面对海量学术论文，如何快速精准地完成综述检索？
在进行学术研究时，研究者常面临一个两难困境：传统的关键词搜索往往会返回大量无关文献，而手动筛选又极其耗时。如果能有一个 AI 助手，不仅能理解复杂的查询需求，还能像人类研究员一样自主决定“搜索什么”、“阅读哪些论文”以及“筛选哪些参考文献”，效率将大大提升。
为了解决这一痛点，字节跳动开源了 PaSa —— 一款基于大语言模型的学术论文综合检索 AI Agent。与简单的 AI 搜索不同，PaSa 具备自主决策能力，能够通过调用搜索工具、深度阅读论文内容并筛选相关引文，为复杂的学术问题提供全面且准确的答案。
PaSa 的核心工作机制
PaSa 的高效检索能力源于其内部协作的双代理（Agent）架构：
- Crawler（爬取代理）： 负责解析用户的初始查询，通过调用外部工具扩展搜索范围并收集潜在的引文。
- Selector（筛选代理）： 对收集到的海量论文进行精准过滤，剔除干扰项，仅保留真正符合条件的文献。
通过引入合成数据集并结合强化学习优化，PaSa 在检索的召回率和筛选的准确率上均显著优于其他基线方法，能够更可靠地处理深层学术查询。
快速上手
你可以通过以下两种方式体验或部署 PaSa：
- 在线体验： pasa-agent.ai
- 开源代码： GitHub – bytedance/pasa
正文完
