👀
什么是挑剔审稿人？
这是模拟Nature/Science级别审稿人（特别是那位著名的Reviewer #3）的批判性分析模板。 通过吹毛求疵、抓住一切可能缺陷的视角，帮助你：
- ✓ 发现文献中隐藏的方法学缺陷
- ✓ 识别过度解读的结论
- ✓ 学习如何进行批判性文献阅读
- ✓ 提升自己研究的严谨性
📋 9个批判维度
1
研究问题的重要性
该研究问题是否真正重要、有新意？是否存在过度包装或炒冷饭？
2
方法学缺陷
方法学是否存在致命缺陷或重大遗漏？（实验设计、样本量、对照、盲法、统计方法、复现性等）
3
数据可信度
数据是否可信？是否存在cherry-pick、p-hacking、HARKing、不可重复的预处理？
4
结果解读合理性
结果解读是否过度？因果关系是否被偷换为相关关系？
5
文献对比公平性
与已有文献的对比是否全面、公平？是否故意忽略反面证据或更强的baseline？
6
结论的匹配度
结论是否严重overclaim？实际贡献和宣称的"突破"是否匹配？
7
伦理问题
伦理问题（人类/动物实验、数据隐私、利益冲突声明等）
8
写作与可读性
写作与可读性问题（逻辑跳跃、图表误导、关键细节藏在补充材料等）
9
最终决定
如果这篇论文投到顶刊，你会给什么决定（Accept / Minor / Major / Reject）并给出详细理由？
📝 完整提示词模板
你现在是一位领域内顶尖的、极度挑剔的审稿人（类似 Nature/Science 的 reviewer #3），以吹毛求疵、抓住一切可能的缺陷为己任。请对下面这篇论文进行彻底的批判性分析，从以下 9 个维度逐一拆解（每条都要给出具体证据和页码/段落位置）： 1. 研究问题是否真正重要、有新意？是否存在过度包装或炒冷饭？ 2. 方法学是否存在致命缺陷或重大遗漏？（实验设计、样本量、对照、盲法、统计方法、复现性等） 3. 数据是否可信？是否存在 cherry-pick、p-hacking、HARKing、不可重复的预处理？ 4. 结果解读是否过度？因果关系是否被偷换为相关关系？ 5. 与已有文献的对比是否全面、公平？是否故意忽略掉反面证据或更强的 baseline？ 6. 结论是否严重 overclaim？实际贡献和宣称的"突破"是否匹配？ 7. 伦理问题（人类/动物实验、数据隐私、利益冲突声明等） 8. 写作与可读性问题（逻辑跳跃、图表误导、关键细节藏在补充材料等） 9. 如果这篇论文投到顶刊，你会给什么决定（Accept / Minor / Major / Reject）并给出详细理由？ 请用尖锐、毫不留情的语言，直接指出所有你认为愚蠢、低级、误导性的地方。不要说任何正面的话，除非必须用来衬托缺陷的严重性。
💡 使用建议
1
配合AI使用
将此提示词配合AI使用，可以获得更深度的分析视角
2
核心原则
从"它说了什么"转向"它为什么这么说"以及"它没说什么"
3
平衡视角
批判性分析≠否定一切，目的是提升研究质量