Novel or Not? PatEx-Gym: Agentic Prior-Art Search for Novelty Assessment in Patent Examination
PatEx-Gym：面向专利审查新颖性评估的智能体现有技术搜索框架
🧭 Agentic 搜索与轨迹合成
中国科学院深圳先进技术研究院 · 中国科学院大学 · 大连理工大学 · 深圳理工大学
构建专利审查 agent 基准与轨迹合成方法，训练 4B 模型在现有技术搜索上接近大模型效果
📌 工作参考价值
- PASS 以文档访问作为隐式相关性信号来自动合成搜索轨迹，无需人工标注；可借鉴到电商搜索中，用用户点击、停留、加购等行为日志构造 agent 训练数据，省去昂贵标注
- 将搜索过程分解为 query 内部行为、query 间进展、轨迹级证据质量三个层次，可迁移到商品对比、选品 Agent 的 reward 设计或数据筛选，提升搜索策略学习效率
- 4B 小模型仅靠 SFT 合成轨迹即可达到大模型 agent 的竞争性能，适合业务中低延迟、低成本的部署约束，可先训一个轻量 agent 再逐步扩展
- 其 harness runtime 支持迭代搜索、文档访问、OA 生成的完整闭环，对搭建自营 agent 评测环境有参考意义，尤其适合需要复杂检索和推理链路的场景
动机
专利审查要求 agent 在跨领域语料中发现稀疏现有技术、迭代改写查询、检查技术证据并生成审查意见，但现有评测只给静态候选集，未覆盖完整搜索-推理-评估过程。
方法关键点
- PatEx-Bench：1K 真实审查任务，两个大规模检索语料（>1M 专利、52K 科学论文），以及支持迭代搜索、文档访问、推理和 OA 生成的运行时。
- PASS：免标注的 Prior-Art Agentic 搜索轨迹合成框架，利用文档访问作为隐式相关信号和证据获取锚点，建模 query 内部行为、query 间进展和轨迹级证据/结果质量，产出 PatEx-SynData。
- PatEx-Agent：在合成轨迹上对 4B 模型做 SFT，得到轻量基线。
关键结果数字
实验表明最终决策准确率不能完全反映审查质量；现有技术在强前沿模型上也很难被发现。PatEx-Agent 在现有技术检索上达到与远大于自身的通用 agent 相当的性能，证明通过合成数据训练，紧凑 4B 模型可作为专利审查的竞争性基线。