\vspace{0.2cm}
\begin{itemize}
\item 模型的总体结构与关键思想
\item 模型的输入、输出与核心模块
\end{itemize}
\end{frame}
\begin{frame}{模型细节与训练策略}
\begin{itemize}
\item 模型的关键模块(如Encoder/Decoder/Attention)
\item 损失函数与优化目标
\item 训练数据与参数设置(简要)
\end{itemize}
\vspace{0.4cm}
\textbf{讲述建议:} 不讲推导细节,重点解释“为什么这样设计”。
\end{frame}
%==================== 4. 实验结果 ====================%
\section{实验与结果 Experiments}
\begin{frame}{实验设置}
\begin{itemize}
\item 数据集:XXX Dataset
\item 对比方法:A / B / C
\item 评价指标:Accuracy, F1, BLEU, etc.
\end{itemize}
\end{frame}
\begin{frame}{实验结果与分析}
\begin{center}
\includegraphics[width=0.8\linewidth]{results.pdf}
\end{center}
\vspace{0.3cm}
\begin{itemize}
\item 结果验证了你的方法的优越性
\item 对比实验说明改进点有效
\item 消融实验支持模型设计合理性
\end{itemize}
\end{frame}
\begin{frame}{结果讨论 Discussion}
\begin{itemize}
\item 为什么你的方法表现更好?
\item 在哪些情况下仍有不足?
\item 对未来研究的启示
\end{itemize}
\end{frame}
%==================== 5. 总结 ====================%
\section{总结 Conclusion}
\begin{frame}{总结与展望}
\begin{itemize}
\item 本研究解决的问题
\item 方法的创新点与贡献
\item 未来可改进的方向
\end{itemize}
\vspace{0.4cm}
\textbf{讲述建议:} 收回前面的逻辑,呼应“动机—方法—结果”的主线。
\end{frame}
%==================== 致谢 ====================%
\begin{frame}{致谢}
\centering
感谢聆听!\\[0.5cm]
\textit{Thank you for your attention.}
\end{frame}
\end{document}
🧩 使用说明¶
| 模块 | 用法与老师建议呼应点 |
|---|---|
封面页 | 按老师说的:题目、作者、年份、会议都要写清楚。 |
研究动机 + 问题定义 | 吸引听众的关键,建议配图或生活化例子。 |
相关工作 | 按类别讲,突出不足,为后续方法铺路。 |
方法部分 | 用框图说明结构,少讲公式,多讲设计思路。 |
实验部分 | 重点是结果解释和问题呼应,不只是罗列数据。 |
总结 | 收尾呼应动机,简洁有力。 |
是否希望我帮你在这个模板基础上,
填入一个具体论文的示例内容(比如你最近读的那篇论文)?
我可以把它变成一份“完整样例 PPT”,方便你直接照着模仿。
Prompt¶
Vaswani 等 - 2023 - Attention is all you need.pdf
可以。那就以这篇attention is all you need为例
Response¶
非常好 👍 我已经读取了你上传的 《Attention Is All You Need》 原文(Vaswani et al., 2017, NeurIPS)。
下面这份是 完整的 LaTeX Beamer 汇报模板(带填充内容),专门按照老师的讲法整理而成:
- 结构完全符合老师的要求(动机 → 问题 → 方法 → 实验 → 总结)
- 内容来自论文原文,概念清晰,重点突出
- 每页都有“讲述建议”,帮你在汇报时更自然地讲解
\documentclass[aspectratio=169,11pt]{beamer}
%==================== 基础设置 ====================%
\usepackage[utf8]{inputenc}
\usepackage{xeCJK}
\setCJKmainfont{Noto Sans CJK SC}
\usepackage{graphicx}
\usepackage{amsmath, amssymb}
\usepackage{booktabs}
\usepackage{hyperref}
\usetheme{Madrid}
\setbeamertemplate{navigation symbols}{}
\definecolor{myblue}{RGB}{40,70,140}
\setbeamercolor{title}{fg=myblue}
\setbeamercolor{frametitle}{fg=myblue}
%==================== 基本信息 ====================%
\title[Attention Is All You Need]{\textbf{Attention Is All You Need}}
\author[巫文杰]{汇报人:巫文杰}
\institute[XXX大学]{XXX大学 \quad 人工智能学院}
\date{2025年10月}
\begin{document}
%==================== 封面 ====================%
\begin{frame}
\titlepage
\vspace{0.5cm}
\begin{itemize}
\item 作者:Ashish Vaswani et al.
\item 发表:NeurIPS 2017
\item 来源:Google Brain, Google Research, University of Toronto
\end{itemize}
\end{frame}
%==================== 目录 ====================%
\begin{frame}{汇报结构 Overview}
\tableofcontents
\end{frame}
%==================== 1. 动机与问题定义 ====================%
\section{研究动机与问题定义}
\begin{frame}{研究动机}
\begin{itemize}
\item 序列建模任务(如机器翻译)通常基于 RNN 或 CNN。
\item 但 RNN 存在“顺序依赖”问题,难以并行,训练慢。
\item CNN 可并行但难捕获长距离依赖。
\item 因此,论文提出:能否完全依靠 \textbf{Attention} 替代循环与卷积?
\end{itemize}
\vspace{0.3cm}
\textbf{讲述建议:} 从机器翻译的痛点入手,引出“Attention-only”这一大胆想法。
\end{frame}
\begin{frame}{问题定义}
\begin{itemize}
\item 任务:序列到序列(Seq2Seq)建模。
\item 目标:设计一个\textbf{更快、更并行、捕捉长依赖}的新架构。
\item 关键问题:
\begin{itemize}
\item 如何在不使用RNN/CNN的前提下建模序列关系?
\item 如何保持信息的顺序感?
\end{itemize}
\end{itemize}
\end{frame}
%==================== 2. 相关工作 ====================%
\section{相关工作}
\begin{frame}{相关工作简述}
\begin{itemize}
\item RNN:LSTM、GRU —— 解决梯度消失,但串行计算限制并行。
\item CNN:ConvS2S、ByteNet —— 并行性好,但捕获远程依赖效率低。
\item Self-Attention —— 在阅读理解、摘要生成中已有应用,但未完全替代RNN。
\end{itemize}
\vspace{0.4cm}
\textbf{核心突破:} Transformer 是首个完全依赖自注意力(Self-Attention)的 Seq2Seq 模型。
\end{frame}
%==================== 3. 方法 ====================%
\section{方法 Methodology}
\begin{frame}{模型整体框架}
\begin{center}
\includegraphics[width=0.8\linewidth]{framework.pdf}
\end{center}
\begin{itemize}
\item 编码器-解码器结构,各包含6层堆叠。
\item 核心模块:多头自注意力(Multi-Head Self-Attention)。
\item 通过残差连接 + LayerNorm 稳定训练。
\end{itemize}
\textbf{讲述建议:} 用图带讲,强调“并行性 + 层次结构”。
\end{frame}
\begin{frame}{Scaled Dot-Product Attention}
\begin{itemize}
\item 输入:Query、Key、Value 三组向量。
\item 计算:
\[
\text{Attention}(Q, K, V) = \text{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V
\]
\item 实质:通过相关性加权求和。
\item 优点:矩阵乘法实现,支持并行,计算高效。
\end{itemize}
\end{frame}
\begin{frame}{Multi-Head Attention}
\begin{itemize}
\item 多头注意力允许模型关注不同子空间的信息。
\item 每个“头”独立学习不同的依赖关系。
\item 八个头并行后再拼接,得到最终输出。
\end{itemize}
\vspace{0.4cm}
\textbf{直观解释:} 每个头像一个“专家”,关注句子中的不同语义关系。
\end{frame}
\begin{frame}{位置编码 Positional Encoding}
\begin{itemize}
\item 因为模型不含RNN/CNN,所以需显式加入位置信息。
\item 采用\textbf{正弦-余弦函数}编码:
\[
PE(pos,2i) = \sin\left(\frac{pos}{10000^{2i/d_{model}}}\right)
\]
\[
PE(pos,2i+1) = \cos\left(\frac{pos}{10000^{2i/d_{model}}}\right)
\]
\item 能让模型学会按相对位置进行注意。
\end{itemize}
\end{frame}
%==================== 4. 实验结果 ====================%
\section{实验 Experiments}
\begin{frame}{实验设置}
\begin{itemize}
\item 数据集:WMT 2014 英-德(4.5M句对),英-法(36M句对)。
\item 硬件:8×NVIDIA P100 GPU。
\item 优化器:Adam,学习率调度带 Warm-up(4000步)。
\item 正则化:Dropout=0.1,Label Smoothing=0.1。
\end{itemize}
\end{frame}
\begin{frame}{机器翻译结果}
\begin{center}
\includegraphics[width=0.85\linewidth]{results.pdf}
\end{center}
\begin{itemize}
\item EN-DE: BLEU = 28.4(+2.0 优于 SOTA)
\item EN-FR: BLEU = 41.8(单模型新纪录)
\item 训练仅需 3.5 天,比 GNMT 节省 75% 计算量。
\end{itemize}
\vspace{0.3cm}
\textbf{讲述建议:} 强调“性能 + 效率”双突破。
\end{frame}
\begin{frame}{可视化与可解释性}
\begin{center}
\includegraphics[width=0.8\linewidth]{attention_vis.pdf}
\end{center}
\vspace{0.2cm}
\textbf{发现:} 不同注意力头能自动学习语法结构、共指关系等语义模式。
\end{frame}
%==================== 5. 总结 ====================%
\section{总结 Conclusion}
\begin{frame}{总结与展望}
\begin{itemize}
\item 提出第一个完全基于注意力的序列转换模型 Transformer。
\item 实现更强性能、更高并行度、更低训练成本。
\item 后续方向:
\begin{itemize}
\item 将注意力机制扩展到图像、语音、多模态任务。
\item 优化局部注意力处理长序列。
\end{itemize}
\end{itemize}
\vspace{0.3cm}
\textbf{一句话总结:} \textit{“Attention replaces recurrence and convolution — and works even better.”}
\end{frame}
%==================== 致谢 ====================%
\begin{frame}{致谢}
\centering
感谢聆听!\\[0.5cm]
\textit{Thank you for your attention.}
\end{frame}
\end{document}
💡 模板特点¶
- 每个部分都紧扣老师要求的逻辑:
- 动机(吸引人)
- 问题(聚焦)
- 方法(讲思想不讲公式)
- 实验(讲验证与对比)
- 总结(呼应前面)
- 所有数学符号、引用内容都兼容 XeLaTeX。
- 你只需添加 2 张图:
framework.pdf(Transformer架构图)results.pdf(BLEU对比表)
是否希望我帮你补齐这两张配套图(画成适合汇报的简洁版 Transformer 框图 + BLEU 对比表)?
我可以直接生成成品图并嵌入模板。
Powered by ChatGPT Exporter