研究员是不是快要失业了？斯坦福大学把论文“炼”成 AI 了

斯坦福大学的一支研究团队近日发布了 Paper2Agent，这是一套能够自动将科学论文转换为可交互式 AI 智能体的框架。根据最新论文介绍，该系统的目标是让科研方法的复现和应用更加便捷。它将传统静态的论文转化为可执行、可交互的“动态版本”，不仅能运行其中的分析流程、复现研究结果，还能通过自然语言与研究者交流、回答新的科研问题。

Paper2Agent 架构建立在 Model Context Protocol (MCP) 标准之上。该协议旨在让大语言模型能够与外部工具和数据集进行对接，从而在统一的环境中调用和执行科研代码。借助这一结构，Paper2Agent 可以识别论文的代码库，提取其中的方法，并将其封装为可调用的工具接口，通过 MCP 服务器进行部署。这些服务器随后可连接到诸如 Claude Code 等聊天式智能体，或其他大语言模型，从而让每篇论文都能“变身”为一个能展示、应用并解释自身方法的对话式研究助手。

Paper2Agent 概览，来源：https://arxiv.org/pdf/2509.06917

与大多数静态论文相比，Paper2Agent 致力于降低科研复现的技术门槛。传统上，复现实验往往需要繁琐的环境配置和依赖管理，而该系统可自动完成环境搭建、依赖处理及工具运行，生成经过验证、可重复的结果。据论文作者介绍，整个框架几乎可以自主运行，研究人员只需提供论文代码仓库的链接即可。系统的处理时间从 30 分钟到数小时不等，具体取决于代码库的复杂度。

研究团队在三项案例研究中展示了这一方法的可行性。每篇论文都成功被转换为可运行的智能体，能够执行原论文中的分析流程，并复现报告的结果。例如，“AlphaGenome” 智能体能够自动对基因变体进行评分并生成可视化结果，在与原始参考代码的对比测试中达到了 100% 的准确率。

作者指出，将论文转换为智能体的难易程度，本身可以作为评估研究可复现性与代码质量的指标。那些结构清晰、文档完善、模块化良好的论文，往往更容易实现自动化转换；而代码混乱、维护不足的项目则会给系统带来挑战。

项目发布后，学术界反响积极。例如，Vladimir Nikolić 就在分享中表示：

“这对科研来说是巨大的一步！让静态论文变成可交互的智能体，不仅能加速学习，也让知识的获取变得更加便捷。”

虽然目前仍处于早期阶段，但 Paper2Agent 已展现出科研自动化的新方向。AI 的角色正在从辅助信息检索与结果汇总，转向直接参与科研任务的执行。

原文链接：

https://www.infoq.com/news/2025/10/paper2agent/