Paper Agent

Paper Agent是字节跳动推出的一款基于强化学习的开源学术论文检索AI智能体。它能够自动调用搜索引擎、阅读论文并追踪引文网络，为用户提供精准的学术文献检索服务。Paper Agent专为处理复杂的学术查询设计，能够理解详细的研究需求，包括特定算法、研究方法或领域内的细微差别。

Paper Agent目前主要支持计算机科学领域的查询，但未来将逐步扩展到其他领域。

Paper Agent – 开源学术论文检索AI智能体

主要功能：

1. 智能检索：Paper Agent能够根据用户输入的学术问题生成多样化的搜索关键词，自动调用搜索引擎，并执行多次搜索，以覆盖更广泛的学术文献。
2. 复杂查询处理：专为处理复杂的学术查询设计，能够理解详细的研究需求，包括特定算法、研究方法或领域内的细微差别。
3. 引文网络导航：不仅查找论文，还能追踪相关论文的引文网络，帮助用户发现相关文献和研究背景。
4. 支持多领域查询：虽然目前主要支持计算机科学领域的学术查询，但未来将逐步扩展到其他学科领域。
5. 阅读和分析论文内容：通过Crawler和Selector两个核心组件，Paper Agent能够高效地收集和筛选相关论文，确保检索结果的精确性。
6. 选择相关参考文献：从海量文献中筛选出与用户查询最相关的参考文献，提供全面且准确的搜索结果。

性能亮点：

• 超越传统搜索引擎：在RealScholarQuery基准上，Paper Agent在recall@20和recall@50指标上分别比Google Scholar高出37.78%和39.90%，显示了其在学术搜索领域的卓越性能。
• 与大型语言模型结合：尽管训练于合成数据，Paper Agent的性能超越了包括Google、Google Scholar、以及支持搜索的GPT-4o在内的多个基线系统。

技术原理

Paper Agent的核心包括两个主要的LLM智能体：Crawler和Selector。Crawler负责通过搜索引擎收集与用户查询相关的学术论文，而Selector则负责精读每一篇论文，评估其是否符合用户需求。Paper Agent使用强化学习（RL）和近端策略优化（PPO）算法进行训练，通过合成数据集AutoScholarQuery和真实世界查询基准RealScholarQuery来提升搜索效率和准确性。

Paper Agent的使用方法：

1. 访问网站：打开Paper Agent的官方网站。
2. 输入查询：在搜索框中输入你想要查找的学术问题或关键词。请注意，目前仅支持英文输入。
3. 查看结果：Paper Agent会根据你的查询生成多样化的搜索关键词，自动调用搜索引擎，并执行多次搜索，以覆盖更广泛的学术文献。
4. 筛选文献：Paper Agent会通过Crawler和Selector两个核心组件，收集和筛选相关论文，确保检索结果的精确性。
5. 阅读和分析：你可以查看Paper Agent提供的文献列表，并选择感兴趣的论文进行阅读和分析。

目前，Paper Agent对计算机科学领域的学术查询提供了更好的支持，其他领域将逐步得到支持。