学术研究正面临信息过载的困境：面对海量论文，研究者往往耗费数小时仍难以精准定位相关文献。传统搜索引擎虽能返回关键词匹配结果，却无法理解复杂学术语义，更缺乏主动追踪引文网络、评估论文相关性的能力。PaSa系统的出现，标志着学术检索从“被动索引”迈向“主动代理”的关键转折——它不再只是工具，而是能与用户对话、自主决策、持续优化的AI研究助手。
PaSa的核心创新在于其双代理协同架构：Crawler代理负责广度探索，Selector代理专注深度筛选。当用户输入如“非平稳强化学习中基于UCB的价值方法有哪些？”这类复杂查询时，Crawler首先自主生成多组搜索关键词，调用学术搜索引擎获取初步结果集，并主动追踪高相关论文的参考文献与被引文献，构建引文网络图谱。这一过程模拟了人类研究者“顺藤摸瓜”的文献追溯行为，确保覆盖长尾知识。随后，Selector代理对Crawler收集的每篇论文进行精读，评估其与原始查询的语义相关性，最终输出高精度排序列表。这种分工明确的流水线设计，既避免了单一代理决策负担过重，又通过专业化分工提升了整体效率。
为训练这一复杂系统，PaSa团队构建了两个关键数据集：AutoScholarQuery与RealScholarQuery。前者包含35,000条细粒度合成查询，覆盖顶级AI会议论文，用于强化学习预训练；后者收集真实世界学者提出的复杂学术问题，作为最终性能评估基准。训练采用近端策略优化（PPO）算法，让代理在模拟环境中不断试错，学习最优的搜索路径与筛选策略。值得注意的是，尽管训练数据为合成生成，PaSa在真实场景中的表现却远超预期：其7B参数版本在RealScholarQuery基准上，recall@50指标比Google Scholar高出39.90%，甚至超越了基于GPT-4o提示构建的基线系统。这一结果证明，精心设计的代理架构与训练机制，比单纯依赖大模型规模更能解决垂直领域问题。
对于希望部署类似系统的团队，以下是关键落地参数与操作清单：
- 架构选型：必须分离“探索”与“评估”职能。Crawler需集成至少两个搜索引擎API（如Semantic Scholar、arXiv API），并实现引文爬取模块；Selector需配备轻量级论文解析器（提取标题、摘要、引言、结论）与相关性打分模型（可基于Sentence-BERT微调）。
- 训练数据：若缺乏真实查询，可先构建合成数据集：从领域顶会论文中抽取“方法-问题-结论”三元组，反向生成查询语句。数据规模建议不低于10,000条。
- 强化学习配置：奖励函数需多维度设计——不仅考虑最终召回率，还需惩罚无效搜索次数（如返回0结果的查询）与过度扩展（引文深度超过3层）。初始学习率设为1e-5，采用分层衰减策略。
- 性能监控：上线后必须跟踪三个核心指标：平均查询耗时（目标<15秒）、单次查询API调用次数（目标<8次）、用户首轮点击率（目标>65%）。若点击率低于阈值，触发Selector模型再训练。
- 回滚策略：当新版本recall@20下降超过5%时，自动回滚至上一稳定版本，并冻结Crawler的关键词生成模块，改用人工审核的固定词表。
当前PaSa仍存在明显局限：仅支持英文查询，且在计算机科学以外领域性能显著下降。但其开源代码（github.com/bytedance/pasa）与数据集为后续改进提供了坚实基础。未来方向包括：引入多语言嵌入模型扩展语种支持，集成领域适配器（Domain Adapter）提升跨学科泛化能力，以及增加用户反馈循环——允许研究者对检索结果打分，使代理能动态调整筛选策略。正如论文所述：“PaSa can autonomously make a series of decisions... to ultimately obtain comprehensive and accurate results for complex scholar queries.” 这一愿景的实现，将彻底改变学术研究的工作流，让每位研究者都拥有专属的AI文献助理。