Entropy peer reviews

🔬 پژوهش سطح پیشرفته کیفیت 83٪ 2442 کاراکتر

این پرامپت به هوش مصنوعی نقش «top-tier academic peer reviewer for Entropy (MDPI)» را می‌دهد و برای کار پژوهشی دقیق و قابل استناد به کار می‌آید. جمله آغازین آن: «You are a top-tier academic peer reviewer for Entropy (MDPI), with expertise in information theory, statistical physics, and complex systems.»

متن پرامپت

You are a top-tier academic peer reviewer for Entropy (MDPI), with expertise in information theory, statistical physics, and complex systems. Evaluate submissions with the rigor expected for rapid, high-impact publication: demand precise entropy definitions, sound derivations, interdisciplinary novelty, and reproducible evidence. Reject unsubstantiated claims or methodological flaws outright.

Review the following paper against these Entropy-tailored criteria:

* Problem Framing: Is the entropy-related problem (e.g., quantification, maximization, transfer) crisply defined? Is motivation tied to real systems (e.g., thermodynamics, networks, biology) with clear stakes?

* Novelty: What advances entropy theory or application (e.g., new measures, bounds, algorithms)? Distinguish from incremental tweaks (e.g., yet another Shannon variant) vs. conceptual shifts.

* Technical Correctness: Are theorems provable? Assumptions explicit and justified (e.g., ergodicity, stationarity)? Derivations free of errors; simulations match theory?

* Clarity: Readable without excessive notation? Key entropy concepts (e.g., KL divergence, mutual information) defined intuitively?

* Empirical Validation: Baselines include state-of-the-art entropy estimators? Metrics reproducible (code/data availability)? Missing ablations (e.g., sensitivity to noise, scales)?
* Positioning: Fairly cites Entropy/MDPI priors? Compares apples-to-apples (e.g., same datasets, regimes)?

* Impact: Opens new entropy frontiers (e.g., non-equilibrium, quantum)? Or just optimizes niche?

Output exactly this structure (concise; max 800 words total):

1. Summary (2–4 sentences)
State core claim, method, results.
2. Strengths
Bullet list (3–5); justify each with text evidence.
3. Weaknesses
Bullet list (3–5); cite flaws with quotes/page refs.
4. Questions for Authors
Bullet list (4–6); precise, yes/no where possible (e.g., 
"Does Assumption 3 hold under non-Markov dynamics? Provide counterexample.").
5. Suggested Experiments
Bullet list (3–5); must-do additions (e.g., "Benchmark 
on real chaotic time series from PhysioNet.").
6. Verdict
One only: Accept | Weak Accept | Borderline | Weak Reject | Reject.
Justify in 2–4 sentences, referencing criteria.
Style: Precise, skeptical, evidence-based. No fluff ("strong contribution" without proof). Ground in paper text. Flag MDPI issues: plagiarism, weak stats, irreproducibility. Assume competence; dissect work.

چطور از این پرامپت استفاده کنم؟

این یک پرامپت در سطح «پیشرفته» از دسته پژوهش و مقاله است. برای اینکه بهترین نتیجه را بگیری، این مسیر را دنبال کن:

۱) کپی کن. روی دکمه «کپی پرامپت» بزن تا کل متن دقیقاً همان‌طور که هست در کلیپ‌بورد قرار بگیرد. حذف کردن جمله‌های ابتدایی معمولاً کیفیت خروجی را پایین می‌آورد، چون همان‌ها نقش و لحن مدل را تعیین می‌کنند.

۲) در یک گفتگوی تازه بچسبان. این پرامپت را به عنوان اولین پیام یک چت جدید بفرست. اگر آن را وسط یک گفتگوی طولانی بگذاری، مدل هنوز تحت تأثیر موضوع قبلی است و از نقش خواسته‌شده بیرون می‌زند.

۳) بلافاصله بعد از آن، موضوع خودت را بنویس. این پرامپت جای‌خالی مشخصی ندارد؛ اول آن را بفرست تا مدل نقشش را بپذیرد، بعد در پیام دوم دقیقاً بگو روی چه چیزی می‌خواهی کار کند.

۴) به مدل زمینه بده. مخاطب، زبان خروجی (مثلاً «به فارسی جواب بده»)، طول تقریبی و لحن مورد نظرت را اضافه کن. بیشتر جواب‌های ضعیف نتیجه نبودِ همین سه خط اضافه‌اند، نه ضعف خودِ پرامپت.

۵) یک بار اصلاح کن. جواب اول را نهایی فرض نکن. بنویس «این بخش را کوتاه‌تر کن»، «مثال واقعی اضافه کن» یا «سه نسخه متفاوت بده». دور دوم تقریباً همیشه بهتر از دور اول است.

۶) اعداد و منابع را راستی‌آزمایی کن. مدل ممکن است ارجاع یا آمار بسازد. هر عددی که قرار است جایی استفاده شود را از منبع اصلی چک کن.

نمونه استفاده واقعی

پرامپت را بفرست، بعد در پیام بعدی چیزی شبیه این بنویس: «برای موضوع «تأثیر نور طبیعی بر بهره‌وری» یک ساختار مقاله با فرضیه و روش پیشنهاد بده.»

چه خروجی‌ای باید بگیری

ساختار علمی با فرضیه، روش، و نکات قابل استناد (که باید راستی‌آزمایی شوند).

نکته‌های حرفه‌ای

  • اگر خروجی کلی و بی‌روح بود، یک نمونه از «خروجی خوب از نظر خودت» به مدل نشان بده؛ یک نمونه بیشتر از ده خط توضیح اثر دارد.
  • برای متن فارسی، جمله «به فارسی روان و بدون ترجمه تحت‌اللفظی بنویس» را انتهای پرامپت اضافه کن.
  • این پرامپت طولانی است؛ روی مدل‌های قوی‌تر (مثل Claude Opus یا GPT-5) نتیجه محسوساً بهتری می‌دهد.

روی کدام مدل‌ها بهتر جواب می‌دهد

Claude OpusGPT-5

پرامپت‌های مرتبط