PaSa: agente de IA de código abierto de ByteDance para buscar artículos académicos 96

PaSa-Agent.ai es un agente de IA para la búsqueda de artículos académicos basado en aprendizaje por refuerzo lanzado por 字节跳动, capaz de invocar automáticamente motores de búsqueda, leer artículos y rastrear redes de citas, brindando a los usuarios un servicio preciso de búsqueda de literatura académica.

Funciones principales de PaSa:

• Búsqueda inteligente: PaSa-Agent puede, al igual que un investigador humano, generar palabras clave de búsqueda diversificadas a partir de las preguntas académicas introducidas por el usuario, invocar automáticamente motores de búsqueda y realizar múltiples búsquedas, generando y ejecutando palabras clave diversificadas para cubrir una literatura académica más amplia.

• Procesamiento de consultas complejas: Diseñado específicamente para manejar consultas académicas complejas, capaz de comprender necesidades de investigación detalladas, incluyendo algoritmos específicos, métodos de investigación o matices dentro de un campo.

• Navegación por la red de citas: No solo busca artículos, sino que también rastrea la red de citas de los artículos relacionados a través de PaSa, ayudando a los usuarios a descubrir literatura relevante y el contexto de la investigación.

• Soporte para consultas en múltiples campos: Aunque actualmente admite principalmente consultas académicas en el campo de las ciencias de la computación, en el futuro se ampliará gradualmente a otras disciplinas.

• Lectura y análisis del contenido de los artículos: A través de los dos componentes principales Crawler y Selector, PaSa puede recopilar y filtrar eficientemente los artículos relevantes, garantizando la precisión de los resultados de búsqueda.

• Selección de referencias relevantes: PaSa puede filtrar las referencias más relevantes para la consulta del usuario entre la enorme cantidad de literatura, proporcionando resultados de búsqueda completos y precisos.

Aspectos destacados del rendimiento de PaSa:

• Superando a los motores de búsqueda tradicionales: En el benchmark RealScholarQuery, el modelo PaSa-7B supera a Google Scholar en un 37.78% y un 39.90% en las métricas recall@20 y recall@50 respectivamente, lo que demuestra su excelente rendimiento en el campo de la búsqueda académica.

• Combinación con grandes modelos de lenguaje: A pesar de estar entrenado con datos sintéticos, el rendimiento de PaSa supera al de varios sistemas de referencia, incluidos Google, Google Scholar y GPT-4o con soporte de búsqueda.

Principios técnicos de PaSa:

El núcleo de PaSa incluye dos agentes LLM principales: Crawler y Selector. Crawler se encarga de recopilar artículos académicos relacionados con la consulta del usuario a través de motores de búsqueda, mientras que Selector se encarga de leer en detalle cada artículo y evaluar si se ajusta a las necesidades del usuario. PaSa utiliza aprendizaje por refuerzo (RL) y el algoritmo de optimización de política proximal (PPO) para el entrenamiento, mejorando la eficiencia y precisión de la búsqueda mediante el conjunto de datos sintético AutoScholarQuery y el benchmark de consultas del mundo real RealScholarQuery.

Escenarios de aplicación de PaSa:

PaSa es aplicable a múltiples campos como la investigación académica, la educación y la I+D empresarial. En la investigación académica, PaSa puede ayudar a los investigadores a localizar rápidamente artículos fundamentales en su campo, evitando pasar por alto investigaciones poco conocidas. En el ámbito educativo, los estudiantes pueden describir sus necesidades en lenguaje natural y PaSa recomendará automáticamente literatura graduada. En I+D empresarial, PaSa puede rastrear en tiempo real las últimas tendencias tecnológicas:

• Investigación académica: Los investigadores pueden utilizar PaSa para encontrar rápidamente literatura relevante, ahorrando tiempo y mejorando la eficiencia de la investigación.

• Revisión de literatura: Al redactar revisiones de literatura, PaSa puede ayudar a los investigadores a recopilar y analizar de forma integral la literatura relevante.

• Ámbito educativo: Profesores y estudiantes pueden utilizar PaSa para la investigación de temas y la búsqueda de literatura, mejorando el aprendizaje.

• Investigación interdisciplinar: El soporte multidisciplinario de PaSa lo hace adecuado para proyectos de investigación interdisciplinarios, ayudando a los investigadores a obtener literatura de diferentes campos.

¿Cómo utilizar PaSa-Agent.ai para realizar consultas académicas y búsquedas de literatura?

Uso en línea

• Visite el sitio web: Acceda al sitio web de PaSa-Agent.ai.

• Introduzca la consulta: Introduzca su pregunta académica o tema de investigación en el cuadro de búsqueda.

• Obtenga resultados: El sistema invocará automáticamente motores de búsqueda, navegará por artículos relevantes y rastreará la red de citas, proporcionando finalmente resultados precisos y completos de búsqueda de artículos académicos.

Despliegue local

• Preparación de datos: Descargue y prepare los conjuntos de datos, incluyendo AutoScholarQuery y RealScholarQuery.

• Preparación del modelo: Descargue los checkpoints de los modelos PaSa-7b-Crawler y PaSa-7b-Selector.

• Ejecutar PaSa: Siga la guía proporcionada para clonar el repositorio de GitHub, instalar las dependencias y ejecutar PaSa.

PaSa-Agent.ai también cuenta con capacidades optimizadas mediante aprendizaje por refuerzo, utilizando el conjunto de datos sintético AutoScholarQuery para el entrenamiento, el cual contiene 35,000 consultas académicas detalladas y sus artículos correspondientes. Además, PaSa ha desarrollado el benchmark RealScholarQuery, recopilando consultas académicas reales para evaluar su rendimiento en escenarios más realistas.