AI自动生成学术综述，浙大上交提出DAS系统1小时完成一篇高质量Survey

在人工智能技术快速发展的背景下，如何高效生成高质量的学术文献成为研究热点。近日，浙江大学和上海交通大学的研究团队联合发布了一项突破性成果——Deep Academic Survey（DAS）系统，旨在通过AI技术实现学术综述的自动化生成。

DAS系统的核心创新在于其Stateful Agentic Closed-Loop Manuscript Construction框架。与传统的"检索-分析-写作"流程不同，DAS采用状态感知的代理闭环范式，能够自动完成从文献解析到最终论文生成的全过程。研究人员构建了包含近200万篇arXiv论文的DAS-2M Literature Metadata Lake，利用大型语言模型提取面向综述写作的结构化元数据，包括方法、数据集、实验结果等关键信息。

在实际测试中，DAS系统在DAS-Bench的30个主题上表现出色。从Citation、Taxonomy、Discourse和Manuscript Reliability四个核心维度进行评估，DAS平均得分达到4.34，显著高于完整参与30个主题的最强基线模型4.03分。专家匿名评测显示，DAS在27/30个主题上比Naive RAG更受青睐，在19/21个共享CS主题上优于AutoSurvey系统。

DAS系统的成功不仅体现在技术突破上，更在于其对学术研究生态的影响。当前，高质量学术综述的撰写通常需要投入大量时间和精力，而DAS系统能够在1小时内完成一篇面向发表的学术综述，极大地提高了科研效率。项目团队已经开放了220篇DAS自动生成的热门方向综述，供研究者参考和对比。

"这项工作标志着AI在学术写作领域的重大进展，"浙江大学计算机科学与技术学院教授徐志凯表示，"我们不仅解决了文献理解的问题，更重要的是建立了完整的自动化写作闭环。"

目前，DAS系统的代码和数据已开源至GitHub和Hugging Face平台，研究团队计划进一步扩展支持的领域范围，并探索与其他科研工具的集成可能性。这一成果为AI辅助科研写作提供了新的技术路径，有望在未来推动学术研究的智能化发展。

图2展示了DAS系统的核心架构，包括候选论文发现、基于语义的分类与路由、段落规划与草稿生成等多个模块，体现了其全流程自动化的特点。