家人们谁懂啊，写文献综述这事儿，简直是研究生的噩梦。
开题要写，中期要写，毕业论文还得写。有人为了一篇综述熬了三个月，头发掉了一半，最后导师一句“逻辑不清、分类混乱”直接打回重写。结果现在浙大和上交的研究团队跳出来说：别熬了，一小时，我给你整出来。
但别高兴太早，他们自己也很坦诚——离真正“能发表”，还差那么0.3分。
这0.3分，懂的都懂，有时候就是“能投”和“再改改”之间的距离，隔着一条银河。
这玩意儿到底叫啥？DAS，听着挺唬人
浙大、上交联合团队搞了个系统叫DAS，目标是让AI一小时内自动生成一篇面向发表的学术综述。
你可能会说，Deep Research那些工具不是早就能搜文献、写报告了吗？是，但问题恰恰出在这儿。
市面上那些工具走的都是“检索—分析—写作”的老套路，产出的东西更像一份研究报告，而不是一篇正经的学术综述。论文怎么分类？哪篇该放哪个章节？某个论点到底该引哪几篇文献？参考文献、交叉引用、图表、最终PDF能不能靠得住？这些问题，不是把上下文拉长、多塞几篇论文就能解决的。
DAS的思路完全不一样。它搞了个“有状态智能体闭环”框架，从全局文献检索到分类体系构建，再到论文分配、段落规划、引用规划，最后经过语义审查和确定性验证，形成一套“生成—审查—修正—再评估”的完整闭环，最后直接给你输出一篇带图表、带参考文献的完整PDF。
翻译一下就是：它不是把搜到的论文硬缝在一起，而是先“吃透”这些论文，再决定怎么组织、怎么论证、怎么引用。这操作，属实是把写综述这事儿给玩明白了。
先啃下200万篇论文，再谈写作
DAS底层有个叫DAS-2M的文献元数据库。团队把2020年1月以来近200万篇论文做了全文解析，用大模型提取出方法、数据集、实验结果、创新点、局限性这些结构化信息。
这有啥用？打个比方，以前写综述就像每次都要重新翻一遍图书馆的所有书，现在相当于提前把所有书都做好了详细读书笔记——一篇论文解析一次，就能被不同的综述主题反复调用。而且这个库是动态更新的，新论文发出来会持续补进去。
用户输入一个主题，系统先从200万篇论文里检索候选文献，再基于这些论文建分类体系，通过反向路由判断每篇论文该支撑哪个章节。后面的规划、写作、引用，全都建立在同一套可复用的文献表示上。
说白了就是：先把地基打牢，再往上盖楼。
4.34分，离最强基线就差0.31
在DAS-Bench评测基准的30个综述主题上，DAS从引用质量、分类体系、论述逻辑和稿件可靠性四个维度接受评测，平均得分4.34分。完整参与全部30个主题的最强基线得分是4.03分。
等会儿，4.34减4.03，不就是0.31吗？对，就差这0.31。对人类作者来说，这0.31分可能就是“改一改能投”和“还得再打磨一轮”的差距。对AI来说，这0.31分是“初稿”和“能发表”之间那道看不见的墙。
专家匿名评测里，DAS相比传统检索增强方法在30个主题中的27个更受偏好，相比另一个自动综述系统在21个共享主题中的19个更受偏好。目前项目网站已经开放了220篇自动生成的热门方向综述供在线查看。
那0.3分到底差在哪？
说实话，DAS已经是目前自动综述生成领域最能打的了。但0.3分的差距，指向的问题很具体。
一篇高质量综述的核心价值在于批判性分析和原创性见解——不只是把文献整理归类，而是指出这个领域哪里研究不够、哪些结论互相矛盾、未来该往哪走。AI擅长的是“整理”，不擅长的是“判断”。它能告诉你某篇论文用了啥方法、得了啥结果，但它很难告诉你“这个方法的根本假设可能有问题”或者“这个领域的主流范式正在被挑战”。
另一个现实问题是引用可靠性。虽然DAS在引用维度下了不少功夫，但AI生成综述的参考文献准确性仍是学术界普遍担心的事。一篇综述里要是有几个引用对不上，那就是学术事故，直接社死。
研究者该慌吗？
不用慌，但该想的确实得想。
0.3分的差距，搁以前可能是“辅助工具”和“替代方案”之间的鸿沟。可现在，工具已经能一小时干完你半个月的活，虽然最后那0.3分还得你自己补——但问题是，你补得过来吗？
未来的学术写作可能变成这样：AI负责海量文献的快速梳理和组织，人类负责注入批判性思考、建立跨领域连接、提出真正有价值的研究问题。综述作者的角色正在从“文献搬运工”变成“知识策展人”。
最关键的是，DAS团队已经把代码、数据、评测基准全部开源了。意味着任何一个研究者、任何一个实验室，都可以在这个基础上继续往前推。今天差0.3分，明天呢？
你觉得AI写综述这事儿靠谱吗？如果有一天AI生成的综述真能直接发表，你会用还是不用？评论区聊聊你的看法，顺手转发给那个还在为文献综述头秃的室友。
