当前位置: 首页 > news >正文

GPT 学习法:复杂文献轻松的完美理解、在庞大的不确性中找到确定性

GPT 学习法:复杂文献轻松的完美理解、在庞大的不确性中找到确定性

      • 复杂文献 - 基础理解
        • GPT 理解法 - 举例子、归纳、逻辑链推导本质、图示、概念放大器
        • GPT 分析法 - 二分、矩阵、公式、要素、过程
      • 做复杂题:在庞大的不确性中找到确定性
        • 思维追踪:改错题,要清晰自己不是错在某题,而是某题的第 n 步
        • 模式识别:从步骤中寻找特征 or 点亮一个点
        • 结构化:打开思路 or 推一步
          • 共同特征结构化
          • 知识点结构化
          • 解题策略结构化
          • 题目内部结构化
        • 逻辑链:一眼看透本质 or 推俩步 or 批判性思维-本来如此到为什么
        • 正推倒推结合:化繁为简 or 推一步
        • 全流程优化
        • 三策思考框架 - 思考汇报框架
        • 关联性学习法
      • 效率:一个人只有在一个高风险环境中,才能保持狼性

复杂文献 - 基础理解

GPT 理解法 - 举例子、归纳、逻辑链推导本质、图示、概念放大器
  • 举例子:列出搞不懂的话给GPT,请举一个例子,让小学生也能看懂

  • 推导本质:概念的性质是xxx,为什么xxx?…所以要怎样?

    凡事要问5个why、5个so,你才能把长逻辑和本质搞明白,不然就没学到很多隐性的内容。

  • 归纳:根据关键字归纳这段话,并列出关键字数量,和各个关键字之间的关联

  • 概念放大器:通俗的解释这个概念,但解释的句子要包含概念中的字。

    如分数:把数分开,同时用到了概念的分、数。

GPT 分析法 - 二分、矩阵、公式、要素、过程

画出思维导图

做复杂题:在庞大的不确性中找到确定性

思维追踪:改错题,要清晰自己不是错在某题,而是某题的第 n 步
  • 写下自己的思路,逐行对比自己的思路和作者的思路
模式识别:从步骤中寻找特征 or 点亮一个点

以解决具体题目的倒推形式:

  • 思考当前步骤(粗的是方法,精细就是第n个步骤)解决了什么问题?
  • 此问题之所以能用此步骤(方法),是因为什么特征?
  • 此步骤(方法)的常见使用场景是什么?
  • 为什么这些场景都可以用此步骤(方法),共同特征是什么?
结构化:打开思路 or 推一步

结构化思维包括两个核心要素。第一个是层级,第二个是分类。

把问题里面的实体分类,如人一类、车一类,再详细写每个类别的问题

层级,分类。人是一类,车是一类,路是一类,环境是一类,这是框架。再从框架到细节,细节的话。

共同特征结构化
  • 这里所有类别有哪些?(AI分析可能不全面)
  • 每个类别的可能问题,导致不能满足题目要求?(分析全面因素后,再细分各种可能)
知识点结构化

如果有知识点,做知识点结构化

解题策略结构化

如果题中有新知识(解题策略),做解题思路结构化。

比如数学、算法题目,只会书本上的知识点是做不了题目的。

题目内部结构化

题目要求复杂:当题目要求涉及多个方面、多个条件或多个步骤时,通过题目内部结构化可以将问题分解为更小的子问题或关键要素,从而更好地理解题目要求。

题目逻辑复杂:当题目的逻辑关系较为复杂,需要明确每个条件之间的关联和影响时,题目内部结构化可以帮助捕捉关键的逻辑关系,确保理解题目的要求和条件。

理解题目关键点:当题目存在一些关键点或关键词,需要准确理解和把握时,通过题目内部结构化可以将这些关键点进行标注和分析,以确保不会遗漏或误解题目的关键要素。

解决复杂问题:当面对一个复杂问题时,题目内部结构化可以帮助将问题分解为更小的子问题,逐步解决,以确保解决方案的全面性和准确性。

逻辑链:一眼看透本质 or 推俩步 or 批判性思维-本来如此到为什么

第一眼看到的一定是表象、手段,不断推才能换取本质、目的

  • 5why:为什么会xxxx? 为什么xxx?..
  • 5so:所以呢?…所以呢?…
正推倒推结合:化繁为简 or 推一步
全流程优化
三策思考框架 - 思考汇报框架
关联性学习法

效率:一个人只有在一个高风险环境中,才能保持狼性

创业是不确定的,经商是不确定的,投资是不确定的,但这些都是赚大钱的路径,但都是不确定的,需要你有极高的战略眼光和过人的胆识。你要从这些不确定性的事情中寻找确定性,才能成为一个顶尖的人。

而有的人,喜欢直接去当公务员、直接去事业单位、直接去当一个中小学老师,然后指望着一边做一个确定性的工作,一边找机会做做副业。本质上就是想从确定性的事情中追求一些不确定性,以给自己带来额外的收入。

虽然想的很好,也可能确实能赚到一点外快——但是这种从确定性中寻找不确定性的思维方式,本质上是过度缺乏安全感的思维方式,就是保底思维,就是想两头占,既想稳定,又想有机会捞大钱。

确定性的事情,本质上是学不到东西的,本质就是低效率的重复和浪费时间。在这样的情况下,你的信息摄入效率就是低的,你对商业就是没有感觉的,你就是一个为了安全感而不断妥协的人。

而这样的生活状态,总结出来的东西,必然是错误的。因为你的信息摄入效率太低了。

一个人只有在一个高风险环境中,才能保持狼性、保持高效率的决策、保持足够的敏锐、保持信息摄入的高密度,然后你才能保持足够高强度和高质量的信息输入,你总结出来的东西才能是真知灼见。

最大的问题在于,当一个人为了所谓的安全感而做决策的时候——一定是错误的决策。因为他的决策不具有格局和长远眼光,一切都是为了短期利益。

学校一年,社会一天。你在学校里一年所感受到的变化,其实也就是社会上一天的变化而已。你在学校里4年谈了一个恋爱,可能你到了社会上,一天就能相亲4个人。

打工一年,创业一天。你在职场上一年所感受到的东西,其实创业的老板一天就能感受完了。

你们的商业效率完全是不一样的。等你在职场里打工感受到一个东西再去做的时候,其实你就已经是接力赛的最后一棒了。你不亏谁亏呢?

人要在不确定性中追求确定性,而不是在确定性中追求不确定性。

从不确定性中寻找确定性,这种行为,本质上是市场行为,这种人,本质上是有责任感有担当有水平的人,这样的人成功了,不管是对于他自己还是对社会,都是总体增益的。

而喜欢从确定性中寻找不确定性,这种行为,本质上是贪污腐败行为,这种人,本质上是想着钱多活少离家近、然后能找机会捞点钱的人。这样的人成功了,无论对于他自己的人格还是对于社会总体来说,都没有正面效应。

想从确定性中寻找不确定性的思维方式——会从根本上限制一个人、乃至一个国家的格局和发展。

所以,我必须给你安利:我对成就目标定向理论(装逼)的研究与探索。

我先定下我是谁,稍后万物向此奔袭,我就会每日精进且不拘一格。

最核心的是,定的都是高逼格内容,比如AI前沿技术、AI项目,就是那种看名字就觉得【厉害厉害、可以可以、佩服佩服】的内容。

  • 纯数学虽然也很牛,但说实话,性价比没AI、算法高
  • AI算法属于高逼格,又好玩,又好学的内容
  • 反正得是你自己觉得很酷、别人看了也觉得牛逼的内容

虽然自己不懂,但愿意花钱和一天时间去探索,慢慢慢慢,装着装着就会了。

相关文章:

GPT 学习法:复杂文献轻松的完美理解、在庞大的不确性中找到确定性

GPT 学习法:复杂文献轻松的完美理解、在庞大的不确性中找到确定性 复杂文献 - 基础理解GPT 理解法 - 举例子、归纳、逻辑链推导本质、图示、概念放大器GPT 分析法 - 二分、矩阵、公式、要素、过程 做复杂题:在庞大的不确性中找到确定性思维追踪&#xff…...

前端简单的爱心形状

首先需要创建一个 HTML 文件&#xff0c;然后在其中添加 CSS 样式和 JavaScript 代码。以下是一个简单的示例&#xff1a; 创建一个名为 loveheart.html 的文件 <!DOCTYPE html> <html lang"zh"> <head><meta charset"UTF-8"><…...

acwing算法基础之数学知识--求数a的欧拉函数值phi(a)

目录 1 基础知识2 模板3 工程化 1 基础知识 数a的欧拉函数 ϕ ( a ) \phi(a) ϕ(a)&#xff1a;表示1~n中与n互质的数的个数。其中两个数互质&#xff0c;是指这两个数的最大公约数为1。 根据定义&#xff0c;我们可以写出如下方法&#xff0c; int gcd(int a, int b) {retu…...

Jenkins的介绍与相关配置

Jenkins的介绍与配置 一.CI/CD介绍 &#xff11;.CI/CD概念 ①CI 中文意思是持续集成 (Continuous Integration, CI) 是一种软件开发流程&#xff0c;核心思想是在代码库中的每个提交都通过自动化的构建和测试流程进行验证。这种方法可以帮助团队更加频繁地交付软件&#x…...

开源网安受邀参加网络空间安全合作与发展论坛,为软件开发安全建设献计献策

​11月10日&#xff0c;在广西南宁举办的“2023网络空间安全合作与发展论坛”圆满结束。论坛在中国兵工学会的指导下&#xff0c;以“凝聚网络空间安全学术智慧&#xff0c;赋能数字经济时代四链融合”为主题&#xff0c;邀请了多位专家及企业代表共探讨网络安全发展与数字经济…...

arcgis提取栅格有效边界

方法一&#xff1a;【3D Analyst工具】-【转换】-【由栅格转出】-【栅格范围】 打开一幅栅格数据&#xff0c;利用【栅格范围】工具提取其有效边界&#xff08;不包含NoData值&#xff09;&#xff1a; 方法二&#xff1a;先利用【栅格计算器】将有效值赋值为1&#xff0c;得到…...

后端接口性能优化分析-问题发现问题定义

&#x1f44f;作者简介&#xff1a;大家好&#xff0c;我是爱吃芝士的土豆倪&#xff0c;24届校招生Java选手&#xff0c;很高兴认识大家&#x1f4d5;系列专栏&#xff1a;Spring源码、JUC源码&#x1f525;如果感觉博主的文章还不错的话&#xff0c;请&#x1f44d;三连支持&…...

中国首个通过ASIL D认证的IP发布,国产芯片供应商的机会来了

来自智能汽车的“芯”安全需求正在快速爆发。 一方面&#xff0c;随着智能汽车ADAS的快速迭代与逐渐普及化&#xff0c;以及越来越多元化智能座舱功能的快速上车&#xff0c;由此带来的车辆信息安全场景也在与日俱增&#xff0c;例如云端链接、设备身份认证、自动驾驶安全保障…...

[单片机课程设计报告汇总] 单片机设计报告常用硬件元器件描述

[单片机课程设计必看] 单片机设计报告常用描述 硬件设计 AT89C51最小系统 AT89C51是美国ATMEL公司生产的低电压&#xff0c;高性能CMOS16位单片机&#xff0c;片内含4k bytes的可反复擦写的只读程序存储器和128 bytes的随机存取数据存储器&#xff0c;期间采用ATMEL公司的高…...

Docker学习——⑧

文章目录 1、什么是 Docker Compose(容器编排)2、为什么要 Docker Compose&#xff1f;3、Docker Compose 的安装4、Docker Compose 的功能和使用场景5、Docker Compose 文件&#xff08;docker-compose.yml&#xff09;5.1 文件语法版本5.2 文件基本结构及常见指令 6、Docker …...

力扣刷题第二十一天--栈与队列

前言 周末玩了两天&#xff0c;s赛看的难受。。。还是和生活对线吧 内容 一、用栈实现队列 232.用栈实现队列 请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作&#xff08;push、pop、peek、empty&#xff09;&#xff1a; 实现 MyQueue 类&#…...

Python基础-解释器安装

一、下载 网址Welcome to Python.orgPython更新到13了&#xff0c;我们安装上一个12版本。 这里我保存到网盘里了&#xff0c;不想从官网下的&#xff0c;可以直接从网盘里下载。 链接&#xff1a;百度网盘 请输入提取码百度网盘为您提供文件的网络备份、同步和分享服务。空间…...

MySQL(14):视图

数据库对象 对象描述表(TABLE)表是存储数据的逻辑单元&#xff0c;以行和列的形式存在&#xff0c;列就是字段&#xff0c;行就是记录数据字典就是系统表&#xff0c;存放数据库相关信息的表。系统表的数据通常由数据库系统维护&#xff0c;程序员通常不应该修改&#xff0c;只…...

Blazor 附件上传和下载功能

效果图 page "/uploadFile" inject Microsoft.AspNetCore.Hosting.IWebHostEnvironment WebHostEnvironment inject ToastService ToastService inject DownloadService DownloadService<h3>UploadFile</h3><Button OnClick"ButtonClick" C…...

Git 安装配置

目录 Linux 平台上安装 Debian/Ubuntu Centos/RedHat 源码安装 Windows 平台上安装 Mac 平台上安装 Git 配置 用户信息 文本编辑器 差异分析工具 查看配置信息 在使用Git前我们需要先安装 Git。Git 目前支持 Linux/Unix、Solaris、Mac和 Windows 平台上运行。 Git …...

Center Smoothing Certified Robustness for Networks with Structured Outputs

文章目录 Center Smoothing: Certified Robustness for Networks with Structured OutputsSummaryResearch ObjectiveProblem StatementMethodsEvaluationConclusionNotesGaussian Smoothing常用希腊字母霍夫丁不等式&#xff08;Hoeffdings inequality&#xff09;1.简述2.霍夫…...

C#几种截取字符串的方法

在C#编程中&#xff0c;经常需要对字符串进行截取操作&#xff0c;即从一个长字符串中获取所需的部分信息。本文将介绍几种常用的C#字符串截取方法&#xff0c;并提供相应的示例代码。 目录 1. 使用Substring方法2. 使用Split方法3. 使用Substring和IndexOf方法4. 使用Regex类…...

【PG】PostgreSQL高可用方案repmgr部署(非常详细)

目录 简介 1 概述 1.1 术语 1.2 组件 1.2.1 repmgr 1.2.2 repmgrd 1.3 Repmgr用户与元数据 2 安装部署 2.0 部署环境 2.1 安装要求 2.1.1 操作系统 2.1.2 PostgreSQL 版本 2.1.3 操作系统用户 2.1.4 安装位置 2.1.5 版本要求 2.2 安装 2.2.1 软件包安装 2.2…...

Linux Makefile配置问题

编写一个简单的工程文件&#xff0c;制作Makefile需要包含lpthread&#xff0c;当Makefile写为如下配置时 #CROSSCOMPILE : arm-linux- CROSSCOMPILE :CFLAGS : -Wall -O2 -c CFLAGS -I$(PWD)LDFLAGS : -lpthread LDFLAGS -lm -ldlCC : $(CROSSCOMPILE)gcc #LD :…...

k8s篇之underlay网络和overlay区别

k8s中underlay网络和overlay区别 一、网络 1 Overlay网络&#xff1a; Overlay叫叠加网络也叫覆盖网络&#xff0c;指的是在物理网络的基础之上迭代实现新的虚拟网络&#xff0c;即可使网络中的容器可以互相通信。 优点是对物理网络的兼容性比较好&#xff0c;可以实现pod的…...

装饰模式(Decorator Pattern)重构java邮件发奖系统实战

前言 现在我们有个如下的需求&#xff0c;设计一个邮件发奖的小系统&#xff0c; 需求 1.数据验证 → 2. 敏感信息加密 → 3. 日志记录 → 4. 实际发送邮件 装饰器模式&#xff08;Decorator Pattern&#xff09;允许向一个现有的对象添加新的功能&#xff0c;同时又不改变其…...

【入坑系列】TiDB 强制索引在不同库下不生效问题

文章目录 背景SQL 优化情况线上SQL运行情况分析怀疑1:执行计划绑定问题?尝试:SHOW WARNINGS 查看警告探索 TiDB 的 USE_INDEX 写法Hint 不生效问题排查解决参考背景 项目中使用 TiDB 数据库,并对 SQL 进行优化了,添加了强制索引。 UAT 环境已经生效,但 PROD 环境强制索…...

基于uniapp+WebSocket实现聊天对话、消息监听、消息推送、聊天室等功能,多端兼容

基于 ​UniApp + WebSocket​实现多端兼容的实时通讯系统,涵盖WebSocket连接建立、消息收发机制、多端兼容性配置、消息实时监听等功能,适配​微信小程序、H5、Android、iOS等终端 目录 技术选型分析WebSocket协议优势UniApp跨平台特性WebSocket 基础实现连接管理消息收发连接…...

DAY 47

三、通道注意力 3.1 通道注意力的定义 # 新增&#xff1a;通道注意力模块&#xff08;SE模块&#xff09; class ChannelAttention(nn.Module):"""通道注意力模块(Squeeze-and-Excitation)"""def __init__(self, in_channels, reduction_rat…...

为什么需要建设工程项目管理?工程项目管理有哪些亮点功能?

在建筑行业&#xff0c;项目管理的重要性不言而喻。随着工程规模的扩大、技术复杂度的提升&#xff0c;传统的管理模式已经难以满足现代工程的需求。过去&#xff0c;许多企业依赖手工记录、口头沟通和分散的信息管理&#xff0c;导致效率低下、成本失控、风险频发。例如&#…...

系统设计 --- MongoDB亿级数据查询优化策略

系统设计 --- MongoDB亿级数据查询分表策略 背景Solution --- 分表 背景 使用audit log实现Audi Trail功能 Audit Trail范围: 六个月数据量: 每秒5-7条audi log&#xff0c;共计7千万 – 1亿条数据需要实现全文检索按照时间倒序因为license问题&#xff0c;不能使用ELK只能使用…...

Springcloud:Eureka 高可用集群搭建实战(服务注册与发现的底层原理与避坑指南)

引言&#xff1a;为什么 Eureka 依然是存量系统的核心&#xff1f; 尽管 Nacos 等新注册中心崛起&#xff0c;但金融、电力等保守行业仍有大量系统运行在 Eureka 上。理解其高可用设计与自我保护机制&#xff0c;是保障分布式系统稳定的必修课。本文将手把手带你搭建生产级 Eur…...

HarmonyOS运动开发:如何用mpchart绘制运动配速图表

##鸿蒙核心技术##运动开发##Sensor Service Kit&#xff08;传感器服务&#xff09;# 前言 在运动类应用中&#xff0c;运动数据的可视化是提升用户体验的重要环节。通过直观的图表展示运动过程中的关键数据&#xff0c;如配速、距离、卡路里消耗等&#xff0c;用户可以更清晰…...

论文笔记——相干体技术在裂缝预测中的应用研究

目录 相关地震知识补充地震数据的认识地震几何属性 相干体算法定义基本原理第一代相干体技术&#xff1a;基于互相关的相干体技术&#xff08;Correlation&#xff09;第二代相干体技术&#xff1a;基于相似的相干体技术&#xff08;Semblance&#xff09;基于多道相似的相干体…...

20个超级好用的 CSS 动画库

分享 20 个最佳 CSS 动画库。 它们中的大多数将生成纯 CSS 代码&#xff0c;而不需要任何外部库。 1.Animate.css 一个开箱即用型的跨浏览器动画库&#xff0c;可供你在项目中使用。 2.Magic Animations CSS3 一组简单的动画&#xff0c;可以包含在你的网页或应用项目中。 3.An…...