摘要
科学文献搜索常需多轮交互以明确用户意图。现有代理依赖固定流程或隐式推理,难以控制与优化。本文提出 PaperPilot,将科学搜索建模为工作流诱导问题。给定锚点论文和用户查询,该代理构建包含关键词搜索、引用扩展及重排序等操作的可执行有向无环图(DAG),并利用用户反馈优化查询与工作流。实验表明,PaperPilot-9B 在多轮交互中显著优于基线模型,提升了检索指标并消除了执行错误,证明了显式可编辑工作流在对齐复杂科学意图方面的有效性。
AI 推荐理由
论文核心是将搜索任务建模为工作流诱导,生成可执行的任务规划 DAG,属于典型的规划能力研究。
研究机构
University of Illinois Urbana-Champaign
Together AI
University of Pennsylvania
Stanford University
论文信息