论文页面 - 迈向自我演化的智能文献检索

来源：https://huggingface.co/papers/2605.14306 作者：

， ， ， ， ， ， ， ， ，

摘要

PaSaMaster 是一个自我演化的智能文献检索系统，通过迭代意图分析和基于证据的排序，提升学术搜索的准确性和成本效率。

随着大语言模型 (https://huggingface.co/papers?q=large%20language%20models) 重塑科学研究，文献检索 (https://huggingface.co/papers?q=literature%20retrieval) 面临双重挑战：确保来源真实性的同时深度理解学术搜索意图。传统的基于关键词的搜索虽然可靠，但难以捕捉复杂的研究意图。前沿的大语言模型可以处理复杂的研究意图，但高成本和易产生幻觉的倾向仍是关键限制。本文介绍了 PaSaMaster，一个自我演化的智能文献检索 (https://huggingface.co/papers?q=literature%20retrieval) 系统，它通过迭代的意图分析 (https://huggingface.co/papers?q=intent%20analysis)、检索和排序，生成带有相关性分数的论文排名和基于证据的推荐 (https://huggingface.co/papers?q=evidence-grounded%20recommendations)。该系统基于三个关键设计。首先，它将文献检索 (https://huggingface.co/papers?q=literature%20retrieval) 从一次性查询-文档匹配问题转变为随时间演化的搜索过程 (https://huggingface.co/papers?q=search%20process)，利用排序后的证据揭示差距、细化意图并指导后续搜索。其次，通过将检索视为意图-论文相关性排名 (https://huggingface.co/papers?q=relevance%20ranking) 而非生成，避免了来源幻觉。最后，PaSaMaster 通过将规划与检索分离来提高成本效率：前沿大语言模型仅用于意图理解，而大规模检索和相关性评分则委托给定制语料库和轻量级模型。在涵盖 38 个科学学科的 PaSaMaster 基准 (https://huggingface.co/papers?q=PaSaMaster%20Benchmark) 上进行评估，我们的系统揭示了传统关键词检索的严重不准确性和不完整性（F1 分数提升 15.6 倍）以及生成式大语言模型的不可靠性（其幻觉 (https://huggingface.co/papers?q=hallucination) 率高达 37.79%）。值得注意的是，PaSaMaster 在仅使用 GPT-5.2 1% 计算成本 (https://huggingface.co/papers?q=computational%20cost) 的情况下，性能提升 30.0%，并确保零来源幻觉 (https://huggingface.co/papers?q=hallucination)：https://github.com/sjtu-sai-agents/PaSaMaster

查看 arXiv 页面 (https://arxiv.org/abs/2605.14306)查看 PDF (https://arxiv.org/pdf/2605.14306)GitHub1 (https://github.com/sjtu-sai-agents/PaSaMaster)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.14306)

在你的智能体中获取这篇论文：

hf papers read 2605.14306

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.14306 以从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.14306 以从此页面链接。

引用此论文的 Spaces0

没有 Space 链接此论文

请在 Space README.md 中引用 arxiv.org/abs/2605.14306 以从此页面链接。

包含此论文的收藏0

没有收藏包含此论文

请将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。