PaSa : agent IA open source de ByteDance pour la recherche d'articles académiques 91

PaSa-Agent.ai est un agent IA de recherche d'articles académiques basé sur l'apprentissage par renforcement, lancé par ByteDance. Il est capable d'appeler automatiquement des moteurs de recherche, de lire des articles et de suivre les réseaux de citations, offrant aux utilisateurs un service de recherche documentaire académique précis.

Fonctions principales de PaSa :

• Recherche intelligente : PaSa-Agent est capable, tout comme un chercheur humain, de générer des mots-clés de recherche diversifiés à partir des questions académiques saisies par l'utilisateur, d'appeler automatiquement les moteurs de recherche et d'effectuer plusieurs recherches, afin de couvrir une littérature académique plus étendue.

• Traitement des requêtes complexes : conçu spécifiquement pour traiter des requêtes académiques complexes, il est capable de comprendre des besoins de recherche détaillés, y compris des algorithmes spécifiques, des méthodes de recherche ou des nuances dans un domaine.

• Navigation dans le réseau de citations : en plus de rechercher des articles, PaSa peut suivre le réseau de citations des articles pertinents, aidant ainsi les utilisateurs à découvrir des documents connexes et le contexte de la recherche.

• Prise en charge des requêtes multi-domaines : bien qu'il prenne actuellement en charge principalement les requêtes académiques dans le domaine de l'informatique, il sera progressivement étendu à d'autres disciplines à l'avenir.

• Lecture et analyse du contenu des articles : grâce à deux composants essentiels, Crawler et Selector, PaSa peut collecter et filtrer efficacement les articles pertinents, garantissant ainsi la précision des résultats de recherche.

• Sélection des références pertinentes : PaSa est capable de filtrer, parmi une vaste littérature, les références les plus pertinentes par rapport à la requête de l'utilisateur, fournissant des résultats de recherche complets et précis.

Points forts des performances de PaSa :

• Au-delà des moteurs de recherche traditionnels : sur le benchmark RealScholarQuery, le modèle PaSa-7B surpasse Google Scholar de 37,78 % et 39,90 % respectivement sur les indicateurs recall@20 et recall@50, démontrant ses excellentes performances dans le domaine de la recherche académique.

• Combinaison avec les grands modèles de langage : bien qu'entraîné sur des données synthétiques, les performances de PaSa surpassent plusieurs systèmes de référence, notamment Google, Google Scholar ainsi que GPT-4o avec prise en charge de la recherche.

Principe technique de PaSa :

Le cœur de PaSa repose sur deux agents LLM principaux : Crawler et Selector. Crawler est chargé de collecter, via les moteurs de recherche, les articles académiques liés à la requête de l'utilisateur, tandis que Selector lit attentivement chaque article afin d'évaluer s'il correspond aux besoins de l'utilisateur. PaSa est entraîné à l'aide de l'apprentissage par renforcement (RL) et de l'algorithme d'optimisation de la politique proximale (PPO), en s'appuyant sur le jeu de données synthétiques AutoScholarQuery et le benchmark de requêtes réelles RealScholarQuery pour améliorer l'efficacité et la précision de la recherche.

Scénarios d'application de PaSa :

PaSa convient à de nombreux domaines tels que la recherche académique, l'éducation et la R&D en entreprise. Dans la recherche académique, PaSa peut aider les chercheurs à localiser rapidement les articles phares d'un domaine, évitant ainsi de manquer des études peu connues. Dans le domaine de l'éducation, les étudiants peuvent décrire leurs besoins en langage naturel, et PaSa recommande automatiquement de la documentation classée par niveau. En R&D en entreprise, PaSa permet de suivre en temps réel les dernières évolutions technologiques :

• Recherche académique : les chercheurs peuvent utiliser PaSa pour trouver rapidement la littérature pertinente, gagner du temps et améliorer l'efficacité de leurs recherches.

• Revue de littérature : lors de la rédaction d'une revue de littérature, PaSa peut aider les chercheurs à collecter et analyser de manière exhaustive les documents pertinents.

• Domaine de l'éducation : les enseignants et les étudiants peuvent utiliser PaSa pour leurs projets de recherche et la recherche documentaire, améliorant ainsi l'efficacité de l'apprentissage.

• Recherche interdisciplinaire : grâce à sa prise en charge multi-domaines, PaSa convient aux projets de recherche interdisciplinaires, aidant les chercheurs à obtenir de la documentation provenant de différents domaines.

Comment utiliser PaSa-Agent.ai pour la recherche académique et la recherche documentaire ?

Utilisation en ligne

• Accéder au site : rendez-vous sur le site PaSa-Agent.ai.

• Saisir une requête : saisissez votre question académique ou votre sujet de recherche dans la barre de recherche.

• Obtenir des résultats : le système appelle automatiquement les moteurs de recherche, parcourt les articles pertinents et suit le réseau de citations, fournissant finalement des résultats de recherche d'articles académiques précis et complets.

Déploiement local

• Préparation des données : téléchargez et préparez les jeux de données, notamment AutoScholarQuery et RealScholarQuery.

• Préparation des modèles : téléchargez les points de contrôle des modèles PaSa-7b-Crawler et PaSa-7b-Selector.

• Exécuter PaSa : suivez le guide fourni pour cloner le dépôt GitHub, installer les dépendances et exécuter PaSa.

PaSa-Agent.ai possède également une capacité d'optimisation par apprentissage par renforcement, utilisant le jeu de données synthétiques AutoScholarQuery pour son entraînement, qui contient 35 000 requêtes académiques fines et leurs articles correspondants. De plus, PaSa a développé le benchmark RealScholarQuery, regroupant des requêtes académiques réelles afin d'évaluer ses performances dans des scénarios plus réalistes.