中科院院士鄂维南、字节 AI 实验室总监李航领衔，推出高级论文搜索 Agent。

名为PaSa，两个 Agent 分别执行多轮搜索和判断论文是否满足查询要求的任务，模仿人类复杂学术搜索行为。

现在就有 Demo 可玩。

只需提供研究主题或描述想法，它就会迅速展开搜索并按相关度自动排列组织顺序。

点击标题卡，不用跳转页面，就能显示论文作者和摘要，再点击带有跳转链接的标题就能查看完整论文：

更重要的是其召回率和精准性。

实验中，PaSa 在召回率和精确率等指标上显著优于谷歌、谷歌学术、Google with GPT-4o、ChatGPT 等基线模型。

在 AutoScholarQuery 测试集，与最强基线 PaSa-GPT-4o 相比，PaSa-7b 的召回率提高了 9.64%；在团队创建的数据集 RealScholarQuery 上，与最佳基于 Google 的基线 Google with GPT-4o 相比，PaSa-7b 在召回率 @20、召回率 @50 和召回率 @100 上分别提升 37.78%、39.90% 和 39.83%。

磕盐党狂喜～

两个 Agent 组成

目前学术搜索系统，如谷歌学术搜索，常难以有效处理复杂的查询，导致研究人员需花费大量时间手动文献搜索。

比如询问" Which studies have focused on non-stationary reinforcement learning using value-based methods, specifically UCB-based algorithms? "。

（哪些研究聚焦于非平稳强化学习中基于值的方法，特别是基于 UCB 算法的研究）

虽然利用 LLM 来增强信息检索的研究越来越多，但学术搜索不仅需要检索，还需要深入阅读论文和检查引用，完成全面的文献调查。

为此，研究团队开发了 PaSa 系统，主要包含两个大模型 Agent：Crawler（爬虫）、Selector（选择器）。

Crawler 负责处理用户查询，生成多个搜索命令，并检索相关论文。

具体来说，它执行一个基于 token 的马尔可夫决策过程（MDP）。动作空间 A 对应于 LLM 的词汇表，其中每个 token 代表一个动作。LLM 充当策略模型，Agent 的状态由当前的 LLM 上下文和论文队列定义。

Crawler 使用三个注册函数进行操作：

[ Search ] 用于生成搜索查询并调用搜索工具

[ Expand ] 用于展开论文的特定章节并提取其中的引用

[ Stop ] 用于重置上下文到用户查询和队列中的下一篇论文。

当动作与函数名称匹配时，将执行相应的函数，进一步修改 Agent 的状态。

例如，如下图所示，Agent 首先接收用户查询，将其纳入其上下文并开始执行动作。如果生成的 token 是 [ Search ] ，则 LLM 继续生成搜索查询，Agent 调用搜索工具来检索论文，然后将这些论文添加到论文列表中。

如果 token 是 [ Expand ] ，则 LLM 继续从其上下文中的当前论文中提取子节名称。Agent 随后使用解析工具提取该子节中引用的所有论文，并将它们添加到论文列表中。

如果 token 是 [ Stop ] ，则 Agent 将其上下文重置为用户查询以及论文队列中下一篇论文的信息，这些信息包括标题、摘要以及所有部分的概述。

Selector 则负责仔细阅读每篇论文，评估是否满足用户查询要求。

它接收两个输入：一个学术查询和一篇研究论文（包括其标题和摘要），

生成两个输出：

一个单一的决策 token，可以是" True "或" False "，表示论文是否满足查询，以及一个理由，包含 m 个支持该决策的 token。理由有两个目的：通过联合训练模型生成决策和解释来提高决策准确性，并通过在 PaSa 应用中提供推理来提高用户信任。

实验中优于所有基线

团队使用包含来自 AI 顶会收录论文的 35k 个细粒度学术查询及其对应论文的合成数据集 AutoScholarQuery，通过强化学习优化 PaSa。

此外，还开发了一个收集真实世界学术查询的基准数据集—— RealScholarQuery，用于在更现实的场景中评估 PaSa 的性能。

实验中，Crawler 和 Selector 均基于 Qwen2.5-7b，最终的 Agent 称为 PaSa-7b。

如下表 5 所示，PaSa-7b 在 AutoScholarQuery 测试集上优于所有基线。

与最强的基线 PaSa-GPT-4o 相比，PaSa-7b 的召回率提高了 9.64%，精度相当。此外，PaSa-7b 中 Crawler 的召回率比 PaSa-GPT-4o 高 3.66%。

与最佳的基于 Google 的基线 Google with GPT-4o 相比，PaSa-7b 在召回率 @20、召回率 @50 和召回率 @100 上分别实现了 33.80%、38.83% 和 42.64% 的提升。

团队还观察到，在推理过程中使用多个 Crawler 集成可以提升性能。具体来说，在推理过程中运行两次 Crawler，使 AutoScholarQuery 上的 Crawler 召回率提高了 3.34%，最终使整个 PaSa 系统的召回率提高了 1.51%，同时保持精度相似。

为了在更现实的场景中评估 PaSa，团队在 RealScholarQuery 上评估了其有效性。如表 6 所示，PaSa-7b 在真实世界的学术搜索场景中表现出更大的优势。与 PaSa-GPT-4o 相比，PaSa-7b 的召回率提高了 30.36%，精度提高 4.25%。

与 RealScholarQuery 上最佳的基于 Google 的基线 Google with GPT-4o 相比，PaSa-7b 在召回率 @20、召回率 @50 和召回率 @100 上分别超过 Google 37.78%、39.90% 和 39.83%。

此外，PaSa-7b-ensemble 进一步将 Crawler 召回率提高了 4.32%，使整个系统的召回率提高了 3.52%。

鄂维南、李航领衔

PaSa 由中科院院士、北大教授鄂维南，字节跳动 AI 实验室总监 * 李航领衔提出。

鄂维南，中科院院士、" AI for Science "概念的提出者。

15 岁就被中科大录取，可以进"少年班"的他还是选择了进数学系学习纯数学。

而在大四之时，由于希望"自己学的东西真正有用，而不是只有高深"，他突然改变方向，决定改读应用数学。

我的内心深处是属于入世的，想跟社会跟技术产生一点联系，我不是那种能一辈子待在象牙塔里的人。

最终，他一路从中国科学院、UCLA 完成硕博士学位（博士期间的导师为著名应用数学家 Bjorn Engquist 教授）。

博士毕业之后几年，鄂维南进入普林斯顿高等研究院和纽约大学的库朗研究所，分别担任研究员和教授。并在 1999 年即 36 岁之时成为普林斯顿大学数学系和应用数学及计算数学研究所教授，转年加入北大。

2011 年，48 岁的鄂维南当选中国科学院院士。

其贡献包括：

与合作者一起把偏微分方程、随机分析及动力系统的理论进行巧妙结合，用于研究随机 Burgers 方程、随机 passive scalar 方程、随机 Navier-Stokes 方程和 Ginzburg-Landau 方程等，证明不变测度的存在性和唯一性，分析稳定解的特性，并在此基础上解决了 Burgers 湍流模型中一些存有争议的问题。

与合作者一起构建一种十分有效的数值方法——弦方法，使之成为研究物理、生物和化学领域中稀有事件的一个重要手段。

提出设计与分析多物理模型的多尺度方法的一般框架等等。

从 2014 年开始，鄂院士的职业生涯迎来又一个转折，他开始正式进入机器学习领域，并在 2018 年提出" AI for Science "的概念。

李航，字节跳动 AI 实验室总监之一，同时当选三大国际顶级学会（ACL，IEEE，ACM）  Fellow。

他的主要研究方向包括信息检索、NLP、统计机器学习和数据挖掘。

他在日本京都大学电气工程系获得硕士学位，并于东京大学计算机科学博士毕业，曾担任日本 NEC 公司中央研究所研究员、微软亚洲研究院高级研究员与主任研究员、华为技术有限公司诺亚方舟实验室首席科学家。

论文链接：https://arxiv.org/abs/2501.10120

demo：https://pasa-agent.ai/