学術研究は効率的な文献検索に依存していますが、既存の検索エンジンは複雑な専門的な質問のニーズを満たすことは困難です。たとえば、特定のアルゴリズム（UCBメソッドなど）の非定常補強学習研究には、より強力な検索と分析機能が必要です。研究者は、多くの場合、多くの時間と労力を手動で手動で取得して、巨大な学術データベースを取得します。この記事では、この問題を解決することを目指して、大規模な言語モデル（LLM）に基づいた自律的なアカデミックペーパー検索エージェントであるBytedance Research Institute and Peking Universityによって自己発達したPASAを紹介します。
学術研究の分野では、文献検索は情報を取得するための複雑で重要なタスクです。研究者は、細心の研究のニーズを満たすために、検索機能の複雑で専門知識の分野を処理できる必要があります。ただし、Google Scholarなどの既存のアカデミック検索プラットフォームは、これらの複雑な研究クエリに対処するのに苦労することがよくあります。たとえば、UCBメソッドを使用した非定常補強学習の専門的なクエリには、より強力なコンピューティングと分析機能が必要です。さらに、研究者は、文献レビューを実施する際に、巨大な学術データベースを手動で閲覧するために多くの時間と労力を費やす必要があることがよくあります。
いくつかの研究では、アカデミックペーパー検索と科学的発見における大規模な言語モデル（LLM）の適用を調査していますが、従来の検索ツールは、複雑な専門的な研究ニーズを満たすのが依然として困難です。多くの研究は、最適化フレームワークと迅速なエンジニアリング技術を通じてLLMエージェントの開発に焦点を当てています。大きなギャップが来ました。
最近、Bytedance Research InstituteとPeking Universityの研究者は、革新的なLLMベースの紙検索エージェントであるPASAを共同で提案しました。 PASAは、ツールコール、紙の測定値、参照選択などの複雑な検索戦略を自律的に実行でき、複雑なアカデミッククエリの包括的な正確な結果を生成することを目指しています。 PASAのパフォーマンスを最適化するために、研究チームは、35,000個の細粒のアカデミッククエリを含む合成データセットであるAutoscholarqueryを作成し、エージェントの実際のパフォーマンスを評価するためのベンチマークとしてRealScholarqueryを確立しました。このシステムは、強化学習技術を利用して検索機能を強化し、既存の学術検索方法の主な制限を解決します。
PASAシステムは、2つのLLMエージェントで構成されています。クローラーと包括的なアカデミックペーパー検索を実行するために協力するセレクターです。クローラーは、最初にユーザーのクエリを分析して、複数の粒状検索クエリを生成して関連する論文を取得し、これらの論文を専用のペーパーキューに追加します。クローラーは、各キュー型の紙を処理し、研究の範囲を拡大する可能性のある重要な引用を特定して探求し、新しく発見された関連書類をリストに動的に追加します。セレクターは、各ペーパーが元のクエリ要件を満たしているかどうかを評価します。
実験結果は、PASA-7Bが複数のベンチマークテストで優れた性能を発揮することを示しています。 Autoscholarqueryテストセットでは、PASA-7BはPASA-GPT-4Oと比較してRecallで9.64％増加しました。 Googleベースのベンチマークに直面すると、PASA-7Bのリコール率は33.80％から42.64％増加しました。より挑戦的な実質のシナリオでは、PASA-7Bは30.36％のリコールの増加と4.25％の精度の増加を示しています。
一般に、PASAの立ち上げは、アカデミックペーパー検索技術の重要な進歩を示し、学術研究の情報検索のための効果的なソリューションを提供します。大規模な言語モデルと強化学習技術を組み合わせることにより、PASAは、研究者が文献レビューに投資する時間と労力を大幅に削減し、ますます大きく複雑な学術文献環境に対処するための効率的なツールを提供します。
コード：https：//github.com/bytedance/pasa
論文：https：//arxiv.org/abs/2501.10120
ポイント：
** PASAは、Bytedance and Peking Universityの研究者が共同で発売したインテリジェントなアカデミックペーパー検索エージェントです。 **
**このシステムは、2つのLLMエージェント、クローラーとセレクターで構成されており、複雑な検索戦略を独立して実行できます。 **
**実験結果は、PASA-7Bが複数のベンチマークテストで既存の検索方法よりも優れていることを示しており、紙検索の効率と精度を大幅に改善しています。 **
PASAの出現により、革新的な変化は学術紙検索の効率と精度を大幅に改善し、研究者がより重要な研究作業に焦点を当てることができるようにしました。将来的には、PASAのさらなる開発と応用は楽しみにしています。