Paper2Agent исследует статью вместе с кодом и данными, проверяет их на возможность воспроизведения оригинальных результатов, а затем предоставляет возможность применять опубликованные методы к новым данным
21 сентября 2026, 23:15Наука и космосDarth Sahara0
Научную статью можно преобразовать из текста для чтения в инструмент, который способен реализовывать изложенные в ней вычислительные методы. Такую систему Paper2Agent разработали учёные: она преобразует публикацию в интерактивного ИИ-агента, который отвечает на вопросы по исследованию, запускает методы и применяет их к новым данным. Для этого система анализирует саму статью, код, наборы данных, дополнительные материалы и описанные рабочие процессы, а затем создает на их основе инструменты для языковой модели.
Авторы подчеркивают, что в настоящее время использование вычислительного метода из научной статьи часто требует поиска репозитория с кодом, установки зависимостей, настройки окружения, понимания входных и выходных данных и осознания параметров конкретной программы. Paper2Agent автоматизирует эту часть работы. В основе системы лежит MCP (Model Context Protocol) — стандартный протокол для подключения ИИ-агентов к внешним инструментам и данным. Для каждой статьи система создает MCP-сервер с исполняемыми функциями, материалами публикации и инструкциями для многоэтапных научных процедур.
При создании такого агента Paper2Agent сначала находит код, связанный с исследованием, и настраивает программное окружение. Затем отдельные ИИ-агенты извлекают из публикации и программы основные методы и превращают их в инструменты. После этого система проверяет их на контрольных данных. Не прошедшие проверку инструменты исключаются. В каждом оставшемся сохраняется ссылка на исходный код, чтобы результаты можно было отследить до конкретной реализации из работы.
В одном из экспериментов Paper2Agent за 45 минут и $14 на стандартном ноутбуке создала 22 инструмента для AlphaGenome — модели, предназначенной для анализа влияния генетических вариантов на регуляцию генов. У такого агента пользователь может, например, запросить оценку конкретного варианта ДНК, выбрать интересующую ткань и получить прогноз его влияния на экспрессию генов или доступность хроматина без необходимости самостоятельно настраивать исходное программное окружение. В тестах на 15 учебных и 15 новых задачах агент продемонстрировал 98,7% и 100% точности.
Другой пример касается Scanpy — популярного пакета для анализа данных отдельных клеток. Paper2Agent создала для него 7 инструментов за 45 минут и $13 долларов. Агент способен поэтапно выполнять стандартную обработку данных: оценивать качество, нормализовать их, выбирать признаки, снижать размерность, проводить кластеризацию и определять типы клеток. На 4 общедоступных наборах данных результаты совпали с полученными исследователями при тех же параметрах, а на 7 различных наборах система смогла адаптировать параметры под характеристики данных.
При проверке на 100 вычислительных работах в области биологии Paper2Agent смогла преобразовать в агентов 74 публикации и создать 599 предполагаемых инструментов, из которых 593 прошли валидацию. Основными причинами неудачи в непрошедших проверку инструментах стали отсутствие кода или данных, проблемы с зависимостями и программы, которые нельзя было обобщить на новые задачи. Авторы также протестировали систему на работах по ИИ, статистике, эконометрике, теории игр и астрофизике, что показало, что подход применим не только к биологии.
Авторы подчеркивают, что Paper2Agent не делает научные публикации автоматически истинными и не заменяет проверку результатов человеком. Значительная часть статей пока не может быть преобразована в полноценных агентов из-за недостатков кода, документации или программного окружения. Тем не менее, сама публикация может стать исполняемым исследовательским объектом: вместо того чтобы просто прочитать метод и самостоятельно переносить его в свою работу, исследователь получает возможность попросить ИИ применить описанный метод к собственным данным, воспроизвести анализ или интегрировать его с инструментами из других научных работ.
Источники:NatureGitHubHugging FaceНаука и космос0Искусственный интеллектавтоматизацияЯзыковые модели47 минут назад
Источник