高效探索学术前沿：PaSa，ByteDance Research的革新论文搜索助手，以压倒性优势引领检索技术新纪元

在知识爆炸的时代，科研人员和学者面临着海量文献的筛选挑战。ByteDance ReSearch响应这一需求，隆重推出了PaSa——一个革命性的论文智能检索系统，它彻底改变了传统的研究资料搜索方式。相较于市面上的主流检索工具，PaSa以其卓越的效率和精准度脱颖而出，承诺在短短两分钟内完成论文调研任务，为科研工作者提供了前所未有的便捷。PaSa通过深度学习和自然语言处理技术的巧妙融合，能够理解复杂的研究查询，快速定位到最相关、最有价值的学术资源，极大地提升了科研效率，标志着学术搜索领域的一次重大飞跃。这不仅为科研人员节省了宝贵时间，更为探索未知领域开启了新的加速通道。

2025年被誉为agent元年，字节跳动研究团队率先推出了一款基于强化学习的论文检索智能体——pasa。它能够模拟人类研究人员的行为，高效地完成搜索引擎查询、论文阅读和参考文献查找等任务，将原本耗时冗长的文献调研过程压缩至短短两分钟。

您是否曾为寻找特定主题的论文而苦恼？或者对某个研究方向充满兴趣，却难以确定是否存在类似研究？PaSa为科研人员提供了一个强大的学术助手，只需输入研究问题，PaSa即可自动调用搜索引擎，浏览相关论文并追踪引用网络，快速、精准地呈现所有相关文献。

PaSa效果展示：

对比实验表明，PaSa显著优于现有主流检索工具，包括Google、GoogleScholar等。例如，PaSa-7b在Recall@20和Recall@50指标上分别比Google提升了37.78%和39.90%。

PaSa现已开放试用，并已公开所有数据、代码和模型：

PaSaAgent架构

PaSa的核心由两个大型语言模型Agent构成：Crawler和Selector。Crawler负责自主调用搜索工具、阅读论文和扩展参考文献，收集与用户查询相关的论文；Selector则负责精读Crawler找到的论文，判断其是否满足用户需求。

PaSa框架：Crawler旨在最大化相关论文的召回率，Selector则注重精确性，确保论文符合用户需求。

PaSa处理用户查询的工作流程：

PaSa工作流示例：Crawler可生成多种互补的搜索词进行多次搜索，并评估其行为的长期价值。

训练与优化

PaSa的训练基于高质量的学术细粒度查询数据集AutoScholarQuery，该数据集包含36k条数据，每条数据包含一个AI领域的学术问题及其相关论文列表。

AutoScholarQuery数据示例

为了解决强化学习训练中的奖励稀疏性和过长行动轨迹问题，研究团队引入了Selector作为辅助奖励模型，并提出了一种新的session-levelPPO算法。Selector通过模仿学习进行训练，生成决策Token判断论文是否符合用户需求，并输出决策依据。

实验结果

研究团队在AutoScholarQuery-test和RealScholarQuery两个数据集上，对PaSa与一系列基线模型进行了全面对比。结果显示，PaSa在召回率和准确率上均显著优于其他模型，尤其是在RealScholarQuery数据集上，提升更为明显。

总结

PaSa是一个强大的基于大型语言模型的论文检索智能体，它通过模拟人类的文献调研过程，高效地解决了学术搜索中的挑战，为科研人员提供了极大的便利。

以上就是2分钟完成论文调研！ByteDanceResearch推出论文检索智能体PaSa，远超主流检索工具的详细内容，更多请关注其它相关文章！