SurveyGO 是一个可以创建、分享和参与各种调查的在线平台，涵盖了多个领域和主题。...
【产品概述】
SurveyGO（卷姬）是由清华大学与面壁智能联合开源的 AI 论文写作工具，专门用于学术文献综述的自动化生成。该工具采用先进的 LLMxMapReduce-V2 技术框架，能够根据用户输入的主题快速生成结构严谨、引用可靠的学术综述。
【核心技术特点】
LLMxMapReduce-V2 框架
SurveyGO 的核心采用 LLMxMapReduce-V2 框架，通过文本卷积算法实现多文献信息的高效聚合。不同于传统检索增强生成技术，SurveyGO 借鉴卷积神经网络原理，逐步将局部文献信息整合为全局知识结构。
信息熵和卷积机制
MapReduce-V2 是一种开源写作框架，通过信息熵和卷积机制指导大模型生成结构清晰的长文档。它无需特定模型或微调，只需按步骤生成内容，适用于自动报告、长文生成等项目。
【主要功能】
一键生成文献综述
用户只需输入研究主题，SurveyGO 就能自动搜集相关文献，并生成结构完整的学术综述，大大提升了科研人员的工作效率。
智能文献聚合
系统能够智能地将多篇相关文献的信息进行整合和分析，形成连贯的学术观点和研究脉络。
结构化输出
生成的综述具有清晰的结构层次，包括研究背景、现状分析、挑战与解决方案等标准学术写作格式。
【应用场景】
SurveyGO 特别适合以下用户群体：
科研人员：快速了解某一领域的研究现状
研究生和博士生：撰写文献综述章节
学术机构：进行领域调研和趋势分析
企业研发团队：技术调研和竞品分析
打在了学生文献综述这个痛点，很实用的工具，适合前期资料探索阶段。
输入想搜的题目就能结合真实互联网文献进行搜索，生成一段类似综述的输出，没搞商业化之前给我好多个小组作业的选题都用过，能快速了解某个方向的研究脉络和潜在角度；对于刚刚入门、对选题背景一无所知的同学比较友好的。最近发现原来挂飞书的文档现在做成本地化界面了，体验流畅了不少。但也存在几个不小的痛点：
内容文风不适合论文引用，没有办法真实贴近文献的语言
引用的来源不够权威，大多是网络资讯或地方性资料，知网这种核心数据库引用比例极低
也很少有英文的文献，语料的质量还有待提升
最重要的是引用格式，直接按照资料的序号引用的，只有题目和文章链接，作者等基本字段也没有给，后续去别的AI找文献作者的正确率很低，实用性挺差的
生成速度挺慢的，要等个好久。
用来了解话题、理一理方向还行，但真正要用于写综述不如Chatgpt、豆包、DS，很建议官方优化下引用格式，参考文献字段信息这些严谨做一做，用户会更有粘性的。
不更新了了嘛？
昨晚试了两次全部出错。
点的学术搜索模式，不知道为什么到整理文章分组的时候就走不下去了 一直转圈圈。
而且在学术搜索的情况下，搜索的文献有点莫名奇妙的，与我主题毫不相干。严重怀疑是翻译有问题。
于是今早又试了一下，然后将主题换成英文标题后，搜索的内容稍微相关了一点，也可以正常输出了。
但是速度很慢很慢，光大纲生成这一块就耗时很久很久一直loadding，一度让人以为是不是又失败了。
最后的结果我很难说的上满意，虽然文章架构和内容比较充实，但是对于这样一个篇幅的文章来说，参考文献有点过少了。
还是刚刚发现这个宝藏AI应用，使用下来的体验出乎意料的惊艳。
当想了解某个课题的研究现状时，写一篇当下的综述总是一个不错的选择，当下也有很多AI应用可以做这件事情，但没有像SurveyGO做得这么垂直专业，是切实能够提升对课题的认知深度的。
描述课题的时候不需要有过多的顾虑，简单明了即可；它就会自行去拆解课题，搜索大量的资料，然后进行筛选，最终写出一篇完整的综述。是真的综述，好几万字的那种。
整个过程完全自动化，给它课题之后就可以静待结果了。无论是看大纲、还是看综述内容，都是比较符合学术规范的。而且内容质量很好，超出预期。
当然，就是很爱参考网络材料，如果全方位引用论文就更好啦。
非常好呀，能输出4-5万字的报告，但是就是说，输出的越多，越不敢信啊，希望加一个一键核查
打在了学生文献综述这个痛点，很好用的工具，适合前期资料探索阶段。缺点也是蛮多的，只适合完成课程作业，信息源大部分都是网络信息，缺少专业文献的引用。
挺好的想法，综述是研究过程中重复劳动工作最高，而且也是AI现阶段可能达到的能力当中非常不错的引用领域。高质量高效率的进行信息的检索、收集、整理、荟萃对于科研工作者也好，企业管理层也好都是非常有必要的。目前感觉产品距离能够实现copilot的综述还有一定的距离，特别适review是一个形式流程要求非常严谨的分类，建议结合现有的review工作流进一步拆分，找人机协同的界限。（本查之前有做过，如有兴趣，欢迎合作~
