深度学术调查：学术调查自动化的状态代理闭环范例

学术调查在组织迅速扩展的学术文献方面发挥着核心作用，但其构建需要广泛的论文分析、连贯的知识组织、细粒度的引文支持和可靠的手稿组装。现有的深度研究和自动调查生成系统解决了该过程的部分问题，但通常不通过共享的、可修改的状态来协调论文理解、文献组织、基于证据的起草和手稿验证。我们引入 DAS，这是一个用于生成面向出版的学术调查的状态代理框架。其关键思想是将可重复使用的论文分析与特定主题的手稿构建分开。 DAS 建立在 DAS-2M 之上，DAS-2M 是一个动态更新的元数据湖，包含大约 200 万篇论文的面向调查的表示。它的代理通过基于候选人的分类规划、反向纸张到章节的路由以及分层声明和引文规划来维护明确的文献、组织、写作和定稿状态。语义审查仅重新激活受影响的写入状态以进行修复和重新评估，形成具有确定性验证的范围闭环。我们进一步介绍了包含 30 个主题的基准 DAS-Bench 以及 DAS-Eval，后者通过 16 项标准评估学术引用质量、分类综合、分层论述和稿件组装可靠性。在对所有 30 个主题进行评估的系统中，DAS 在所有四个维度上均取得了最高的平均值，总体得分为 4.34，而最强竞争对手的得分为 4.03，并且在匹配的 21 个主题 CS 子集上保留了相同的排序。盲法专家评估在 30 个主题中的 27 个主题上进一步倾向于 DAS，而不是 Naive RAG，在 21 个共享 CS 主题中的 19 个主题上更倾向于 AutoSurvey。项目页面位于https://zhikaixu24.github.io/projects/DAS/。