PaSa

PaSa是由字节跳动研究团队开发的一款基于强化学习的学术论文检索智能体。该工具能够模拟人类研究人员的行为，自动调用搜索引擎、浏览相关论文并追踪引文网络，从而为用户提供精准且全面的学术文献检索结果。

PaSa的主要功能

• 自主调用搜索工具：PaSa可根据用户输入的学术问题自动生成多样化的搜索关键词，并执行多次搜索，确保覆盖所有相关文献。
• 阅读和分析论文内容：通过Crawler和Selector两个核心组件，PaSa能高效收集并筛选出符合用户需求的论文。
• 选择相关参考文献：PaSa可从大量文献中筛选出最相关的参考文献，提升检索结果的相关性。
• 支持复杂学术查询：该工具专门设计用于处理复杂的学术问题，包括涉及特定算法或方法的查询。
• 强化学习优化：PaSa采用强化学习方法进行训练，结合合成数据集与真实世界查询数据，以提升搜索效率和准确性。
• 高效检索能力：PaSa能在短时间内完成详尽的学术调研，在Recall@20和Recall@50指标上优于Google Scholar。

PaSa的技术原理

• 核心组件：PaSa由Crawler和Selector两个LLM智能体组成。
  • Crawler：负责通过搜索引擎获取相关论文，生成多样化关键词并执行多轮搜索。
  • Selector：对收集到的论文进行精读和评估，确保结果的准确性。
• 强化学习优化：PaSa利用强化学习（RL）和PPO算法进行训练，应对稀疏奖励和长轨迹问题。
  • 合成数据集：包含35,000个细粒度学术查询及其对应论文，来源于顶级会议。
  • 真实世界数据集：用于评估PaSa在实际场景中的表现。

PaSa的项目地址

• 项目官网：pasa-agent.ai
• GitHub仓库：https://github.com/bytedance/pasa
• arXiv技术论文：https://arxiv.org/pdf/2501.10120

PaSa的应用场景

• 学术研究中的文献调研：PaSa可帮助研究人员快速完成学术论文检索与调研。
• 高校科研与教学支持：可用于辅助教师和学生进行文献综述、研究设计及论文润色。
• 知识产权分析：其高效检索能力也可应用于专利和知识产权领域。
• 多任务学习与数据挖掘：底层技术还可拓展至多任务学习与数据挖掘等方向。