PaperPilot: агент для поиска научных статей, который строит и переписывает свой рабочий процесс на лету
Команда во главе с Jisen Li описала PaperPilot, агента для поиска научных статей, рассчитанного на диалог в несколько ходов. Проблема, которую решает работа: обычный поиск литературы редко укладывается в один запрос, намерение пользователя изначально неполное, зависит от личных предпочтений и меняется по ходу разговора. Существующие поисковые агенты либо жёстко зашиты в фиксированный пайплайн, либо рассуждают только «в уме» на естественном языке, в обоих случаях их стратегию поиска трудно проконтролировать, посмотреть изнутри и поправить.
PaperPilot решает это через «индукцию рабочего процесса»: получив статью-якорь и запрос пользователя, агент строит исполняемый граф (DAG) из операторов поиска, поиск по ключевым словам, расширение по цитированиям, фильтрация, скоринг, реранкинг и извлечение доказательств из текста. Когда пользователь даёт обратную связь, агент переписывает не только формулировку запроса, но и сам граф операций, то есть логика поиска остаётся видимой и редактируемой, а не спрятанной внутри модели.
Модель обучали в два этапа: сначала supervised-имитация готовых рабочих процессов, затем оптимизация предпочтений на специально «испорченных» (некорректных) вариантах графов, так модель учится отличать рабочий workflow от нерабочего. Версия PaperPilot-9B сравнивалась с базовым агентом на Qwen3.5-9B, использующим тот же набор инструментов, но без индукции workflow. В многоходовом сценарии PaperPilot поднял Hit@5 с 58,0 до 77,0, MRR, с 47,5 до 59,4, nDCG@10, с 26,8 до 32,5, а долю ошибок при исполнении рабочего процесса снизил с 9,5% до 0%. Авторы делают вывод: явные и редактируемые поисковые процессы, рабочий и управляемый способ подстроить агента литературного поиска под сложное и меняющееся научное намерение пользователя.
Ключевые факты
- PaperPilot, многоходовой агент для поиска научной литературы, строящий явный редактируемый граф (DAG) операций поиска вместо скрытого рассуждения на естественном языке
- Операторы графа: поиск по ключевым словам, расширение по цитированиям, фильтрация, скоринг, реранкинг, извлечение доказательств
- Обратная связь пользователя переписывает не только запрос, но и сам workflow
- Обучение в два этапа: имитация готовых рабочих процессов + оптимизация предпочтений на намеренно испорченных вариантах графов
- PaperPilot-9B (на базе Qwen3.5-9B) поднял Hit@5 с 58,0 до 77,0, MRR, с 47,5 до 59,4, nDCG@10, с 26,8 до 32,5, ошибки исполнения workflow снизились с 9,5% до 0%
Почему это важно
Поиск научной литературы плохо ложится на разовый запрос: намерение исследователя размытое, личное и меняется в ходе диалога. Прежние поисковые агенты либо жёстко следуют одному пайплайну, либо принимают решения «в уме» на естественном языке, в обоих случаях стратегию поиска нельзя посмотреть и поправить со стороны. PaperPilot делает шаг вперёд: он материализует стратегию поиска в виде исполняемого графа операций, который можно инспектировать и который сам агент переписывает по ходу диалога в ответ на обратную связь. Заявленный прирост качества поиска (Hit@5, MRR, nDCG@10) и почти полное устранение ошибок исполнения workflow, конкретное подтверждение, что явный, редактируемый план поиска работает лучше скрытого рассуждения.
Кому это важно
В первую очередь, исследователям и разработчикам поисковых и research-инструментов на базе ИИ: PaperPilot показывает альтернативу RAG-пайплайнам «чёрного ящика». Полезно и учёным-практикам, которые ищут литературу через ИИ-ассистентов и хотят понимать (и поправлять) логику поиска, а не только получать финальный список статей. Разработчикам агентных систем в целом интересен сам приём, обучение агента строить и чинить явные workflow, а не просто вызывать инструменты по цепочке рассуждений.
Как это применить
Ключевая идея, применимая шире одного лишь поиска статей, представлять план действий агента как явный, видимый и редактируемый граф операторов, а не прятать его в скрытых рассуждениях модели. Для разработчиков research-инструментов это подсказывает архитектуру: набор специализированных операторов (поиск, фильтрация, скоринг, реранкинг, извлечение доказательств) плюс механизм, который на основе обратной связи пользователя переписывает и сам граф, и запрос к нему, а не только финальный ответ.
Можно ли доверять
Материал, препринт на Hugging Face (страница статьи 2607.00597), без указания на публикацию в рецензируемом издании или конференции в приведённом тексте. Цифры прироста (Hit@5, MRR, nDCG@10, доля ошибок workflow) получены авторами на собственном сравнении PaperPilot-9B с базовым агентом на Qwen3.5-9B и пока не подтверждены независимыми воспроизведениями или сторонним бенчмарком.
Риски и подводные камни
Результаты приведены для одной конкретной модели (9B параметров на базе Qwen3.5) и одного набора метрик поиска, неясно, насколько подход переносится на другие модели, масштабы и предметные области за пределами тестового сценария. Само устранение ошибок исполнения workflow (с 9,5% до 0%) описано только на тестовых данных авторов, а независимой проверки устойчивости системы к реальным, непредсказуемым пользовательским запросам в тексте не приведено.
«Явные, редактируемые поисковые рабочие процессы, эффективный и управляемый интерфейс для согласования агентов литературного поиска со сложным научным намерением пользователя.»
— из аннотации препринта PaperPilot (Hugging Face)