核心发现
方法论
SPAR框架由五个智能体组成：查询理解、检索、查询演化、判定和重排序。通过RefChain扩展引用链，结合多源检索与动态查询演化，实现对复杂学术查询的深度探索。采用无训练、模块化设计，利用LLMs（如Qwen3-32B）进行意图识别、关键词提取和相关性评估。引入SPARBench，结合专家标注，构建跨领域高质量评估基准。实验证明，SPAR在AutoScholar上F1提升56%，在SPARBench上提升23%，优于所有对比方法。
关键结果
- 在AutoScholar上，SPAR达到0.3843的F1，优于PaSa（0.2449），表现出极佳的平衡性（Recall 0.4105，Precision 0.3612）。
- 在SPARBench上，SPAR实现0.3015的F1，Recall 0.3103，Precision 0.2932，优于传统搜索引擎和其他LLM辅助方法。
- 引入查询理解模块后，精确率提升显著（从0.21到0.34），但召回略有下降，显示其在精确匹配方面优势明显。
研究意义
该研究突破了传统学术检索的局限，结合多智能体与RefChain机制，有效模拟科研人员的引用追踪行为，极大提升检索的深度与准确性。为学术搜索提供了可扩展、可解释的框架，有助推动学术信息获取的智能化发展，满足科研人员对复杂、多意图查询的需求，推动学术信息系统向更智能、更人性化方向演进。
技术贡献
提出无训练、多模块、多源信息融合的SPAR架构，创新性结合RefChain扩展引用链、查询演化机制，提升检索深度与多样性。引入专家标注的SPARBench，建立跨领域高质量评估体系。实验证明，SPAR在平衡精确率与召回率方面优于现有方法，为学术检索提供新思路。
新颖性
首次将RefChain结合多智能体架构实现递归引用扩展，突破单一检索模型限制。引入多源、动态查询演化机制，显著提升复杂学术查询的检索效果。提出的SPARBench为学术检索提供了系统化、真实场景的评估平台，填补了行业评估体系的空白。
局限性
- 模型对极端复杂或模糊查询的理解仍有限，可能导致部分相关文献遗漏。
- 多智能体交互增加系统复杂度，实时性和稳定性有待优化。
- 依赖LLMs的性能，受限于模型本身的偏差和知识更新滞后。
未来方向
未来将探索多轮交互式检索、增强引用链深度扩展能力，以及引入用户反馈机制以优化检索策略。同时，计划扩展跨学科领域，提升系统的泛化能力，并结合知识图谱实现更深层次的语义理解。
AI 总览摘要
在学术科研中，文献检索一直是核心难题。传统搜索引擎如Google Scholar虽然支持关键词匹配，但在面对复杂、多意图的查询时表现有限，难以满足科研人员对深层次信息的需求。近年来，大语言模型（LLMs）如GPT-4和Qwen系列的崛起，为学术检索带来了新的可能性。它们可以进行语义理解、查询重写和文档排序，但现有系统多为单轮、静态检索，缺乏对引用关系和多源信息的动态探索能力。为此，本文提出了SPAR（学术论文检索框架），基于多智能体架构，融合RefChain引用链扩展、查询理解、演化和重排序机制，模拟科研人员的引用追踪行为，实现多轮、多源、多意图的深度检索。SPAR由五个智能体协作：查询理解、检索、演化、判定和重排序，确保检索的精准性与多样性。通过引入RefChain机制，系统能自动追踪论文引用，拓展检索范围，显著提升召回率。实验在AutoScholar和SPARBench两个数据集上均取得优异表现，F1最高提升56%，显示出强大的效果平衡和泛化能力。SPARBench作为新兴的学术检索评估平台，结合专家标注，模拟真实科研场景，为未来算法优化提供了标准化测试环境。该研究不仅推动了学术信息检索的智能化，也为未来多智能体、多轮交互的学术搜索系统奠定了基础。未来工作将聚焦于多轮交互优化、深度引用链扩展以及跨学科应用，推动学术搜索的智能化和个性化发展。
深度分析
研究背景
学术文献检索经历了从关键词匹配到语义理解的演变。早期系统如Google Scholar依赖关键词匹配，难以理解复杂意图。近年来，LLMs推动了查询重写、文档排序等技术，但大多为单轮静态检索，缺乏对引用关系的利用。PaSa等方法引入强化学习控制引用扩展，但受训练依赖限制。当前，学术搜索仍面临多源信息融合不足、复杂查询理解有限等挑战。随着文献数量爆炸式增长，科研人员亟需更智能、更深度的检索工具，以支持跨领域、跨时间的学术探索。
核心问题
现有系统在处理多意图、复杂查询时表现不足，难以模拟科研人员的引用追踪行为，导致检索深度和相关性不足。传统方法缺乏多源信息整合和动态演化机制，难以满足科研的多样化需求。此外，缺乏系统化的评估平台，限制了算法的优化和比较。如何设计一个既能理解复杂意图，又能动态扩展引用关系的检索框架，成为亟待解决的问题。
核心创新
提出SPAR，结合RefChain引用链扩展和多智能体架构，实现多轮、多源、多意图的深度检索。创新点包括：1）RefChain机制模拟科研引用行为，增强召回；2）多智能体协作实现细粒度查询理解、演化和重排序；3）无训练、模块化设计，易于扩展和调优；4）构建SPARBench，提供跨领域、真实场景的评估平台。这些创新突破了单一模型和静态检索的局限，显著提升学术检索的深度和效果。
方法详解
- �� 查询理解：利用LLMs识别用户意图、领域和时间约束，生成结构化查询。
- �� 多源检索：根据意图选择不同数据库（如ArXiv、OpenAlex），提取关键词或全文搜索。
- �� 引用链扩展：从初步结果中提取引用，扩展检索范围，控制深度以保证相关性。
- �� 查询演化：对检索结果进行多轮重写，聚焦不同角度（方法、应用、限制），丰富搜索空间。
- �� 结果筛选：由判定智能体评估相关性，筛除无关文献。
- �� 重排序：结合时间、权威性等指标，优化最终排序，提升用户体验。
实验设计
采用AutoScholar和SPARBench两个数据集，前者为合成数据，后者由专家标注真实学术查询。对比多种基线，包括传统搜索引擎、LLM辅助系统和PaSa、PaperFinder等智能体方法。指标包括Precision、Recall和F1，评估检索的准确性和覆盖率。调优参数如引用扩展深度和查询演化轮数，进行消融实验验证各模块贡献。结果显示，SPAR在F1指标上优于所有对比方法，尤其在复杂、多意图查询中表现突出。
结果分析
在AutoScholar上，SPAR的F1达0.3843，优于PaSa（0.2449）56%，Recall 0.4105，Precision 0.3612，表现出极佳的平衡性。在SPARBench上，F1为0.3015，Recall 0.3103，Precision 0.2932，全面优于其他方法。引入查询理解后，精确率提升显著（从0.21到0.34），但召回略有下降，显示其在提升匹配精度方面的优势。引用链扩展有效提升召回率，验证了其在深度检索中的作用。
应用场景
该系统适用于学术搜索引擎、科研辅助工具和文献管理平台。科研人员可实现跨领域、跨时间的深度文献探索，提升文献综述效率。高校和科研机构也能借助此技术优化学术资源管理和知识发现流程。未来，结合用户反馈和个性化推荐，将进一步提升系统的实用性和智能化水平。
局限与展望
系统对极端模糊或多义查询的理解仍有限，可能遗漏部分相关文献。多智能体交互复杂，实时性和稳定性有待优化。依赖LLMs的性能受模型偏差和知识更新滞后影响，未来需引入知识图谱和多模态信息增强系统鲁棒性。
通俗解读 非专业人士也能看懂
想象你在找一本书，但书架上有很多不同类别的书。传统的搜索就像用关键词找书，可能找到一些相关但不完全符合你的需求。现在，SPAR就像一个聪明的助手，它不仅能理解你要找的内容，还能像人一样追踪书的引用和推荐，逐步帮你找到最合适的那几本。它会不断调整搜索策略，确保你既能找到最新、最权威的资料，又不会遗漏重要信息。这样一来，找学术资料就变得像和朋友聊天一样自然、智能，效率也大大提高。
简单解释 像给14岁少年讲一样
嘿，你知道在学校找资料的时候，光用关键词搜索有时候会找到一些不太相关的东西吧？就像你想找关于“游戏里的策略”的资料，但结果里有很多关于“电子游戏”的内容。现在，有个叫SPAR的聪明助手，它不仅能理解你真正想要的东西，还能像人一样追踪引用，把相关的资料一一找到。它会不断调整搜索内容，确保你找到的资料既新颖又权威。就像你有个超级聪明的朋友帮你找资料，不仅快，还特别准。未来，这样的助手还能帮你跨学科找资料，帮你省好多时间，让学习变得更轻松有趣！
术语表
RefChain（引用链）
一种模拟科研人员追踪论文引用关系的机制，用于扩展检索范围。技术上通过解析论文引用列表实现。
在论文中用以增强检索深度。
多智能体架构
由多个智能体协作完成不同任务的系统架构，每个智能体专注于特定功能。技术上实现模块化和协同优化。
支撑SPAR的核心设计思想。
查询演化
根据检索结果动态调整和重写查询，以丰富搜索内容。技术上通过LLMs生成多角度的查询变体。
提升检索的深度和覆盖。
SPARBench
专为学术检索设计的高质量评估基准，结合专家标注，模拟真实科研场景。
用于系统性能评估。
LLMs（大语言模型）
基于深度学习的自然语言处理模型，能理解和生成复杂文本。技术上如GPT、Qwen系列。
支撑查询理解和相关性评估。
开放问题 这项研究留下的未解疑问
- 1 如何进一步提升RefChain在深层引用扩展中的准确性和效率？
- 2 多智能体交互中的实时性和稳定性如何优化？
- 3 系统在极端复杂或模糊查询中的表现仍需改进。
应用场景
近期应用
学术搜索引擎优化
结合SPAR技术，提升学术搜索平台的深度和准确性，帮助科研人员快速找到相关文献。
科研辅助工具
为科研人员提供智能文献推荐和引用追踪，提升文献综述效率。
远期愿景
跨学科知识发现
实现不同学科间的深度连接，推动新兴交叉领域的发展。
原文摘要
Recent advances in large language models (LLMs) have opened new opportunities for academic literature retrieval. However, existing systems often rely on rigid pipelines and exhibit limited reasoning capabilities. We introduce SPAR, a multi-agent framework that incorporates RefChain-based query decomposition and query evolution to enable more flexible and effective search. To facilitate systematic evaluation, we also construct SPARBench, a challenging benchmark with expert-annotated relevance labels. Experimental results demonstrate that SPAR substantially outperforms strong baselines, achieving up to +56% F1 on AutoScholar and +23% F1 on SPARBench over the best-performing baseline. Together, SPAR and SPARBench provide a scalable, interpretable, and high-performing foundation for advancing research in scholarly retrieval. Code and data will be available at: https://github.com/xiaofengShi/SPAR