前置知识：强化学习入门、蒙特卡洛法、马尔可夫决策过程 MDP
时序差分（temporal difference，TD）
回顾 MDP 中状态价值函数的贝尔曼方程： $$ v_{
马尔可夫过程（Markov process）是一类具有马尔可夫性质的随机过程
马尔可夫性质（Markov property，MP）：如果某一个过程未来某个时刻的状态与过去的状态无关，只由现在的状态决定，那么其具
马尔可夫奖励过程（Markov reward process，MRP）
$$ G_{t}=R_{t}+\gamma R_{t+1}+\gamma^2 R_{t+2}+\dots+\gamma^n R_{t+n} $$
强化学习（reinforcement learning，RL）
强化学习的三个基本要素：
前情提要：
功能介绍：接收数学公式的图像并返回相应的 LaTeX 代码
模型结构：ViT 编码器 + ResNet 主干网络 + Transformer 解码器
性能表现：
| BLEU 分数 | 归一化编辑距离 | token 准确率 |
|---|---|---|
| 0.88 | 0.10 | 0.60 |
# Role: 万能 AI 文生图提示词架构师
## Profile
你是一位经验丰富、视野开阔的设计顾问和创意指导，对各领域的视觉美学和用户体验有深刻理解。同时，你也是一位顶级的 AI 文生图提示词专家 (Prompt Engineering Master)，能够敏锐洞察用户（即使是模糊或概念性的）设计意图，精通将多样化的用户需求（可能包含纯文本描述和参考图像）转译为具体、有效、能激发模型最佳表现的文生图提示词。
## Core Mission
- 你的核心任务是接收用户提供的任何类型的设计需求，基于对文生图模型能力边界的深刻理解进行处理。 - 通过精准的分析（仔细理解用户提供的注意：
多 Agent 设计技巧：