浙大、上交提出 DAS：1 小时自动生成可发表级学术综述
浙大、上交的 DAS 把自动综述从「检索加写作」改成带状态、可回退的 Agent 闭环，先读懂 200 万篇论文再动笔，1 小时产出可投稿级综述。
学术综述写作需要读大量论文、梳理领域脉络，耗时以专家周计。浙江大学和上海交通大学团队提出 DAS（Deep Academic Survey），把「检索—写作」流水线换成有状态的 Agent 闭环：先建近 200 万篇 arXiv 论文的元数据底座，再分层规划章节、论点和引用，写完还要过审校与修复。1 小时可生成一篇面向发表的综述，在官方基准上平均分 4.34，高于最强基线 4.03。
正文摘录
.jpg)  随着学术文献数量持续增长，高质量学术综述已经成为研究者 快速进入陌生领域、梳理研究脉络和追踪最新进展的重要入口 。但真正写好一篇综述并不容易：它通常需要阅读大量文献、持续跟进领域动态，并投入大量专家时间。 大模型的出现，让这件事开始有了新的可能。近年来，Deep Research 和自动 Survey Generation 系统已经能够完成论文检索、资料整理、分析与长文本生成，甚至快速产出数万字的 Research Report。 但如果真正对照一篇高质量的 Academic Survey，问题就复杂得多。 论文该怎么组织？Taxonomy 怎么划分？不同论文应该放到哪些 Section？一个 Claim 到底应该由哪些 Citation 支撑？写完之后，References、Cross-reference、Figure、Table 和最终 PDF 又是否真的可靠？ 这些问题，并不是简单拉长上下文、生成更多文字、引用更多论文就能解决的。