AI让学术论文变身科研助手｜前沿动态

自1665年学术期刊诞生以来，科研论文一直以静态文本的形式记录人类知识。如今，斯坦福大学医学院邹佳成（James Zou）与苗嘉成团队开发出一种名为Paper2Agent的人工智能框架，能将学术论文及其附带的代码、数据和补充材料自动转化为可交互的AI智能体，让科研人员直接用自然语言调用论文里的分析工具。2026年9月16日，相关成果发表于《Nature》。

一篇计算生物学论文往往附带庞大的代码库、环境依赖和示例数据。其他学者即便下载了全套材料，也常被繁琐的环境配置、参数调试和接口报错挡在门外。如果直接让通用大模型去操作原始代码库，模型很容易误判输入、输出格式，甚至运行未经检验的流程——拿到代码，并不意味着能可靠地复现研究。

斯坦福大学医学院的研究人员开发了一款人工智能程序，可将科学论文转化为交互式AI智能体，使其能够围绕论文展开对话，并与其他智能体互动

（图片来源：斯坦福大学医学院新闻中心官网）

为解决这一痛点，Paper2Agent先通过内置的Paper2MCP流程自动搭建运行环境，从论文及代码库中提取核心算法、数据集和提示模板，封装成标准的模型上下文协议（MCP）服务器，再接入聊天智能体。其中最关键的一步是“自我复现检验”：系统会用原论文的已知结果逐一测试生成的工具，凡是无法复现原文结论的工具都会被剔除，从而确保智能体调用的每一项功能都经过实测检验。

在基因组变异预测工具AlphaGenome的转化测试中，系统仅耗时约45 min、花费约14美元，便自动封装出22个可靠工具。面对15道教程题和15道全新测试题，该智能体解答准确率分别达98.7%±1.3%和100%，在30道开放式前沿课题中也取得了82.7%±2.4%的准确率。研究团队进一步将100篇计算生物学论文中的74篇成功转化为智能体，599个候选工具中有593个通过复现验证；在300道基准测试题上总体准确率达91.2%±1.6%，明显优于直接检索代码库的Claude Code基线。

值得一提的是，当团队让2个来自不同论文的智能体“对话”协作时，它们还从注意缺陷多动障碍（ADHD）数据集中新筛查出MPHOSPH9基因附近的一处与该障碍风险相关的变异。团队表示，最终的目标是实现类似“大规模的手稿配对”过程：让数以百万计的论文处理工具相互协作，找出其中的共同点，从而产生新的见解。