科研版AI搜索来了！知乎直答接入正版论文库，一手实测在此

量子位 | 公众号 QbitAI

人在知乎，正经搞科研，这事儿越来越有谱了（doge）。

想了解下学术热点，直接一搜，AI不仅一步到位给出总结，连参考文献都列好了。

想要进一步跟大模型探讨论文内容，也无需跳转，将论文一键选入暂存区，就能愉快开聊。

最新消息，知乎版AI搜索知乎直答，已正式上线“专业搜索”功能。

并且，是国内首家提供AI搜索与正版论文库一站式解决方案的那种：

引入维普、知乎精选等超过5000万篇中英文高质量文献数据，同时提供资料查询、上传和专业解读等一系列功能。

此前，就有不少知友推荐过知乎直答的学术用法，表示基于知乎的专业属性和知识分享环境，用它来跟踪热点、寻找思路颇有优势。

现在，知乎进一步接入国内外正版论文库，还加强了对论文的解析和问答能力，对科研党来说，属实是：

这不，已经有第一波尝鲜的网友发出感叹：专业搜索终于让知乎直答发挥出了独特价值。

话不多说，我们第一时间，上手实测。

写论文，真的可以先上知乎了

知乎直答的入口，就在首页顶部，也可以从单独的网址https://zhida.ai/进入。

在原来通用搜索的基础之上，新版本更新了“专业搜索”按钮，在提问之前，可以勾选不同的公开知识库，包括中文论文库、英文论文库和知乎精选。

比如把范围限定在知乎精选，大模型就会根据答主们的高赞回答来总结生成内容。

而把范围限定在论文库，则可以找到更多相关的原始论文链接。

值得一提的是，知乎直答专业搜索背靠5000万+中英文高质量文献数据，覆盖的专业范围很广。像“深度学习如何提高地质储层属性预测的准确性”这样的问题，也能回答得有理有据，并且同样能溯源到原论文。

看样子检索这一步，知乎直答可以说是做到了全、专、精，并且充分利用了自身作为知识分享社区的高质量内容积累。

那么接下来，让我们进入读论文环节。

实测中，我们发现更实用的功能是，对于所有参考来源，都可以点击“暂存”将它们设置为暂存文件，在进一步与大模型的问答交互中作为新的参考范围。

也就是说，当你想对某个研究方向、研究课题进行更深入的了解时，不用费劲下载论文、跳转其他AI工具，直接就可以指定参考链接，跟知乎的大模型展开细节讨论。

比如从介绍Mamba的三篇文章中，总结出Mamba跟FlashAttention的关系：

对此，某不愿透露姓名的测评志愿者只想说：

另外，知乎直答专业搜索还支持上传本地文件。不使用搜索功能，直接拿它当个读论文工具也是OK的。

当然啦，作为一个以人类交流为核心的知识分享平台，在这样的AI产品中，我们发现知乎还是保留了一些传统艺能。

比如，如不满意，还可以一键向知友提问（doge）。

简单总结一下，知乎直答的这个专业搜索功能，相当于能把科研党们了解科研方向、收集相关文献、撰写文献综述这一套流程给一站式包办了。

技术细节：主打“靠谱”

量子位还了解到，针对科研AI搜索最大的挑战——幻觉问题，在技术方面，知乎直答采用了稀疏检索（Sparse Retrieval）+稠密检索（Dense Retrieval）的混合检索方案，有效保障了召回过程的高效性和内容的高相关性。

并且基于知乎在知识问答领域的深厚积累，系统在召回环节融入了大量内容质量信号，如内容可信度、答主专业度和回答完整性等，以进一步提高生成结果的可靠性。

与此同时，在模型能力上，知乎直答专业搜索融合了多种前沿技术，来提升模型对复杂问题的分析、解决能力：

多智能体协同系统

基于定制大语言模型的函数调用能力，通过多智能体的协同工作，实现对信息查询、内容分析、数学计算等多种功能的支持。

简单来说，就是这些不同环节的功能是由一系列专用模型和工具分工负责的，好处是，能以较低的成本和延迟为用户提供高质量回答，同时能更灵活地满足用户的多样化需求。

基于推理的意图理解

能否深度理解用户意图，对于AI搜索的体验而言至关重要。

知乎直答融合知乎多年积累的自然语言理解技术，结合大语言模型强大的推理能力，对用户的上下文和提问进行深入分析，能多角度、多层次地召回多样且高质量的内容。

思维链提示词工程

为了提升模型在复杂问题上的表现能力，知乎直答采用了思维链和少样本学习等提示方法。

通过在提示中加入思维过程示例，模型能够更好地模拟人类的思考方式，提供更具逻辑性和解释性的回答。

自适应上下文重排

针对召回的文档，知乎直答采用动态文本切片算法进行内容分块。

通过训练的重排序模型（Reranker）对分块后的内容进行评分和排序，并采用智能组合策略将多个相关的文本块有机组合在一起，为复杂问题提供更完整、更丰富的上下文。

自适应的上下文重排机制能提升回答的连贯性和信息量，满足用户对内容深度和广度的需求。

除了可靠性，对于AI搜索产品的用户体验而言，响应速度同样关键。

为此，知乎直答采用了基于前缀缓存（Prefix Cache）和分块预填充（Chunk Prefill）等技术，来降低首个标记和解码的时延，提升服务吞吐量和响应速度。

做AI搜索，知乎场景优势和专业性突出

有一说一，随着大模型推理价格的下降，近来AI搜索的市场竞争，属实有些激烈。

一方面作为目前最有可能盈利的AI应用，AI搜索市场反馈良好，数据蹭蹭上涨——比如行业标杆Perplexity，7月的月查询量达到了约2.5亿个问题，达到了2023年全年查询量的一半。

另一方面，在创业公司摩拳擦掌的同时，Google、OpenAI等新老巨头也纷纷下场，亲身开卷AI搜索产品。

知乎做AI搜索，入局时间不算最早，体量也不算最大，但就成效而言，显然已经在国内市场逐渐建立起了属于自己的优势。

知乎直答今年6月底上线，7月就已经在各大AI产品榜单上崭露头角了。

根据量子位智库数据，其7月总访问量增长达到了430%。

SimilarWeb的最新数据显示，其9月访问量达到470万，相较于8月份数据增长超过180%。

从访问量增长的趋势来看，知乎直答在一众AI搜索产品中，颇具竞争力。这实际上与知乎做AI搜索的天然优势不无关系：

知乎本身是国内最大的在线知识分享社区，积累了大量问答形式的专业、深度内容。无论是用户的使用习惯，还是平台的内容质量，都与AI搜索的产品形式相契合。

知乎CEO周源在与腾讯新闻的最新对话中也提到，知乎在成立初期就认为，提问跟搜索非常接近：搜索是搜索已经产生的信息，如果现有信息不能满足，那么就可以提问，用提问去连接还没产生的信息。

从这个角度来看，大模型技术的发展恰好进一步打破了“搜索”和“提问”的边界，使这种产品设计变得更为自然。

而正如不少知乎网友在专业搜索上线后的反馈中所提到的：

知乎直答的此番更新，有那么点进一步突出核心竞争力的意思。

在更好地满足用户在专业领域的信息搜索和查询需求的同时，标志着知乎在如今火热的AI搜索赛道中，正在朝向更强调专业性、实用性的方向占据属于自己的生态。

作为普通用户，值得期待的是，随着AI搜索产品的进一步落地和竞争，知乎直答专业搜索这样的更新迭代，意味着深度搜索需求开始有市场化产品来满足了。

从中可以观察到的是，专业、深度知识获取的成本正在大模型时代进一步降低，而无论是对科研方法，还是对商业模式而言，新的可能性已开始在此中酝酿。

（声明：本文仅代表作者观点，不代表新浪网立场。）