我正在做一个投影仪演示。我有这张幻灯片：
代码如下
\begin{frame}
Il problema viene affrontato utilizzando il metodo degli elementi finiti che spesso però pone numerose restrizioni sulla dimensione della mesh spaziale, richiede l'utilizzo di passi temporali molto piccoli e risulta dispendioso in termini computazionali.\\
\vspace{3mm}
Alternativamente, si potrebbero sfruttare le potenzialità di una rete neurale per fare inferenza sulla soluzione corretta attraverso una interpolazione realizzata con il deep learning.
Tuttavia, anche questo approccio è soggetto a evidenti limiti quando applicato a un problema non lineare. E' necessaria una grande quantità di dati per realizzare il training della rete e il risultato finale può essere molto impreciso.\\
\vspace{3mm}
Per risolvere il problema, evitando i difetti dei due metodi precedenti, ci si propone di utilizzare una rete neurale fisicamente informata, sfruttando la differenziazione automatica per modellare l'equazioni alle derivate parziali definite dalle leggi fisiche alla base della dinamica del sistema.
\end{frame}
现在，如果我在文档开头添加 \usepackage{minted} 而不进行其他任何更改，幻灯片就会发生变化并变成这样：
其他幻灯片也出现了同样的情况。情况更糟。之前：
后：
我该如何避免这种情况？我需要使用 minted 在一张幻灯片中插入 Python 代码。谢谢
答案1
强制换行后的行后面带有空格的版本是我期望的输出
\\ \vspace{3mm} Alternativamente
它将在以 Alternativamente 开头的行下添加空格，而不是在行前添加空格。
要开始一个段落，请使用空白行\\，并指定段落由垂直空间分隔，请使用\setlength\parskip{3mm}
碰巧的是，通常在 beamer 中\\有一个内部强制段落的定义（就像\\在正常环境中一样），因此afterflushleft的形式或多或少是偶然起作用的。\vspace\\
正如您所注意到的minted（有点令人惊讶）重置\\为标准乳胶定义。
最好将这些标记为段落，而不是在单个段落中强制换行
\documentclass{beamer}
\usepackage{minted}
\setlength\parskip{3mm}
\begin{document}
\begin{frame}
Il problema viene affrontato utilizzando il metodo degli elementi finiti che spesso però pone numerose restrizioni sulla dimensione della mesh spaziale, richiede l'utilizzo di passi temporali molto piccoli e risulta dispendioso in termini computazionali.
Alternativamente, si potrebbero sfruttare le potenzialità di una rete neurale per fare inferenza sulla soluzione corretta attraverso una interpolazione realizzata con il deep learning.
Tuttavia, anche questo approccio è soggetto a evidenti limiti quando applicato a un problema non lineare. E' necessaria una grande quantità di dati per realizzare il training della rete e il risultato finale può essere molto impreciso.
Per risolvere il problema, evitando i difetti dei due metodi precedenti, ci si propone di utilizzare una rete neurale fisicamente informata, sfruttando la differenziazione automatica per modellare l'equazioni alle derivate parziali definite dalle leggi fisiche alla base della dinamica del sistema.
\end{frame}
\end{document}
的重置\\实际上是由lineno调用的fanvyvrb，它是由调用的minted