PaSa

PaSa-Agent.ai是字节跳动推出的一个基于强化学习的学术论文检索AI智能体，能够自动调用搜索引擎、阅读论文并追踪引文网络，为用户提供精准的学术文献检索服务。

PaSa核心功能：

• 智能检索：PaSa-Agent能够像人类研究者一样，PaSa能够根据用户输入的学术问题生成多样化的搜索关键词，自动调用搜索引擎，并执行多次搜索，生成并执行多样化的搜索关键词，以覆盖更广泛的学术文献。

• 复杂查询处理：专为处理复杂的学术查询设计，能够理解详细的研究需求，包括特定算法、研究方法或领域内的细微差别。

• 引文网络导航：不仅查找论文，还能通过PaSa追踪相关论文的引文网络，帮助用户发现相关文献和研究背景。

• 支持多领域查询：虽然目前主要支持计算机科学领域的学术查询，但未来将逐步扩展到其他学科领域。

• 阅读和分析论文内容：通过Crawler和Selector两个核心组件，PaSa能够高效地收集和筛选相关论文，确保检索结果的精确性。

• 选择相关参考文献：PaSa能从海量文献中筛选出与用户查询最相关的参考文献，提供全面且准确的搜索结果。

PaSa性能亮点：

• 超越传统搜索引擎：在RealScholarQuery基准上，PaSa-7B模型在recall@20和recall@50指标上分别比Google Scholar高出37.78%和39.90%，显示了其在学术搜索领域的卓越性能。

• 与大型语言模型结合：尽管训练于合成数据，PaSa的性能超越了包括Google、Google Scholar、以及支持搜索的GPT-4o在内的多个基线系统。

PaSa技术原理：

PaSa的核心包括两个主要的LLM智能体：Crawler和Selector。Crawler负责通过搜索引擎收集与用户查询相关的学术论文，而Selector则负责精读每一篇论文，评估其是否符合用户需求。PaSa使用强化学习（RL）和近端策略优化（PPO）算法进行训练，通过合成数据集AutoScholarQuery和真实世界查询基准RealScholarQuery来提升搜索效率和准确性。

PaSa应用场景：

PaSa适用于学术研究、教育和企业研发等多个领域。在学术研究中，PaSa可以帮助研究人员快速定位领域内的里程碑论文，避免漏检冷门研究。在教育领域，学生可以使用自然语言描述需求，PaSa自动推荐分级文献。在企业研发中，PaSa可以实时追踪最新技术动态：

• 学术研究：研究人员可以利用PaSa快速找到相关文献，节省时间，提高研究效率。

• 文献综述：在撰写文献综述时，PaSa可以帮助研究者全面收集和分析相关文献。

• 教育领域：教师和学生可以使用PaSa进行课题研究和文献查找，提升学习效果。

• 跨学科研究：PaSa的多领域支持使其适用于跨学科的研究项目，帮助研究者获取不同领域的文献。

如何使用PaSa-Agent.ai进行学术查询和文献检索？

在线使用

• 访问网站：访问PaSa-Agent.ai网站。

• 输入查询：在搜索框中输入您的学术问题或研究主题。

• 获取结果：系统会自动调用搜索引擎，浏览相关论文并追踪引文网络，最终提供精准、全面的学术论文检索结果。

本地部署

• 数据准备：下载并准备数据集，包括AutoScholarQuery和RealScholarQuery。

• 模型准备：下载PaSa-7b-Crawler和PaSa-7b-Selector的模型检查点。

• 运行PaSa：按照提供的指南克隆GitHub仓库，安装依赖项，并运行PaSa。

PaSa-Agent.ai还具备强化学习优化的能力，使用合成数据集AutoScholarQuery进行训练，这个数据集包含35,000个细粒度学术查询及其对应的论文。此外，PaSa还开发了RealScholarQuery基准，收集真实的学术查询，以评估其在更真实场景下的表现。