paper-qa：它是什麼、解決了什麼問題以及為何受到關注

它解決了什麼

PaperQA2 旨在為科學文獻提供高精度的檢索增強生成（RAG）。它解決了從 PDF、文字檔案與 Office 文件等複雜文件中提取精確、具根據的答案的挑戰，確保回應包含文內引用，且基於提供來源的驗證證據。

它如何運作

PaperQA2 使用一種具代理性的 RAG 工作流程，能夠迭代地細化查詢與答案。此流程通常分為三個階段：

1. Paper Search：系統產生關鍵字查詢以尋找候選論文，然後將其切分並嵌入搜尋索引。
2. Gather Evidence：將使用者查詢嵌入，排序最高的文件切片，並在查詢上下文中為這些切片建立加分的摘要。接著由 LLM 重新打分並選出最相關的摘要。
3. Generate Answer：將最佳摘要放入提示中，產生最終的具根據答案。

它整合了 Semantic Scholar 與 Crossref 等服務以取得中繼資料，並使用 LiteLLM 以相容各種 LLM 供應商。

目標使用者

此工具適用於研究人員、科學家，以及任何需要處理大量科學論文、執行問答、摘要與矛盾偵測且要求高精度與可驗證引用的人士。

重點特色

• Agentic RAG：使用語言代理人迭代細化搜尋與證據蒐集。
• 多模態支援：能夠解析 PDF 中的表格、圖形與數學方程式，使用如 Docling 與 Nvidia nemotron-parse 等模型式閱讀器。
• 具根據的回應：提供帶有精確文內引用的答案。
• 中繼資料感知：自動取得引用次數與期刊品質資料，以提升檢索效果。
• 彈性設定：內建不同使用情境的設定（如高品質、快速或矛盾偵測），並透過 LiteLLM 支援多種 LLM 供應商。

摘要

PaperQA2 是一個針對科學文獻的具代理性 RAG 系統，能從 PDF 與其他文件格式提供高精度、具根據且含文內引用的答案。

標題

paper-qa：它是什麼、解決了什麼問題以及為何受到關注