Изследователи от Stanford представиха Paper2Agent: превръщане на научни статии в ИИ агенти, които възпроизвеждат резултати и работят с нови данни
Изчислителните научни статии се публикуват с код, който читателите трябва да клонират, инсталират, конфигурират и отстраняват от грешки. Тази цена държи полезните методи заключени в PDF файлове. Екип от Станфорд, ръководен от Jiacheng Miao и James Zou, предлага решение. Paper2Agent беше публикуван в Nature на 16 септември 2026 г. Той преобразува дадена статия и нейната кодова база в сървър на Model Context Protocol (MCP). Всеки агент, съвместим с MCP, като Claude Code, може след това да изпълнява методите от статията чрез естествен език. Авторите описват резултата като виртуален кореспондиращ автор.
Може ли да бъде внедрен? Да. Кодът е лицензиран под MIT и се инсталира като умение за Claude Code или Codex. Предварително изградени сървъри за AlphaGenome, Scanpy и TISSUE работят в Hugging Face Spaces. Хоствана версия е налична и на paper2agent.ai.
Как работи процесът
Paper2Agent работи върху агентския SDK на Claude Code. Централен оркестратор разпределя задачи към специализирани подагенти в 6 стъпки:
- Намиране и изтегляне на кодовата база.
- Мениджър на средата изгражда изолирана виртуална среда.
- Скенер за уроци индексира приложимите уроци.
- Изпълнител на уроци ги стартира от край до край и записва референтните резултати.
- Екстрактор на инструменти превръща уроците в параметризирани MCP инструменти, а верификатор на тестове ги валидира.
- Оркестраторът обединява валидираните инструменти в 1 MCP сървър.
Прагът за валидиране е строг. Един инструмент преминава само когато се появят очакваните файлове и числата съвпадат в рамките на 3%. Фигурите също трябва да съвпадат с референтните чрез перцептивен хеш, с разстояние на Хеминг под 20. Верификаторът получава до 6 опита за всяка функция. Инструментите, които продължават да дават грешки, се изключват от крайния сървър.
Всеки сървър предоставя 3 компонента. MCP инструментите обвиват методите от статията като изпълними функции: MCP ресурсите съдържат ръкописа, връзките към кода, наборите от данни и фигурите. MCP подсказките кодират многостъпкови работни процеси, като правилния ред за предварителна обработка в Scanpy. Изследователският екип е използвал Claude Sonnet 4 за всички приложения на Paper2Agent.
Интерактивно обяснение
Резултати от агента AlphaGenome
За AlphaGenome Paper2Agent е изградил 22 инструмента за около 45 минути и 14 щатски долара. И 22-та са преминали валидирането без човешка намеса. Екипът е сравнил агента с Claude Code плюс достъп до хранилището (Claude + Repo) и Biomni.
| Бенчмарк | Paper2Agent | Claude + Repo | Biomni |
|---|---|---|---|
| 15 заявки, извлечени от уроци | 98.7 ± 1.3% | 82.7 ± 3.4% | 37.3 ± 4.0% |
| 15 нови заявки | 100.0 ± 0.0% | 78.7 ± 4.4% | 56.0 ± 3.4% |
| 30 отворени заявки | 82.7 ± 2.4% | 56.7 ± 2.3% | 72.2 ± 2.2% |
Резултатите обхващат 5 изпълнения и са оценени от 2 човешки експерти с 96.7% съгласие между оценяващите. При заявките от уроци медианното време за изпълнение е намаляло 1.9 пъти спрямо Claude + Repo и 3.1 пъти спрямо Biomni. Ползите са се запазили и когато базовият модел е бил надграден до Claude Opus 4.6.
Агентът е анализирал повторно вариант на LDL холестерола, chr1:109274968:G>T. Той е определил SORT1 като най-вероятния причинен ген. В оригиналната статия за AlphaGenome се акцентира върху CELSR2 и PSRC1. GTEx показва значими чернодробни eQTL за всичките 3 гена. Изследователският екип посочва, че това показва колко трудно е определянето на причинния ген в такива локуси.
Scanpy, TISSUE и тестове за мащабируемост
Агентът за Scanpy е получил 7 валидирани инструмента за около 45 минути и 13 щатски долара. Върху 4 публични набора от данни той е съвпаднал с резултатите на човешки изследователи по отношение на броя на клетките, броя на гените и водещите маркерни гени. Агентът за TISSUE е възпроизвел човешките резултати върху данни от пространствена транскриптомика.
Тестовете за мащабируемост обхващат 3 корпуса без ръчно почистване:
- 100 статии по изчислителна биология от bioRxiv: 74 са били превърнати в агенти, а 593 от 599 предложени инструмента са преминали валидирането.
- 300 въпроса: Paper2Agent е постигнал 91.2% спрямо 80.3% (Sonnet 4) и 86.3% (Sonnet 4.6) за Claude + Repo.
- Цена на заявка: 0.20 щатски долара и 1.6 минути спрямо 0.38 щатски долара и 4.3 минути.
- 10 статии извън биологията, включително TabPFN, SAM 2 и SAELens: 98.1% точност при 42 задачи за изпълнение.
- 26 статии, фокусирани върху данни: ресурсният слой достига 89.0% спрямо 82.0% при използване на браузър, като е 34 пъти по-евтин и 15 пъти по-бърз.
Paper2Agent също е отхвърлил 100% от заявките извън обхвата в пермутиран бенчмарк. Той се е възстановил след инжектирани грешки в зависимостите, пътищата към файлове, правописни грешки и остарели API.
Съвместна работа на агенти за научни статии
Изследователският екип е свързал 3 агента: AlphaGenome, scCRISPRi скрининг, свързан с MPRA, и набор от данни за Perturb-seq на CD4+ T клетки. AlphaGenome е посочил GPR137 в локуса на псориазиса rs887314, с квантилен резултат от RNA-seq 0.997. Изкуственият сънаучен изследовател е предложил 10 стратегии за валидиране, а изследовател е избрал корелацията на сигнатурите.
Само потискането на GPR137 е съвпаднало със сигнатурата на CRE смущаването. Съвпадението се е появило при стимулация: Spearman 0.613 при Stim8hr и 0.630 при Stim48hr. BAD и 3 други кандидати не са показали значима корелация. При второ проучване AlphaGenome е бил комбиниран с GWAS за ADHD и е посочил rs1626703 сред 209 кандидати. Тази хипотеза все още се нуждае от експериментално валидиране.
Основни изводи
- Paper2Agent преобразува статии и хранилища в тествани MCP сървъри с инструменти, ресурси и подсказки.
- Агентът AlphaGenome е отнел около 45 минути, струвал е 14 щатски долара и е постигнал 100% при новите заявки.
- 74 от 100 статии от bioRxiv са били превърнати в агенти, като 593 от 599 инструмента са били валидирани.
- 3 агента за научни статии съвместно са подкрепили GPR137 като вероятния причинен ген за псориазиса.
- Кодът е лицензиран под MIT, а предварително изградени MCP сървъри са налични в Hugging Face Spaces.
Разгледайте статията и хранилището. Всички заслуги принадлежат на изследователя по този проект. Също така можете да ни последвате в Twitter и не забравяйте да се присъедините към нашия ML SubReddit с над 150 хил. членове и да се абонирате за нашия бюлетин. Чакайте! В Telegram ли сте? Вече можете да се присъедините към нас и там.
Имате нужда от партньорство с нас за популяризиране на вашето GitHub хранилище, страница в Hugging Face, продуктово издание, уебинар и т.н.? Свържете се с нас
Преведено автоматично от английски. Оригиналната статия е на връзката по-долу.