⏶29
通过工作流归纳实现多轮智能体科学文献搜索
发表
由 
Jisen Li 提交
Jisen Li 提交作者: Jisen Li, Bingxuan Li, Nanyi Jiang, Xuying Ning, Xiyao Wang, Yifan Shen, Heng Wang, Yuqing Jian, Xiaoxia Wu, Ben Athiwaratkun, Pan Lu, Jiaxuan You, Bingxin Zhao
Jisen Li, Bingxuan Li, Nanyi Jiang, Xuying Ning, Xiyao Wang, Yifan Shen, Heng Wang, Yuqing Jian, Xiaoxia Wu, Ben Athiwaratkun, Pan Lu, Jiaxuan You, Bingxin Zhao摘要
AI 生成总结
paper pilot 是一种多轮文献搜索代理，它通过结合用户反馈和受控工作流损坏训练，使用可执行工作流来提高搜索准确性并减少错误。科学文献搜索通常不仅仅需要从单个查询中检索论文：用户的意图是不明确的、依赖于偏好，并且会随着交互而演变。现有的搜索代理通常依赖固定的管道或隐式的纯语言推理，这使得它们的搜索策略难以控制、检查和完善。我们引入了PaperPilot，一个多轮文献搜索代理，它将科学搜索框定为工作流归纳。给定一篇锚定论文和用户查询，PaperPilot构建一个可执行的论文搜索操作符DAG，包括关键词搜索、引用扩展、过滤、评分、重新排名和证据提取。然后，用户反馈被用来完善查询和工作流本身。我们通过有监督的工作流模仿和对受控工作流损坏的偏好优化来训练PaperPilot。实验表明，PaperPilot-9B在多轮交互下优于基础Qwen3.5-9B工具集代理，将Hit@5从58.0提高到77.0，MRR从47.5提高到59.4，nDCG@10从26.8提高到32.5，同时将工作流执行错误从9.5%降低到0%。这些结果表明，明确、可编辑的搜索工作流提供了一个有效且可控的接口，用于将文献搜索代理与复杂的科学意图对齐。
PaperPilot是一个多轮研究论文搜索代理，用于交互式文献发现。它通过代理反馈来优化用户查询，检索和重新排序论文，并改进搜索工作流程。该论文还引入了一个用于评估论文搜索代理的基准和训练框架，显示出相比标准检索基线的显著提升。