Py学习  »  chatgpt

刚刚,ChatGPT 5.6 复现了SCI顶刊中的复杂公式

学术AI大模型 • 2 天前 • 27 次点击  

写论文写到模型部分,LaTeX 往往只是最后一道关。

变量已经列了一页,约束也想了不少,可它们怎样组合成一个逻辑闭合、还能解释的公式?光盯着空白公式框,很难凭空写出来。

常规办法是翻教材和同类论文,先找接近的模型,再一点点改。照抄结构容易,改动后的符号、假设和边界却常常对不上。

于是乎,一个公式就这样“憋”在了你的脑子里。

这时候,我们可以让 AI 把它“翻译”出来:把研究问题拆成变量、约束和成本项,搭出公式骨架,再生成 Word/WPS 可用的 LaTeX。下面,让我们用一篇供应链论文里的长公式,来完整演示一遍这套流程。

00|建立工作流

这复用的路线共有六步:说清研究问题,列变量与约束,搭公式骨架,生成 LaTeX,插入 Word/WPS,最后逐项复核。前面三步决定公式有没有研究含义,后面三步解决表达和排版。

01把研究问题说完整

别只说“这是我的研究资料,请根据他们帮我写一个公式”。

AI 至少要知道研究对象、目标、索引、决策变量、参数来源和约束。信息缺失时,让它先追问。

提示词

我正在建立一个【研究领域】模型。研究对象是【对象】,目标是【最小化/最大化什么】。已有信息:- 索引集合:【对象、时间、场景等】- 决策变量:【名称、含义、单位】- 已知参数:【名称、含义、单位、来源】- 必须满足的约束:【容量、守恒、边界、逻辑关系等】不要写最终公式。
请检查信息是否足够,列出缺失项、量纲冲突和可能重复定义;遇到不确定内容先提问,不自行补参数。

02|确定变量和骨架

公式中最主要的部分,自然是各种变量。想让AI理解我们要生成什么样的公式,我们还需要让AI建立符号表和公式骨架。

提示词

基于已确认的研究信息,请完成:1. 建立符号表,区分索引、集合、参数、决策变量和辅助变量;2. 为每个符号标注含义、单位及来源;3. 把目标函数拆成若干可解释模块;4. 先用“模块 A + 模块 B”的文字骨架表示,不急着展开所有求和;5. 检查每个加总项量纲是否一致,并指出必须成立的假设。

以我们选取的这篇参考文献为例,参考论文研究的是中断风险和数量折扣下的可持续供应链。

而我们想要实现的公式效果,位于 PDF 第 19 页、论文页码 1405,是将最优订货量 $Q_j$ 代回系统总成本函数后得到的式(8)它把订货与库存、制造,以及无折扣、一般折扣和增量折扣三种采购成本合在一起。

当然,大家专业不同,无需完全理解这个研究的具体内容,只需大致清楚这个公式中的变量大致含义如下
$i$ 是供应商,$j$ 是产品,$s$ 是中断场景,$k_i$ 是供应商的折扣区间。$D_j$ 表示需求,$x_i$ 表示是否选择供应商,$y_{ij}^{s}$ 是场景 $s$ 下由供应商 $i$ 承担的产品 $j$ 需求比例,$\delta_s^*$ 是场景概率。其余 参数继续描述产能、制造成本、库存成本、采购单价与折扣区间上下界。

03同时输出公式与 LaTeX

骨架确认后,再展开求和、上下标、分式、根号和括号。要求 AI 同时给出渲染公式与纯 LaTeX,方便人工对照。

提示词

请把已确认的公式骨架展开为完整数学表达式完成任务:1. 只依据论文第1519页的符号表、推导和目标公式转写,不改模型;2. 先把公式拆成:订货与库存成本、制造成本、无折扣采购成本、一般折扣采购成本、增量折扣采购成本;3. 核对 i、j、s、k_i 的求和范围,以及 δ_s^*、y_ij^s、w、p、d、UP、LO 的上下标;4. 输出一份 Word/WPS 可粘贴的一行 LaTeX,再输出 aligned 分行版本;5. 用简短中文解释每一行对应的成本,不展开论文其余求解过程;6. 最后列出“仍需对照原 PDF 人工核验”的字符,尤其检查星号、撇号、折扣类型 A/I/N 与 k_i-1
禁止根据常见供应链模型自行补写。若截图与 PDF 文字层冲突,以清晰页面图为准,并标出冲突。

最后,我们得到这样的输出结果

04粘贴到 Word/WPS

接下来,我们把输出的成果粘贴到WPS中,看一下生成的结果。

WPS 新版可从“插入—LaTeX”进入,长公式优先使用分行版本,先确认结构,再处理编号和换行。

对比原文中作者的公式,我们只需要再额外填写一些AI遗漏的变量,这个公式就大功告成了。

06逐项复核

排版正确只说明代码能渲染。最终我们还要查五件事:公式是否匹配研究问题;符号是否全部定义;参数是否有来源;求和范围和量纲是否一致;代入、变形或近似有没有遗漏前提。

特别是对于像式(8)这样的长公式,还要逐项对照折扣类型、撇号、星号及区间上下界。

尾声

AI 最适合处理的,是把已经说清的研究逻辑翻译成符号和 LaTeX,再帮你找出漏项。公式真正站得住,靠的是研究设计、参数依据和推导检查。下次面对空白公式框,不妨先写一张符号表;当变量之间的关系清楚了,公式往往已经写出了一半。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/200290