动机：科学文献检索面临双重困境：传统关键词系统无法理解复杂学术意图，生成式大模型虽能理解但成本高且易产生幻觉（虚构论文）。现有范式或牺牲意图理解保证源真实，或改善语义理解却失去可靠性。亟需一种既能深度理解研究意图、又能确保每篇返回文献可验证、且经济高效的方法。

方法关键点：

• 自演进检索：将文献检索从一次性查询-文档匹配转变为迭代过程。Navigator代理根据查询生成检索策略和验证清单，Librarian群并行检索、评分，然后Navigator基于排名证据识别覆盖缺口、优化意图，进入下一轮检索，实现认知更新。
• 幻觉消除的意图-论文相关性排序：不从参数记忆生成论文列表，而是从验证过的语料库（1.6亿篇论文的结构化元数据、摘要、全文块三层仓库）检索，并用基于证据块的支持进行相关性评分。训练轻量Scorer模型，对每篇论文按检查点打分并给出证据，最终得分结合平均检查点分数和校准概率，再经列表重排序。
• 成本高效的规划-检索分离：前端LLM仅用于意图理解和策略细化，大规模检索与证据验证交由定制语料和轻量模型，工具集分为检索（语义直接检索、引文网络扩展、网页到仓库验证）和阅读（元数据查找、摘要阅读、证据块定位），避免昂贵全文阅读。
• PaSaMaster-Bench：首个面向复杂意图的多学科文献检索基准，包含244个任务、38个学科，每个任务有专家标注的多约束查询、检查清单和真实论文集，严格评估意图理解而非关键词匹配。

关键实验：在PaSaMaster-Bench上对比了词汇检索（Google Scholar）、语义检索（OpenScholar、Bohrium）、生成式LLM（GPT-5.2、Gemini-3.1-pro、DeepSeek-v3.2等）和固定流水线智能体检索（Google Scholar Labs）。PaSaMaster取得F1@20=21.69，比最强基线Google Scholar Labs（18.87）提高14.9%，比词汇检索F1提升15.6倍，比GPT-5.2（16.69）高30.0%，且零幻觉、成本仅$0.05/查询（GPT-5.2为$6.06，仅其1%）。生成式LLM幻觉率最高达37.79%。

一句话：文献检索的未来不在于生成更多论文，而在于让系统学会自我进化地理解研究意图，并在真实证据上排序——这能同时实现准确性、可靠性和经济性。