Обсуждение:Ускоренный градиент Нестерова

Материал из MachineLearning.

Версия от 11:25, 25 июня 2026; Arina Pakalova (Обсуждение | вклад)
(разн.) ← Предыдущая | Текущая версия (разн.) | Следующая → (разн.)
Перейти к: навигация, поиск

В данном промпте был сделан упор на математическую строгость объяснения. В отличие от предыдущей [Обсуждение:Генерация признаков | статьи] теперь была задана роль научного сотрудника. Также было значительно сокращено описание целевой аудитории ограничений стиля и политики сайта. В целом, это Был использован следующий промпт:

Представь, что ты научный сотрудник в области вычислительной математики. Твоя цель — написать статью для machinelearning.ru на тему "Ускоренный градиент Нестерова" в строгом академическом стиле «теорема-доказательство-свойства».

Не допустима разговорная лексика и популизм. При написании строго следуй плану в соответствии со всеми требованиями сайта machinelearning.ru (Инструктаж): 1. Опрделение и актуальность в теории оптимизации 2. Постановка задачи 3. Описание метода 4. Теоретические свойства и скорость сходимости 5. Литература 6. См. также (здесь должны быть ссылки на реальные, уже написанные статьи сайта machinelearning.ru по добной тематики)

При написании используй вики-разметку. Все математические формулы должны быть выделены тегом  (например, <tex>X В качестве примеров можешь изучить несколько статей на Википедии. Важные абстрактные понятия (например, Выпуклая функция, Скорость сходимости) оформи как внутренние ссылки. Опирайся на GFDL и оригинальные публикации. Проверь орфографию. В конце статьи обязательно укажи

Статья написана с использованием LLM и проверена участником Arina Pakalova 15:25, 25 июня 2026 (MSD)


Следующий промпт помог исправить небольшую неточность в оформлении литературы:


Добавь в тексте ссылки на используемую литературу. Пример оформления: "В этой же секции фиксируется признаковое пространство: типы признаков (числовые, категориальные, текстовые, графовые) и их масштабы[1]."

Исправь источник литературы: Bubeck S. Convex Optimization: Algorithms and Complexity. // Foundations and Trends in Machine Learning. — 2015. — Vol. 8, No. 3-4. — P. 231–357.


В полученной версии были сделаны незначительные изменения - часть "См. также" была полностью исправлена вручную, чтобы в ней преобладали реальные материалы с сайта. Также предупреждение об использовании LLM было перемещено перед статьёй.

Личные инструменты