PaSa：像资深研究员一样调研，LLM Agent 重新定义学术论文搜索

TL;DR

调研文献是科研的第一步，也是最痛苦的一步。ByteDance 与北京大学的研究团队推出了 PaSa (Paper Search Agent)，一个能自主“顺藤摸瓜”的学术搜索智能体。它不仅会搜关键词，还能读懂论文、根据引用关系挖掘潜在文献。即便基于 7B 小模型，其搜索查全率（Recall）也大幅碾压了 GPT-4o 和 Google Scholar。

1. 痛点：为什么 Google Scholar 搜不准？

当你在搜索框输入“Which studies focused on non-stationary RL using value-based methods, specifically UCB-based?”时，现有的搜索引擎往往只能做到关键词匹配，难以处理这种多限制条件的联合查询。

核心动机： 人类研究员在调研时，不仅是搜索，更多是**“迭代挖掘”**：看到一篇好论文 -> 阅读其 Related Work -> 顺着引用找到更多高质量原文。PaSa 的目标就是完全模拟这一过程。

2. 核心架构：Crawler 与 Selector 的协同进化

PaSa 的精髓在于其双代理架构，这种设计实现了搜索任务中“广度”与“深度”的平衡。

• Crawler (爬虫代理)：它的任务是 Recall 极大化。它拥有三个武器：[Search]（生成多维查询词搜索）、[Expand]（针对性挖掘当前论文的引用）和 [Stop]。
• Selector (筛选代理)：它的任务是 Precision 精确化。它阅读摘要和标题，先给出 Rationale（理由），再判定 True/False。

创新的训练方案：Session-level PPO

传统的强化学习在处理这类长达数百步的搜索路径时会面临“梯度爆炸”或“奖励极其稀疏”的问题。PaSa 团队将长路径切分为多个 Session，并利用 Selector 作为辅助奖励模型，让模型在每一步“顺藤摸瓜”时都能得到即时正反馈。

3. 实验战绩：全方位超越基线

研究团队构建了两个硬核数据集：AutoScholarQuery（基于顶会论文 Related Work 合成的 3.5 万个查询）和 RealScholarQuery（由资深教授手动标注的真实科研问题）。

在 RealScholarQuery 的实测中，PaSa-7b 展现了惊人的统治力：

• 查全率碾压：Recall@50 达到 0.65，而 Google + GPT-4o 仅为 0.25。
• 小模型反超：即便 PaSa 只用了 7B 的 Qwen2.5 模型，其表现也优于直接用 Prompt 驱动的 GPT-4o (PaSa-GPT-4o)。这充分说明了针对性的 RL 训练比单纯的强大基座更有效。

4. 深度洞察：为什么 [Expand] 动作是关键？

在消融实验中，如果禁用 [Expand] 动作（即禁止模型挖掘引用），Recall 在真实场景下从 0.61 断崖式下跌至 0.28。

这验证了一个深刻的学术直觉：真正的核心论文往往隐藏在引用网络的深处，而非简单的搜索首页。 PaSa 通过自主决策哪些章节（Section）值得挖掘，成功复刻了科研人员“按图索骥”的直觉。

5. 总结与局限

PaSa 标志着学术辅助工具从“搜索时代”跨入“Agent 调研时代”。

• Takeaway：通过强化学习优化 Agent 的决策路径，可以使 7B 规模的模型在特定任务上获得超越千亿参数模型的性能。
• 局限性：目前 PaSa 主要针对 AI 领域进行优化，对于生物、材料等跨学科的长尾术语理解力仍待验证。

论文标题：PaSa: An LLM Agent for Comprehensive Academic Paper Search 关键词：LLM Agent, Reinforcement Learning, Paper Search, Academic RL 开源地址：https://github.com/bytedance/pasa