Yang Abao
引言：學術檢索的未來
在 2025 年，學術研究的方式迎來了一場革命性的變革。這一年被譽為 Agent 元年，ByteDance Research 推出了一款基於強化學習的智能體應用：PaSa。這款工具的出現，為學術檢索帶來了前所未有的效率提升。PaSa 能夠模仿人類研究者的行為，從搜索引擎調用到論文閱讀，再到查找參考文獻，僅需兩分鐘即可完成繁瑣的學術調研。對於科研工作者來說，這無疑是一個革命性的突破。
本文大綱
PaSa 的誕生與背景
在過去，學術研究者常常需要花費大量時間和精力來搜尋相關的學術論文，這不僅耗費了寶貴的時間，也可能導致研究進度的延遲。隨著人工智能技術的進步，ByteDance Research 的研究團隊看到了改變這一現狀的機會。他們開發了 PaSa，一個能夠自動化學術檢索過程的智能體。PaSa 的核心技術基於強化學習，這使得它能夠不斷學習和優化自身的檢索能力。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
PaSa 的功能與優勢
PaSa 的設計旨在最大化學術檢索的效率和準確性。它由兩個主要的 LLM Agents 組成：Crawler 和 Selector。Crawler 負責自主調用搜索工具，擴展參考文獻，並收集與用戶 Query 相關的學術論文。Selector 則精讀 Crawler 找到的每篇論文，確保其符合用戶需求。這種設計使得 PaSa 在學術 Query 測試集上大幅超越了 Google、Google Scholar 等主流檢索工具。
在學術檢索中，PaSa-7b 在 Recall@20 和 Recall@50 上分別提升了 37.78% 和 39.90%，顯著優於 Google。下表展示了 PaSa 與其他工具的性能比較：
| 工具 | Recall@20 | Recall@50 |
|---|---|---|
| 62.22% | 60.10% | |
| PaSa-7b | 100% | 100% |
這些數據顯示了 PaSa 在學術檢索中的卓越表現。
未來的展望
PaSa 的出現重新定義了學術檢索的效率和準確性。作為一個基於大語言模型的全新檢索智能體，PaSa 能夠自主高效地完成論文調研，為科研工作者節省大量時間。未來，隨著技術的進一步發展，PaSa 有望在更多領域中發揮其潛力。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
PaSa 的誕生不僅是技術上的突破，更是對學術研究方式的一次重新定義。隨著 PaSa 的普及，學術研究者將能夠更專注於創新和發現，而不再被繁瑣的檢索工作所束縛。這一變革將為學術界帶來更多的可能性和機遇。
PaSa 的核心技術與優勢
在學術檢索的領域中，PaSa 的出現無疑是一個革命性的突破。這款由 ByteDance Research 開發的智能體應用，通過其獨特的技術架構和強大的檢索能力，重新定義了學術研究的效率和準確性。PaSa 的核心技術由兩個主要的 LLM Agents 組成：Crawler 和 Selector。這兩個組件的協同工作，使得 PaSa 能夠在學術檢索中大幅超越傳統工具，如 Google 和 Google Scholar。
Crawler 與 Selector 的協同工作
Crawler 是 PaSa 的第一道防線，負責自主調用搜索工具，擴展參考文獻，並收集與用戶 Query 相關的學術論文。這一過程中，Crawler 能夠生成多樣、互補的搜索詞，執行多次搜索，並評估其行為的長期價值。例如，在多步擴展引文網絡後，Crawler 能夠發現許多與用戶 Query 相關的論文，即使路徑中的中間論文並不直接與用戶需求匹配。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
Selector 則是 PaSa 的第二道防線，負責精讀 Crawler 找到的每一篇論文，確保其符合用戶需求。Selector 會先生成一個 Decision Token，決定論文是否符合用戶 Query 的需要。這種設計不僅提高了檢索的準確性，還能夠有效地過濾掉不相關的資料，從而提升用戶的研究效率。
卓越的檢索性能
在學術檢索中，PaSa-7b 在 Recall@20 和 Recall@50 上分別提升了 37.78% 和 39.90%，顯著優於 Google。這些數據顯示了 PaSa 在學術檢索中的卓越表現。下表展示了 PaSa 與其他工具的性能比較：
| 工具 | Recall@20 | Recall@50 |
|---|---|---|
| 62.22% | 60.10% | |
| PaSa-7b | 100% | 100% |
這些數據不僅證明了 PaSa 的技術優勢，也顯示了其在實際應用中的潛力。PaSa 的出現，為學術研究者提供了一個高效、準確的檢索工具，能夠大幅縮短研究時間，提升研究質量。
未來的技術發展
隨著技術的進一步發展，PaSa 有望在更多領域中發揮其潛力。未來，PaSa 的技術團隊將繼續優化其核心技術，提升檢索效率和準確性，並探索更多的應用場景。這一切都將為學術界帶來更多的可能性和機遇。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
PaSa 的誕生不僅是技術上的突破，更是對學術研究方式的一次重新定義。隨著 PaSa 的普及，學術研究者將能夠更專注於創新和發現，而不再被繁瑣的檢索工作所束縛。這一變革將為學術界帶來更多的可能性和機遇。
PaSa 與主流檢索工具的比較
在學術檢索的領域中，PaSa 的出現無疑是一個革命性的突破。這款由 ByteDance Research 開發的智能體應用，通過其獨特的技術架構和強大的檢索能力，重新定義了學術研究的效率和準確性。PaSa 的核心技術由兩個主要的 LLM Agents 組成：Crawler 和 Selector。這兩個組件的協同工作，使得 PaSa 能夠在學術檢索中大幅超越傳統工具，如 Google 和 Google Scholar。
Crawler 與 Selector 的協同工作
Crawler 是 PaSa 的第一道防線，負責自主調用搜索工具，擴展參考文獻，並收集與用戶 Query 相關的學術論文。這一過程中，Crawler 能夠生成多樣、互補的搜索詞，執行多次搜索，並評估其行為的長期價值。例如，在多步擴展引文網絡後，Crawler 能夠發現許多與用戶 Query 相關的論文，即使路徑中的中間論文並不直接與用戶需求匹配。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
Selector 則是 PaSa 的第二道防線，負責精讀 Crawler 找到的每一篇論文，確保其符合用戶需求。Selector 會先生成一個 Decision Token，決定論文是否符合用戶 Query 的需要。這種設計不僅提高了檢索的準確性，還能夠有效地過濾掉不相關的資料，從而提升用戶的研究效率。
卓越的檢索性能
在學術檢索中，PaSa-7b 在 Recall@20 和 Recall@50 上分別提升了 37.78% 和 39.90%，顯著優於 Google。這些數據顯示了 PaSa 在學術檢索中的卓越表現。下表展示了 PaSa 與其他工具的性能比較：
| 工具 | Recall@20 | Recall@50 |
|---|---|---|
| 62.22% | 60.10% | |
| PaSa-7b | 100% | 100% |
這些數據不僅證明了 PaSa 的技術優勢，也顯示了其在實際應用中的潛力。PaSa 的出現，為學術研究者提供了一個高效、準確的檢索工具，能夠大幅縮短研究時間，提升研究質量。
未來的技術發展
隨著技術的進一步發展，PaSa 有望在更多領域中發揮其潛力。未來，PaSa 的技術團隊將繼續優化其核心技術，提升檢索效率和準確性，並探索更多的應用場景。這一切都將為學術界帶來更多的可能性和機遇。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
PaSa 的誕生不僅是技術上的突破，更是對學術研究方式的一次重新定義。隨著 PaSa 的普及，學術研究者將能夠更專注於創新和發現，而不再被繁瑣的檢索工作所束縛。這一變革將為學術界帶來更多的可能性和機遇。
PaSa 的訓練與優化
在學術檢索的領域中，PaSa 的訓練與優化過程是其卓越性能的關鍵。為了達到高效且準確的檢索能力，ByteDance Research 的研究團隊採用了多層次的技術策略，從數據集的構建到強化學習的應用，無不體現出其技術的深度與創新。
高質量數據集的構建
PaSa 的訓練始於一個名為 AutoScholarQuery 的高質量學術細粒度 Query 數據集。該數據集包含了 36,000 條數據，每條數據都由一個 AI 領域的學術問題及其相關論文組成。這些數據是通過收集人工智能領域的頂會論文，並基於每篇論文中的“Related Work”部分及其引用的相關文獻生成的。這樣的數據集不僅涵蓋了廣泛的學術問題，還確保了數據的相關性和精確性。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
強化學習的應用
在訓練過程中，PaSa 的 Crawler 和 Selector 兩個核心組件通過強化學習進行優化。Crawler 的訓練面臨兩大挑戰：獎勵稀疏性和過長的行動軌跡。為了解決這些問題，研究團隊引入了 Selector 作為輔助獎勵模型，顯著提升了優化效果。此外，為了處理 Crawler 在一次執行中可能收集到的大量文章，團隊開發了一種全新的 session-level PPO 算法，確保了行動軌跡的有效性。
Selector 則主要通過模仿學習進行訓練。它會生成一個 Decision Token，決定論文是否符合用戶的 Query 需求，並將 Token Probability 作為相關性分數，用於最終結果的排序。這種設計不僅提高了檢索的準確性，還能有效地過濾掉不相關的資料。
實驗結果與性能驗證
為了驗證 PaSa 在真實學術搜索場景中的表現，研究團隊開發了一個名為 RealScholarQuery 的評測集。該數據集包含了 AI 研究者提出的真實學術問題，並為每個問題人工構建了對應的相關論文列表。在 AutoScholarQuery-test 和 RealScholarQuery 兩個評測集上，PaSa 的表現均優於其他基線模型，特別是在召回率和準確率方面。
| 工具 | Recall@20 | Recall@50 |
|---|---|---|
| 62.22% | 60.10% | |
| PaSa-7b | 100% | 100% |
這些數據不僅證明了 PaSa 的技術優勢，也顯示了其在實際應用中的潛力。PaSa 的出現，為學術研究者提供了一個高效、準確的檢索工具，能夠大幅縮短研究時間，提升研究質量。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
未來的技術發展
隨著技術的進一步發展，PaSa 有望在更多領域中發揮其潛力。未來，PaSa 的技術團隊將繼續優化其核心技術，提升檢索效率和準確性，並探索更多的應用場景。這一切都將為學術界帶來更多的可能性和機遇。
PaSa 的誕生不僅是技術上的突破，更是對學術研究方式的一次重新定義。隨著 PaSa 的普及，學術研究者將能夠更專注於創新和發現，而不再被繁瑣的檢索工作所束縛。這一變革將為學術界帶來更多的可能性和機遇。
結論：PaSa 的未來展望
PaSa 的出現無疑為學術檢索帶來了一場革命。作為一個基於大語言模型的智能體，PaSa 不僅提升了學術檢索的效率和準確性，還重新定義了研究者的工作方式。隨著技術的進一步發展，PaSa 的潛力將在更多領域中得到發揮，為學術界帶來更多的可能性和機遇。
未來的技術發展
在未來，PaSa 的技術團隊將繼續致力於優化其核心技術，進一步提升檢索效率和準確性。這包括對 Crawler 和 Selector 的持續改進，以應對更複雜的學術問題和更大規模的數據集。隨著技術的進步，PaSa 有望在醫學、法律、工程等多個領域中發揮其強大的檢索能力，幫助研究者快速獲取所需的學術資源。
Source: 2分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
學術界的變革
PaSa 的誕生不僅是技術上的突破，更是對學術研究方式的一次重新定義。隨著 PaSa 的普及，學術研究者將能夠更專注於創新和發現，而不再被繁瑣的檢索工作所束縛。這一變革將為學術界帶來更多的可能性和機遇，促進跨學科的合作和知識的快速傳播。
行動建議
對於科研工作者來說，積極採用 PaSa 等新型檢索工具將是提升研究效率的關鍵。研究機構和大學應該考慮將這些工具整合到其研究流程中，以支持研究者的工作。此外，隨著 PaSa 的技術不斷進步，研究者應保持開放的心態，持續學習和適應新技術，以保持在學術研究中的競爭力。
總結來說，PaSa 的出現為學術檢索帶來了革命性的變革。未來，隨著技術的進一步發展，PaSa 將在更多領域中發揮其潛力，為學術界帶來更多的可能性和機遇。研究者應積極採用這些新技術，以提升研究效率和質量。
martech_jy
