👨💻 Научная статья превращается в агента
Исследователи Стэнфорда представили Paper2Agent — систему, которая превращает научную публикацию в интерактивного ИИ-агента. Работа вышла 16 сентября в Nature, а исходный код опубликован открыто.
Обычная статья сообщает, что сделали авторы. Paper2Agent пытается сохранить ещё и способность повторить сделанное: воспроизвести анализ, построить графики, применить метод к новым данным и объединить его с инструментами из других публикаций. Пользователь взаимодействует с такой статьёй на естественном языке — почти как с виртуальным соавтором.
Как это работает?
В обычной RAG-системе модель находит нужные фрагменты текста и пересказывает их. Paper2Agent преобразует всю исследовательскую работу — статью, приложения, код, данные и примеры анализа — в исполняемую систему.
Архитектура состоит из нескольких уровней. Сначала центральный оркестратор распределяет работу между специализированными агентами. Они находят репозиторий, создают изолированное программное окружение, изучают документацию и запускают исходные примеры.
Затем методы статьи упаковываются в MCP-сервер, включающий три типа компонентов:
1️⃣ инструменты: исполняемые функции из исходного исследования;
2️⃣ ресурсы: текст, данные, таблицы, рисунки и код;
3️⃣ промпты: проверенные последовательности действий для сложных анализов.
Наконец, отдельный агент тестирует созданные инструменты на примерах из самой статьи. Результаты должны совпасть с эталонными числами, файлами и графиками. Если функция несколько раз не проходит проверку, её исключают. Только после этого MCP-сервер подключается к Claude Code или другому совместимому агенту.
На выборке из 100 работ по вычислительной биологии система смогла преобразовать в агентов 74 статьи. Она предложила 599 инструментов, из которых 593 прошли автоматическую проверку. На 300 задачах точность Paper2Agent составила 91,2% против 80,3% у Claude Code, которому просто дали статью и репозиторий. Одновременно снизились стоимость и время выполнения запросов.
Сегодня содержательный документ обычно состоит из повествования и приложенных доказательств. В будущем к ним могут добавиться ещё два слоя: исполняемый и диалоговый. Статья сможет не только описывать метод, но и применять его.
Сами авторы предполагают, что рядом с разделами о доступности данных и кода в научных публикациях может появиться раздел Agent Availability — ссылка на официального агента статьи. Но такой формат потребует обновления зависимостей, контроля безопасности, защиты интеллектуальной собственности и ясных правил атрибуции.
Возможно, PDF не исчезнет. Но он перестанет быть конечной формой знания — примерно так же, как печатная карта не исчезла после появления навигатора, однако перестала быть основным способом взаимодействовать с пространством.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
Исследователи Стэнфорда представили Paper2Agent — систему, которая превращает научную публикацию в интерактивного ИИ-агента. Работа вышла 16 сентября в Nature, а исходный код опубликован открыто.
Обычная статья сообщает, что сделали авторы. Paper2Agent пытается сохранить ещё и способность повторить сделанное: воспроизвести анализ, построить графики, применить метод к новым данным и объединить его с инструментами из других публикаций. Пользователь взаимодействует с такой статьёй на естественном языке — почти как с виртуальным соавтором.
Как это работает?
В обычной RAG-системе модель находит нужные фрагменты текста и пересказывает их. Paper2Agent преобразует всю исследовательскую работу — статью, приложения, код, данные и примеры анализа — в исполняемую систему.
Архитектура состоит из нескольких уровней. Сначала центральный оркестратор распределяет работу между специализированными агентами. Они находят репозиторий, создают изолированное программное окружение, изучают документацию и запускают исходные примеры.
Затем методы статьи упаковываются в MCP-сервер, включающий три типа компонентов:
1️⃣ инструменты: исполняемые функции из исходного исследования;
2️⃣ ресурсы: текст, данные, таблицы, рисунки и код;
3️⃣ промпты: проверенные последовательности действий для сложных анализов.
Наконец, отдельный агент тестирует созданные инструменты на примерах из самой статьи. Результаты должны совпасть с эталонными числами, файлами и графиками. Если функция несколько раз не проходит проверку, её исключают. Только после этого MCP-сервер подключается к Claude Code или другому совместимому агенту.
На выборке из 100 работ по вычислительной биологии система смогла преобразовать в агентов 74 статьи. Она предложила 599 инструментов, из которых 593 прошли автоматическую проверку. На 300 задачах точность Paper2Agent составила 91,2% против 80,3% у Claude Code, которому просто дали статью и репозиторий. Одновременно снизились стоимость и время выполнения запросов.
Но, возможно, главный результат Paper2Agent относится не к биологии, а к будущему текста.
Сегодня содержательный документ обычно состоит из повествования и приложенных доказательств. В будущем к ним могут добавиться ещё два слоя: исполняемый и диалоговый. Статья сможет не только описывать метод, но и применять его.
Текст постепенно превращается из контейнера знаний в работающий интерфейс к ним.
Сами авторы предполагают, что рядом с разделами о доступности данных и кода в научных публикациях может появиться раздел Agent Availability — ссылка на официального агента статьи. Но такой формат потребует обновления зависимостей, контроля безопасности, защиты интеллектуальной собственности и ясных правил атрибуции.
Возможно, PDF не исчезнет. Но он перестанет быть конечной формой знания — примерно так же, как печатная карта не исчезла после появления навигатора, однако перестала быть основным способом взаимодействовать с пространством.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться