SciSage es un framework multiagente desarrollado en respuesta a la creciente necesidad de herramientas automatizadas para la generación de encuestas, debido al rápido crecimiento de la literatura científica. Para superar las limitaciones de los métodos actuales basados en LLM, como la falta de análisis profundo, la falta de consistencia estructural y la falta de fiabilidad en las citas, SciSage adopta un paradigma de "reflexión al escribir", en el que agentes Reflector jerárquicos evalúan críticamente los manuscritos a nivel de resumen, sección y documento, y colaboran con agentes expertos para la interpretación de consultas, la recuperación de contenido y la revisión. Además, publicamos el benchmark SurveyScope, que consta de 46 artículos influyentes (2020-2025) en 11 campos de la informática que se han sometido a un control de calidad basado en citas y actualidad. Los resultados de la evaluación muestran que SciSage supera a los modelos con mejor rendimiento existentes (LLM x MapReduce-V2, AutoSurvey), logrando +1,73 puntos en consistencia del documento y +32 % en la puntuación F1 de citas. Aunque la evaluación humana arrojó resultados dispares (3 aciertos y 7 errores en comparación con las encuestas realizadas por personas), mostró fortalezas en cuanto a la amplitud de los temas y la eficiencia de recuperación. En general, SciSage ofrece una base prometedora para una herramienta de redacción de apoyo a la investigación.
