和AI一起进化！NewBing一分钟速读论文

求大佬们收藏的同时，点个赞吧～

本文分为：前言絮叨，传统方案，NewBing的三次升级提问。

我对New Bing的读论文做过两次测评，中文互联网也算是不多见的，这次给大家带来一份能用的使用姿势， 即高信息量，低胡编乱扯。

贴一个群友复现的结果：

前言：

最近惊叹AI的进化速度太快，昨天看到“李自然说”的一个分享： 这是人类的黄昏 ，加深了我的想法。

人的知识获取速度，更新速度远远落后于AI。 AI每秒吞吐几个G的数据都算慢的，人看一篇8000字的论文，脑袋都要炸。 面对全网爆炸性的知识量，以及接近通才的ChatGPT和NewBing，人类如何才能跟的上AI的进化？

因此我准备和大家一起探索使用AGI的技巧，让大家更好的利用这些工具，让自己快速摄入高价值信息，节约时间。

而阅读论文是大家获取高价值信息的一个重要渠道，然而哪怕是受过高等教育的中国人，面对全英文的PDF论文，多数人也很难轻松快速的看懂。现在New Bing来了，我们得充分的利用好这些工具。

今天先抛砖引玉，希望利用一个比较有价值的技巧，期望能换一换大家的关注和三连，也欢迎和我一起讨论如何利用AI。

下面直接上教程。

传统方案

提高自己的英文阅读能力，肯定是原版论文的精读。 但面对全网的arxiv论文海量的更新，普通科研工作者很难确认哪篇文章值得精读。因此下面我只说捷径。 传统方案有哪些？直接谷歌翻译网页，一分钟过一遍某篇文章的摘要。以“ Neural Episodic Control with State Abstraction ”为例子，这篇文章是群友今天分享给我的，我提前也没看过。我们来看看直接对摘要进行谷歌翻译：

可以看到摘要只能看到一句高信息量的信息，但这段话和我们想要的差距还是很大，这里面的情景记忆，新颖的状态评估到底是啥？凭啥新？多步状态评估是什么？

从一个读者来说，不得不说，这篇文章的摘要写的非常好，逻辑清晰，详略得当，且引人入胜，很好奇到底提出了什么方案，能实现这三个效果，让读者有读下去的欲望。

面对这种情况，如果这篇文章是你需要调研，那是需要读全文的。 还有一个取巧的方案就是，如果这篇arxiv文章，不是最新的版本，是可以将pdf链接的 x 替换成 5 即 https://arxiv.org/pdf/2301.11490.pdf 替换成 https://ar5iv.org/pdf/2301.11490.pdf ，它应该会跳转到一个网页版，而不是PDF版本。这样你就可以继续使用谷歌翻译，用你熟悉的中文去快速阅读这篇文章。

这样我们也可以快速定位到关键词：

但introduction的这段内容，我看完之后，还是有点迷惑。我不知道它说的几个关键词到底是什么，它的方法在实际操作信息流如何？ 现在我们尝试使用Newbing来帮助我们更好的凝练这篇文章，让它成为我们的科研好助手。

New Bing的使用教程：

最新消息是，手机版本的Newbing已经不需要排队了，电脑版本的可以选择不同的模式。 而我们读论文的话，自然选择电脑版的Edge dev浏览器，下载使用，可以参考我过去的教程： New Bing会在科研方面发挥比ChatGPT更强大的辅助作用么？ - 强化学徒的回答 - 知乎

假设你已经有排上队的newbing账户和下载好的dev浏览器，以及好的网络。 我们把刚才的那篇文章的pdf版本下载到本地，用edge dev浏览器打开：

我们选择 更多精确 模式：

简单提问：

你会发现，这玩意儿和摘要的信息量几乎没差，白白浪费一次使用机会~（目前的规定是，每天每个账号只有60次使用机会，并且每次连续提问不能超过6次）

那么我们尝试高级提问方式：

**不要联网搜索**，请帮我总结这篇文章，按照下面的思路总结：这篇文章提出了什么方法，利用了什么技术（请结合method部分的具体任务，描述信息流，在什么任务上，实现了什么性能（请结合实验部分，列举出关键且具体的性能指标，不要编造），他们的方案相比过去的方案有哪些优势，解决了什么过去的方法解决不了的问题，这个方法还存在什么问题？**用中文回答我**

因为它对英文更加聪明，所以我们翻译成英文后，再提问。

Do not search online, please help me summarize this article, and summarize according to the following ideas: what method is proposed in this article, what technology is used (please combine the specific tasks in the method part, describe the information flow, and on what task, it is realized What performance (please combine the experimental part, list the key and specific performance indicators, do not make up), what are the advantages of their solution compared with the previous solution, what problems can not be solved by the previous method, and what problems still exist in this method ? Answer me in Chinese

这个回答的信息量要比摘要多一些，不少内容只能在introduction里面才能看到，但还不够，我们继续优化我们的提问方式。

我们换成均衡模式：

这里再插一句我的tips，把大语言模型，当成一个 看过全世界绝大多数信息的 条件概率生成模型，你可以通过控制不同的输入，来得到不同的输出结果，输入条件越详细，越精准，你得到的输出反馈越有价值。

上面的回答还存在这些问题： 1. 一些关键术语，翻译成中文读起来很诡异。 2. 没有具体阐述该方法是怎么使用的，信息流是如何处理的 3. 有些问题被忽略掉了

结合上面的提问原则，我们重新设计问题，我们需要将每个问题都列举出来，这样它才不会忘记。 我们需要根据论文固有的章节结构，去让它提取该有的信息。 因此总结成下面五点信息：

不要联网搜索，你现在是一个强化学习领域的博士生，现在需要帮我按照下面的内容总结这篇文章：
1. 先概述这篇文章提出了什么方法，利用了什么技术，实现了什么效果？
2. 他们的方案相比过去的方案有哪些优势，解决了什么过去的方法解决不了的问题？
3. 请结合method章节的内容，详细描述该方法的main procedure，关键变量请使用latex展示。
4. 请结合experiments章节，总结该方法在什么任务上，实现了什么性能？请列出具体的数值。
5. 请结合conclusion章节，总结这个方法还存在什么问题？