脚本プランナー▸ 
AIアプリ 
AIニュース 
PaSa：ByteDanceのオープンソース学術論文検索AIエージェント
PaSa：ByteDanceのオープンソース学術論文検索AIエージェント紹介
PaSa-Agent.aiはバイトダンスが発表した、強化学習に基づく学術論文検索AIエージェントです。検索エンジンの自動呼び出し、論文の閲覧、引用ネットワークの追跡が可能で、ユーザーに高精度な学術文献検索サービスを提供します。
PaSaの主な機能：
インテリジェント検索：PaSa-Agentは人間の研究者のように動作し、ユーザーが入力した学術的な質問に基づいて多様な検索キーワードを生成し、検索エンジンを自動的に呼び出して複数の検索を実行することで、より広範な学術文献をカバーします。
複雑なクエリの処理：複雑な学術クエリの処理専用に設計されており、特定のアルゴリズム、研究手法、または分野内のニュアンスを含む詳細な研究ニーズを理解できます。
引用ネットワークのナビゲート：論文を検索するだけでなく、PaSaを通じて関連論文の引用ネットワークを追跡し、関連文献や研究背景の発見を支援します。
複数分野クエリのサポート：現在主にコンピュータサイエンス分野の学術クエリをサポートしていますが、将来的には他の学術分野にも徐々に拡張される予定です。
論文内容の読解と分析：CrawlerとSelectorという2つのコアコンポーネントにより、PaSaは関連論文を効率的に収集・選別し、検索結果の正確性を保証します。
関連参考文献の選択：PaSaは膨大な文献の中からユーザーのクエリに最も関連する参考文献を選別し、包括的かつ正確な検索結果を提供します。
PaSaのパフォーマンスハイライト：
従来の検索エンジンを超える：RealScholarQueryベンチマークにおいて、PaSa-7Bモデルはrecall@20とrecall@50の指標でGoogle Scholarをそれぞれ37.78%と39.90%上回り、学術検索分野における卓越した性能を示しました。
大規模言語モデルとの組み合わせ：合成データで学習されているにもかかわらず、PaSaの性能はGoogle、Google Scholar、検索機能を備えたGPT-4oを含む複数のベースラインシステムを超えています。
PaSaの技術原理：
PaSaのコアには2つの主要なLLMエージェントであるCrawlerとSelectorが含まれています。Crawlerは検索エンジンを通じてユーザーのクエリに関連する学術論文を収集し、Selectorは各論文を精読してユーザーのニーズに合致しているかを評価します。PaSaは強化学習（RL）とPPO（近接方策最適化）アルゴリズムを用いて学習され、合成データセットAutoScholarQueryと実世界のクエリベンチマークRealScholarQueryにより検索効率と精度が向上しています。
PaSaの応用シーン：
PaSaは学術研究、教育、企業の研究開発など複数の分野に適しています。学術研究では、研究者が分野内のマイルストーン論文を迅速に特定し、ニッチな研究の見落としを防ぐのに役立ちます。教育分野では、学生が自然言語でニーズを記述でき、PaSaが自動的にレベル分けされた文献を推薦します。企業研究開発では、PaSaが最新の技術動向をリアルタイムで追跡できます。
学術研究：研究者はPaSaを活用して関連文献を迅速に検索し、時間を節約して研究効率を向上させることができます。
文献レビュー：文献レビュー作成時に、PaSaは関連文献の網羅的な収集と分析を支援します。
教育分野：教師や学生はPaSaを使用して课题研究や文献検索を行い、学習効果を向上させることができます。
学際研究：PaSaの複数分野サポートにより、学際的な研究プロジェクトにも適用でき、研究者が異なる分野の文献を取得するのに役立ちます。
PaSa-Agent.aiを使用した学術クエリと文献検索の方法：
オンラインで使用
ウェブサイトへのアクセス：PaSa-Agent.aiのウェブサイトにアクセスします。
クエリの入力：検索ボックスに学術的な質問や研究テーマを入力します。
結果の取得：システムが自動的に検索エンジンを呼び出し、関連論文を閲覧して引用ネットワークを追跡し、最終的に正確で包括的な学術論文検索結果を提供します。
ローカルデプロイ
データの準備：AutoScholarQueryとRealScholarQueryを含むデータセットをダウンロードして準備します。
モデルの準備：PaSa-7b-CrawlerとPaSa-7b-Selectorのモデルチェックポイントをダウンロードします。
PaSaの実行：提供されたガイドに従ってGitHubリポジトリをクローンし、依存関係をインストールしてPaSaを実行します。
PaSa-Agent.aiは強化学習による最適化機能も備えており、35,000件のきめ細やかな学術クエリとそれに対応する論文を含む合成データセットAutoScholarQueryを使用して学習されます。さらにPaSaは、より現実的なシナリオでの性能を評価するために、実際の学術クエリを収集したRealScholarQueryベンチマークも開発しています。
