用chatgpt最好要给他范例。chatgpt降重原理：
一. 中文论文翻译成英文
广义零样本学习是我的研究方向，下面的提示词改为自己的研究方向。
1.1 直接翻译
python
你是一位广义零样本学习的专家，现在在写一篇学术论文，将如下中文Latex版论文片段翻译成英文，要求符合sci英文论文风格，具备语法正确，清晰，简洁和整体可读性.为了符合sci英文论文习惯，可以更改句子的顺序和重组句子。1.2 根据中文内容，重写成英文（推荐）
python
你是一位广义零样本学习的专家，现在在写一篇学术论文，请重写如下中文论文片段，要求与原片段总体思想保持一致，但更简略。符合sci英文论文风格，具备语法正确，清晰，简洁和整体可读性。二.降重
2.1 直接降重(效果差)
python
你是一位广义零样本学习的专家，为了将如下论文片段降重，请提取如下内容的主干，重新书写该段内容。要求符合中文学术风格，具备语法正确，清晰，简洁和整体可读性.为了句子通顺，可以更改句子的顺序和重组句子2.2 降重两步法(效果好)
gpt的记忆力很好，会根据之前输入的东西进行决策，所以要新建窗口。
1.新建一个窗口进行关键点提取.
提示词：
python
提炼出这段话的关键点和结论，简明扼要:如：
2.复制上面写的关键点和结论，然后让gpt扩写
python
你是一位广义零样本学习的专家，请将如下关键点和结论扩写成论文的一个片段，要求符合学术风格，具备语法正确，清晰，简洁和整体可读性.
python
如：
关键点和结论：
1. 回归器的构建方法：
- 通过监督学习使用可见类的标记示例。
- 通过无监督学习使用不可见类的视觉特征和类属性。
2. 回归器的监督学习：
- 对于可见类的每个样本，通过最小化将其视觉特征映射到相应的类属性进行训练。
3. 回归器的无监督学习：
- 使用可见类的视觉特征和语义属性进行训练。
- 通过最小化视觉特征与相应的语义属性损失来学习将它们对齐。
4. 训练生成器：
- 在训练回归器之后，冻结其参数。
- 使用噪声 $z$ 和可见类语义属性$A^s$输入到生成器，生成可见类视觉特征$\bar{V}^s$。
- 使用回归器将$\bar{V}^s$作为输入，在Eq(1)中将其对应的真实语义属性嵌入$\bar{A}^s$作为标签。
- 通过最小化预测的语义属性嵌入$\bar{A}^s$和真实的语义属性嵌入$A^s$的损失来训练生成器生成更逼真的视觉特征。三.润色 和 检查语法是否有错误
3.1 中文论文润色提示词
python
下面这段论文片段是否符合中文论文的风格和表达习惯，你可以更改这个片段，必要的时候可以重组句子，更改语句顺序，使这个片段符合中文论文表达习惯，给出更改的理由。3.2 英文润色
python
下面这段论文片段是否符合sci英文论文的风格和表达习惯，你可以更改这个片段，可以重组句子，更改语句顺序，使这个片段符合sci英文论文表达习惯，给出更改的理由。