随着学术文献数量的急剧增长，撰写高质量的学术综述已成为研究者们进入新领域、梳理研究脉络和追踪最新进展的重要手段。然而，撰写一篇优秀的综述并非易事，通常需要大量的文献阅读和持续跟进领域动态，这不仅耗时，而且需要大量的专家参与。最近，浙江大学与上海交通大学的研究团队提出了DeepAcademicSurvey（DAS）系统，这一系统尝试在短短一小时内自动生成一篇面向发表的学术综述。
DAS的出现标志着学术写作领域的一次重要变革。与传统的“检索—写作”流程不同，DAS通过StatefulAgenticFramework重新定义了整个文献综述的构建过程。该系统不仅关注文献的检索和写作，更强调文献的组织和理解，形成了一个闭环的写作流程。在DAS的框架下，整个过程包括了文献的解析、候选文献的索引、论文的结构化分配等多个环节，确保了综述的质量和可靠性。
在DAS-Bench的30个综述主题评测中，DAS的表现令人瞩目，平均得分达到4.34，超出最强基线4.03。这一系统在Citation、Taxonomy、Discourse和ManuReliability等四个核心维度上进行了深入评测，显示出其在学术综述自动化生成方面的潜力。更重要的是，在专家匿名评测中，DAS在27个主题上受到更高的偏好，显示出其在实际应用中的优势。
DAS的核心优势在于其强大的文献基础设施——DAS-2MLiteratureMetadataLake。该系统对近200万篇arXiv论文进行了深度解析，提取出面向综述写作的结构化元数据，包括方法、数据集、实验结果等信息。这一细粒度的预理解使得不同的综述主题能够重复利用相同的文献，从而提高了效率和准确性。
在生成综述的过程中，DAS并不只是简单地串联多个步骤，而是通过维护一个持续更新的文稿状态，确保了论文的组织和写作过程之间的紧密关联。这种方法有效地解决了传统综述生成中常见的结构性问题，使得每个论点都能得到相应的文献支持。
虽然DAS系统在生成综述方面展现了巨大的潜力，但仍需注意的是，自动生成的综述最终仍需经过人工核验。这是因为学术综述的评价标准尚未完全统一，不同评审者在细节上的判断可能存在差异。因此，未来DAS将继续探索动态文献追踪、人机协同修改等方向，以期更好地服务于研究者。
DAS的最终目标并不是简单地生成一篇长文，而是通过可追溯、可修正的闭环过程，帮助研究者更快地进入陌生领域，并持续组织和理解不断演化的学术知识。这一创新无疑为学术写作开辟了新的可能性，值得我们期待。
