DeepSurvey: 提升自动化调查生成的分析深度与引用可靠性
人工智能
2026-05-29 v1
摘要
随着科学文献的快速增长，自动化调查生成已成为 AI 科学家和人类研究者的关键能力。然而，现有系统因依赖摘要和单篇论文处理，导致分析深度有限；同时，引用检索不精确和事后校准不可靠，产生浅薄调查并可能误导研究者。我们提出 DeepSurvey，一个代理系统以解决上述问题。为提升深度，DeepSurvey 从全文中提取结构化要点，建模跨论文关系通过聚类和比较分析，并整合代码仓库分析以恢复实现层面的细节。为提升可靠性，它结合引用图扩展与混合过滤进行主题聚焦检索，强制引用约束校准，部署多层次代理精炼以验证引用-论点一致性。实验表明，DeepSurvey 在内容得分（8.644/10）和引用质量（12.3% 和 9.3% 的召回率和精确率提升）上均取得最佳成绩，跨领域泛化更稳健（0.14 vs 0.22 到 0.69 CS-to-non-CS 下降），并在领域专家眼中优于人工编写的调查（83.3% 的整体质量，100% 的内容深度）。
引用
@article{arxiv.2605.29522,
title = {DeepSurvey: Enhancing Analytical Depth and Citation Reliability in Automated Survey Generation},
author = {Ziyue Yang and Da Ma and Hanqi Li and Zijian Wang and Tiancheng Huang and Zijian Hu and Chenrun Wang and Yunzhe Zhang and Xiaobao Wu and Kai Yu and Lu Chen},
journal= {arXiv preprint arXiv:2605.29522},
year = {2026}
}