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

2025 被称为 Agent 元年，新年伊始，ByteDance Research 就推出了一款基于强化学习的智能体应用：论文检索智能体。它可以模仿人类研究者调用搜索引擎、看论文、查参考文献。繁琐冗长的论文调研，现在，只需要两分钟。

从事科研工作的你，想要一个帮你尽调论文的科研小助手吗？

你是否曾为了寻找某个研究主题的相关论文，花费了大量的时间与精力；或者对某个研究想法充满兴趣，却不确定是否已有类似的研究，最终耗费了大量时间在调研上？最近，ByteDance Research 的研究团队推出了一款强大的学术论文检索工具 ——PaSa。用户只需提出关注的学术问题，PaSa 即可自动调用搜索引擎，浏览相关论文并追踪引文网络，精准、全面地为用户呈现所有相关的学术论文，只需要两分钟，就可以完成一次详尽的学术调研。

先来看看 PaSa 的效果：

研究人员将 PaSa 与一系列主流检索工具进行了对比，包括 Google, Google Scholar, Google+GPT-4o, ChatGPT（配备检索能力的 GPT-4o）, GPT-o1 以及 PaSa-GPT-4o。在学术 Query 测试集上，PaSa 大幅超越了当前主流检索工具：与 Google 相比，PaSa-7b 在 Recall@20 和 Recall@50 上分别提升了 37.78% 和 39.90%。与基于 Prompt Engineering 实现的 PaSa-GPT-4o 相比，经过强化学习训练的 PaSa-7b 在召回率上提升了 30.36%，准确率上提升了 4.25%.。

PaSa 目前已开放试用。同时，研究团队公开了详尽的技术论文，并一次性开源了全部的 数据、代码和模型：

• 论文地址：https://arxiv.org/abs/2501.10120
• 项目仓库：https://github.com/bytedance/pasa
• PaSa 主页：https://pasa-agent.ai

PaSa Agent 框架

PaSa 的核心组件包含两个 LLM Agents：Crawler 和 Selector。Crawler 通过自主调用搜索工具、阅读论文、扩展参考文献，不断收集与用户 Query 可能相关的学术论文。Selector 则负责精读 Crawler 找到的每一篇论文，决定其是否满足用户的需求。

                              ^{PaSa 框架：Crawler 的设计旨在最大化相关论文的召回率，而 Selector 则强调精确性，即识别论文是否符合用户需求。}

下图展示了一个 PaSa 处理 User Query 的具体流程：

^{PaSa 的工作流示例：Crawler 可以生成多样、互补的搜索词执行多次搜索。此外，Crawler 还能够评估其行为的长期价值，例如在多步扩展引文网络后，Cralwer 能够发现许多与用户 Query 相关的论文，即使路径中的中间论文并不直接与用户需求匹配。}

训练优化

为了训练 PaSa，研究团队首先构造了一个高质量的学术细粒度 Query 数据集： AutoScholarQuery。该数据集通过收集人工智能领域顶会（ICLR 2023，ICML 2023，NeurIPS 2023，ACL 2024，CVPR 2024）发表的论文，基于每篇论文中 “Related Work” 部分的描述及其引用的相关文献，生成学术问题和对应的相关论文列表。最终，数据集包含了 36k 数据，每条数据包含一个 AI 领域的学术问题及相关论文，示例如下图所示。

                                ^{AutoScholarQuery 中的数据示例}

尽管 AutoScholarQuery 缺乏人类科学家发现论文的轨迹数据，但该数据集仍然能够支持对 PaSa 智能体进行强化学习训练。在 Crawler 的训练过程中，面临两个主要挑战：奖励稀疏性和过长的行动轨迹。为了解决奖励稀疏性问题，研究团队引入了 Selector 作为辅助奖励模型，显著提升了优化效果。此外，Crawler 在一次执行中可能收集到上百篇文章，导致完整的行动轨迹过长，无法完全输入到 LLM 的上下文中。为此，团队提出了一种全新的 session-level PPO 算法，解决这一问题。

Selector 主要通过模仿学习进行训练。Selector 会先生成一个 Decision Token，决定论文是否符合用户 Query 的需要。同时 Token Probability 也可以作为相关性分数用于最终结果的排序。在 Decision Token 后，Selector 还会输出决策依据。

Crawler 和 Selector 的更多训练细节详见论文。

实验结果

为了验证 PaSa 在真实学术搜索场景中的表现，研究团队开发了一个评测集 ——RealScholarQuery。该数据集包含了 AI 研究者提出的真实学术问题，并为每个问题人工构建了对应的相关论文列表。研究团队在 AutoScholarQuery-test 和 RealScholarQuery 两个评测集上，全面对比了 PaSa 与 baselines 的表现。

Baselines

• Google：直接用 Google 搜索用户问题
• Google Scholar：直接用 Google Scholar 搜索用户问题
• Google with GPT-4o：首先 prompt GPT-4o 改写用户问题生成一个更适于 Google 搜索的问题，然后使用 Google 进行搜索
• ChatGPT：上传用户问题给有搜索功能的 GPT-4o，并收集它的生成结果
• GPT-o1：直接 prompt GPT-o1 来处理用户问题
• PaSa-GPT-4o：通过 prompt GPT-4o 模拟 Crawler 和 Selector，构成 PaSa 架构 agent

PaSa

• PaSa-7b：使用 Qwen2.5-7b-Instruct 作为基础模型，通过特殊奖励构造的强化学习训练的 Crawler 和 Selector 构成的 agent
• PaSa-7b-ensemble：集成多次 Crawler 的搜索结果，提高最终的召回量

在 AutoScholarQuery 测试集上，PaSa-7b 的效果优于其他所有的基线模型。与最强的基线 PaSa-GPT-4o 相比，在准确率相当的情况下，PaSa-7b 的召回率提高了 9.64%，Crawler 召回率提高了 3.66%。和 Google 搜索的最好结果相比，Recall@20，Recall@50 和 Recall@100 分别提升了 33.80%，38.83% 和 42.64%。此外，集成后的 PaSa-7b-ensemble 比 PaSa-7b 的召回率和 Crawler 召回率能进一步提高 1.51% 和 3.44%。

在更接近真实的 RealScholarQuery 上，PaSa-7b 的提升更加明显。与 PaSa-GPT-4o 相比，PaSa-7b 的召回率提高了 30.36%，精确率提高了 4.25%。Google 搜索的最好结果相比，Recall@20，Recall@50 和 Recall@100 分别提升了 37.78%，39.90% 和 39.83%。PaSa-7b-ensemble 的召回率和 Crawler 召回率分别进一步提高了 3.52% 和 4.32%。

结语

学术搜索是一个具有独特挑战的信息检索场景：涉及大量专业性较强的长尾知识，要求全面的召回能力，并能够支持细粒度的查询。PaSa 是基于大语言模型的全新论文检索智能体，通过模仿人类的搜索工具调用、论文阅读以及参考文献查阅过程，能够自主高效地完成论文调研这一复杂的工作。