对于研究生而言，文献综述堪称学术道路上的“拦路虎”。从开题报告到中期检查，再到毕业论文，这一环节反复出现，令无数学生叫苦不迭。有人耗时三个月精心打磨，却因导师一句“逻辑混乱、分类不清”被迫推倒重来，投入的心血瞬间付诸东流。然而，浙江大学与上海交通大学联合团队推出的DAS系统，似乎为这一困境带来了转机——它宣称能在1小时内自动生成可供发表的学术综述。
尽管这一成果令人振奋，但研究团队坦言，当前系统距离真正“可直接发表”仍有0.3分的差距。这微小的分差，在学术领域却可能意味着“修改后投稿”与“继续完善”之间的天壤之别，仿佛横亘在成功彼岸前的一条难以跨越的鸿沟。
DAS系统究竟有何独特之处？与传统工具仅依赖“检索—分析—写作”的线性流程不同，它采用了“有状态智能体闭环”框架。这一框架从全局文献检索入手，逐步构建分类体系，精准分配论文至相应章节，并规划段落与引用内容。通过语义审查和确定性验证，形成“生成—审查—修正—再评估”的完整闭环，最终输出包含图表和参考文献的完整PDF文档。简单来说，它并非简单堆砌文献，而是先深入理解论文内容，再以科学的方式组织论证，确保综述的逻辑性与严谨性。
支撑DAS系统高效运作的，是其底层庞大的文献元数据库——DAS-2M。该数据库对2020年1月以来近200万篇论文进行了全文解析，利用大模型提取方法、数据集、实验结果、创新点及局限性等结构化信息。这一举措如同为每篇论文制作了详细的“知识卡片”，不仅避免了重复解析的冗余工作，还能根据不同综述主题灵活调用相关信息。同时，数据库保持动态更新，确保新发表的论文能及时纳入分析范围。
在实际应用中，用户输入主题后，系统会从200万篇论文中筛选候选文献，构建分类体系，并通过反向路由确定每篇论文的归属章节。后续的规划、写作与引用环节，均基于同一套可复用的文献表示，为综述的生成奠定了坚实基础。
在DAS-Bench评测基准的30个综述主题上，DAS系统从引用质量、分类体系、论述逻辑和稿件可靠性四个维度接受检验，平均得分4.34分，而完整参与全部主题的最强基线得分仅为4.03分。尽管仅相差0.31分，但对AI而言，这却是“初稿”与“可发表”之间的关键分水岭。在专家匿名评测中，DAS系统在30个主题中的27个更受青睐，与另一自动综述系统相比，在21个共享主题中的19个表现更优。目前，项目网站已开放220篇自动生成的热门方向综述，供公众在线查阅。
尽管DAS系统在自动综述生成领域已处于领先地位，但0.3分的差距仍暴露出其存在的短板。高质量综述的核心价值在于批判性分析与原创性见解，而AI目前仅擅长整理文献，难以对研究方法的假设提出质疑，或洞察领域范式的变革趋势。引用可靠性仍是亟待解决的问题。尽管团队在引用维度投入大量精力，但AI生成综述的参考文献准确性仍可能引发学术争议，甚至导致严重后果。
面对AI的迅猛发展，研究者无需过度担忧，但需重新审视自身角色。过去，综述作者更像“文献搬运工”，而未来可能转变为“知识策展人”——AI负责快速梳理海量文献，人类则聚焦于注入批判性思维、建立跨领域联系，并提出具有价值的研究问题。值得一提的是，DAS团队已将代码、数据及评测基准全部开源，为全球研究者提供了继续探索的平台。今天相差0.3分，明天或许会有新的突破。
AI写综述是否可靠？若其生成的综述真能达到发表标准，你会选择使用吗？欢迎在评论区分享观点，并转发给正在为文献综述苦恼的伙伴。
