PaSa 是什么
PaSa 被介绍为字节跳动开发、基于大语言模型技术的学术论文搜索代理,能自主调用搜索工具、阅读论文并筛选相关参考文献,以获取复杂学术查询的全面准确结果。资料说明它通过强化学习优化,在真实世界查询数据集 RealScholarQuery 上有相应表现。
你可以用它做什么
- 生成搜索查询并调用搜索工具获取相关论文
- 阅读论文内容,筛选与查询最相关的文献
- 通过引用网络扩展搜索范围
- 支持多轮搜索与筛选,逐步优化结果
应用场景
- 研究人员快速找到与机器学习相关的最新论文
- 学生为毕业论文查找高质量的参考文献
- 科研团队筛选特定领域的关键研究文献
上手流程
- 访问官方网站或使用其 API 接口
- 输入研究主题、关键词等详细学术搜索需求
- 由代理自动调用搜索工具并生成相关论文列表
- 查看系统筛选并排序后的推荐结果
优点与缺点
✓ 我们认可的地方
- 多轮搜索与筛选可逐步优化结果
- 引用网络能扩大相关论文的覆盖范围
! 需要留意的地方
- 资料记录的入口是官方网站或 API 接口
- 论文由系统筛选并排序后再供查看
常见问题
它是怎么训练的?
资料说明通过强化学习优化,并使用合成数据集 AutoScholarQuery 训练。
资料提到哪些数据集?
资料列出 AutoScholarQuery 与真实世界查询数据集 RealScholarQuery。
最后评测: 2026-11-15