产品概述
PaSa（PaSa-Agent.ai）是由字节跳动开发的一款智能学术论文检索工具，核心基于强化学习（PPO算法）和两个专用LLM智能体——Crawler（收集器）和Selector（筛选器）。Crawler负责自动调用搜索引擎，根据用户提出的学术问题生成多样化的搜索关键词，执行多次搜索以覆盖更广泛的文献；Selector则逐篇精读论文，评估其与用户查询的相关性。通过这套协同流程，PaSa能够像人类研究者一样高效地完成从关键词生成、文献检索到引文网络追踪的全链路任务，最终输出精准、全面的学术论文列表。
核心优势
**超越传统引擎的检索精度**：在RealScholarQuery基准测试中，PaSa-7B模型的recall@20和recall@50指标分别比Google Scholar高出37.78%和39.90%，即使在仅使用合成数据训练的情况下，其性能也超越了Google、Google Scholar以及支持搜索的GPT-4o等基线系统。这得益于强化学习优化的双智能体架构，能有效处理复杂、细颗粒度的学术查询。
**智能引文网络导航**：PaSa不仅能检索直接相关的论文，还能自动追踪引用与被引关系，帮用户发现里程碑文献、冷门研究以及跨领域关联，极大拓展了文献发现的广度和深度。同时，系统支持多领域查询（目前主要覆盖计算机科学，未来将扩展），适用于从算法细节到研究方法的各类复杂问题。
适用场景
- **学术研究**：快速定位领域内关键论文，避免漏检冷门但重要的研究。
- **文献综述**：全面收集和分析相关文献，自动生成参考文献列表，提高综述撰写效率。
- **教育领域**：学生用自然语言描述需求，PaSa推荐分级文献，辅助课题研究和论文写作。
- **跨学科研究**：支持多领域查询，帮助研究者获取不同学科的文献，促进交叉创新。
- **企业研发**：实时追踪最新技术动态，监控竞品或前沿论文，缩短技术调研周期。