浙大、上交提出 DAS，1 小时生成面向发表的 Academic Survey

浙江大学、上海交通大学团队及其合作者提出 Deep Academic Survey（DAS），可在 1 小时内自动完成一篇面向发表的学术综述。不同于传统「检索 — 写作」流水线，DAS 采用 Stateful Agentic Framework，以 DAS-2M 文献元数据湖为底层支撑，先对近 200 万篇 arXiv 论文进行细粒度解析提取结构化元数据，再通过检索、构建分类体系、论文分配、分层规划写作等流程，并经语义审查与确定性验证形成生成 — 审查 — 修正 — 重评估的闭环，最终生成含图表、参考文献等的完整 PDF 综述。在 DAS-Bench 评测中，DAS 平均得分 4.34 高于最强基线的 4.03，专家匿名评测中表现优于 Naive RAG、AutoSurvey 等系统。目前项目网站已开放 220 篇自动生成的热门方向综述及相关对比结果，不过生成的综述仍需人工核验，未来还可探索动态文献追踪、人机协同修改等方向。