DeepSurvey：提升自动综述生成的分析深度与引用可靠性

随着科学文献快速增长，自动综述生成已成为AI科学家和人类研究者的一项关键能力。然而，现有系统由于依赖摘要和孤立的单篇论文处理而分析深度有限，且检索不精确与事后接地导致引用不可靠，产出的综述流于表面并可能误导研究者。我们提出DeepSurvey，一个同时解决这两方面问题的智能体系统。为增强深度，DeepSurvey从全文论文中提取结构化要点，通过聚类与比较分析建模跨论文关系，并整合代码仓库分析以还原实现层面的细节。为强化可靠性，它将引文图扩展与混合过滤相结合以实现聚焦主题的检索，强制执行证据约束的引用分配，并部署多粒度的智能体精炼来验证引用-论断对齐。实验表明，DeepSurvey取得了最高的内容得分（8.644/10）与引用质量（相对最强基线在召回率和精确率上分别提升12.3%和9.3%），跨领域泛化更稳健（CS到非CS的下降为0.14，而基线为0.22至0.69），并且被领域专家认为优于人工撰写的综述（整体质量83.3%，内容深度100%）。