

Pasa
简介 :
PaSa 是由字节跳动开发的一种先进学术论文搜索代理,基于大语言模型(LLM)技术,能够自主调用搜索工具、阅读论文并筛选相关参考文献,以获取复杂学术查询的全面准确结果。该技术通过强化学习优化,使用合成数据集 AutoScholarQuery 进行训练,并在真实世界查询数据集 RealScholarQuery 上表现出色,显著优于传统搜索引擎和基于 GPT 的方法。PaSa 的主要优势在于其高召回率和精准率,能够为研究人员提供更高效的学术搜索体验。
需求人群 :
PaSa 适合研究人员、学者和学生,尤其是那些需要高效查找和筛选学术论文的用户。它能够帮助用户快速定位到最相关的研究文献,节省时间和精力,提升学术研究效率。
使用场景
研究人员使用 PaSa 快速找到与机器学习相关的最新论文。
学生利用 PaSa 为毕业论文查找高质量的参考文献。
科研团队通过 PaSa 筛选特定领域的关键研究文献,加速项目进展。
产品特色
自主调用搜索工具,生成搜索查询并获取相关论文。
阅读论文内容,筛选与用户查询最相关的文献。
通过引用网络扩展搜索范围,发现更多相关论文。
支持多轮搜索和筛选,逐步优化结果。
提供高召回率和精准率的搜索结果,显著优于传统方法。
使用教程
1. 访问 PaSa 官方网站或使用其 API 接口。
2. 输入详细的学术搜索需求,如研究主题、关键词等。
3. PaSa 自动调用搜索工具并生成相关论文列表。
4. 系统筛选并排序论文,用户可查看推荐结果。
5. 根据需要调整搜索参数,优化结果。