DeepScholar是由伯克利和斯坦福联合研发的开放式深度研究系统，专注于高效处理数百篇学术文章，实现长文献综述的自动合成。DeepScholar不仅在研究合成质量上与OpenAI的同类系统不相上下，而且速度提升了近2倍，极大降低了时间和成本。

DeepScholar的核心技术依托于LOTUS，这是一个开源的语义查询引擎，采用AI驱动的语义操作符，能高效批量处理海量文献。团队围绕真实科研写作需求设计，特别是论文相关工作综述部分，平均需要处理20多篇文献，DeepScholar能精准完成这一复杂任务。

系统综合评估涵盖知识合成质量、检索准确度及结果可验证性，表现优异。虽然目前面临访问高峰带来的稳定性挑战，开发团队积极修复，欢迎社区贡献和反馈。

同时，项目开源了基准测试数据集与代码，及LOTUS引擎，助力科研与开发者打造更强大的研究辅助工具。公开的排行榜和论文为行业提供了参考标准和发展方向。

这一创新不仅展示了AI在学术研究领域的巨大潜力，也启示我们：面对日益爆炸的信息量，智能筛选和高质量合成是未来科研的关键。DeepScholar证明，技术进步能让学术知识更快、更准确、更易获取，推动科学发现的速度和深度。