Paper2Agent превращает научные статьи в ИИ-агентов

Джеймс Зоу и коллеги из Стэнфорда описали в Nature открытый (open-source) фреймворк Paper2Agent, который автоматически превращает научную статью, вместе с сопровождающим кодом, данными и другими материалами, в протестированный, готовый к работе набор инструментов, применимый к собственным данным пользователя. По словам Зоу, цель, изменить саму природу научной статьи: «Знание не должно быть статичной записью. Оно должно быть динамичным и интерактивным, это даёт много преимуществ, включая более высокую воспроизводимость знаний и возможность для новых видов открытий».

В отличие от NotebookLM (теперь Gemini Notebook), который позволяет загрузить документ и обсуждать его с ИИ, агенты Paper2Agent идут дальше: они реально выполняют описанные в статье методы и способны комбинировать инструменты из разных статей. Команда проверила фреймворк на статистике, эконометрике и астрофизике, но основные демонстрации сделала на вычислительной биологии, там перевод опубликованных методов в рабочие инструменты особенно трудоёмок.

В качестве примера взяли AlphaGenome, модель глубокого обучения, предсказывающую, как мутации ДНК влияют на регуляцию генов. Paper2Agent получил документацию и код AlphaGenome и примерно за 45 минут без участия человека создал 22 инструмента, покрывающих разные аспекты работы модели, и всё это на обычном ноутбуке и менее чем за 15 долларов вычислительных затрат. Один из инструментов предсказывает, как изменение ДНК повлияет на активность гена, другие, сравнивают этот эффект между тканями или анализируют сразу несколько вариантов.

Все 22 инструмента прошли автоматическую проверку: отдельный тестирующий агент прогонял каждый суб-инструмент AlphaGenome против эталонных результатов, а при сбое пытался диагностировать и исправить проблему, до шести попыток на функцию; если не получалось, инструмент отбрасывался. Проверенные инструменты упаковали в сервер по протоколу Model Context Protocol (MCP) и подключили к Claude Code (подошёл бы любой совместимый чат-ассистент), получив пользовательского агента AlphaGenome, который отвечает на вопросы на обычном языке, запускает нужный анализ и выдаёт результаты с визуализациями. По анализу самих исследователей, этот агент превзошёл как обычный Claude с доступом к коду AlphaGenome, так и специализированный ИИ-инструмент для учёных Biomni.

Дальше команда связала агента AlphaGenome ещё с двумя агентами, созданными из других статей, про то, как унаследованные варианты ДНК, связанные с аутоиммунными болезнями, нарушают работу клеток, и про то, как отключение каждого экспрессируемого гена меняет иммунные клетки. Получив задачу разобраться в генетике псориаза, три агента совместно указали на малоизученный ген GPR137 как на вероятную причину и предложили десять способов проверить эту версию. Учёный выбрал один из них, и итоговый анализ показал, что подавление GPR137 вызывает изменения активности генов, поразительно похожие на те, что связаны с псориазным вариантом в иммунных клетках.

Подход одобрили и сторонние специалисты. Донпин Чэнь из Мэрилендского университета в Колледж-Парке назвал идею сделать статьи более динамичными и исполняемыми через агентный интерфейс весьма привлекательной. Оливье Элементо, вычислительный биолог, руководитель Института точной медицины Энгландера при Weill Cornell Medicine в Нью-Йорке (он рецензировал статью для Nature), считает подход реальным шагом вперёд в том, как устроен процесс публикации, с ИИ в центре и более интерактивными публикациями. Артур Сковроньски из польской компании VirtusLab отметил в своём блоге, что Paper2Agent может оживить научные статьи в учебных аудиториях: студенты смогут не просто читать о методах, а опробовать их через агента.

Через день после публикации статьи о Paper2Agent в Nature команда Зоу представила в Science другую систему, Virtual Biotech, мультиагентную платформу по образцу компании по разработке лекарств, и одновременно выложила сгенерированную Paper2Agent агентную версию этой же статьи. Зоу и коллеги также скормили Paper2Agent рукопись о самом Paper2Agent, получившийся агент теперь живёт на paper2agent.ai.

Не всё получается: из 100 опробованных статей по вычислительной биологии 26 не удалось превратить в агента, чаще всего из-за неполного кода, отсутствующей документации или несовместимых зависимостей. Зоу считает это не недостатком, а полезным сигналом: «Возможность агентификации сама по себе служит своего рода сертификатом того, что работа достаточно завершена и хорошо документирована». Последнее слово, по словам Зоу, всё равно остаётся за человеком-учёным, но он допускает, что в будущем статьи, помимо привычных данных и кода, будут сопровождаться ещё и «доступностью агента», виртуального автора для переписки, готового круглосуточно и на любом языке отвечать на вопросы, на которые у настоящих авторов обычно не хватает времени.

Ключевые факты

• Paper2Agent, открытый фреймворк Джеймса Зоу и коллег из Стэнфорда, описанный в Nature: он автоматически превращает статью вместе с её кодом и данными в протестированный набор рабочих инструментов.
• На примере модели AlphaGenome фреймворк за ~45 минут без участия человека создал 22 инструмента менее чем за $15 вычислительных затрат на обычном ноутбуке.
• Все 22 инструмента прошли через отдельного тестирующего агента, который сверял результаты с эталонными и чинил ошибки, до шести попыток на функцию, иначе инструмент отбрасывался.
• Связав агентов из нескольких статей, команда исследовала генетику псориаза: агенты указали на ген GPR137 и предложили 10 способов проверки, один из которых подтвердил гипотезу.
• Из 100 опробованных статей по вычислительной биологии 26 не удалось превратить в агента, обычно из-за неполного или недокументированного кода.

Почему это важно

Зоу формулирует амбицию так: научная статья не должна оставаться статичным текстом, она должна становиться динамичным, интерактивным объектом, с которым можно работать напрямую. Если методы из статьи можно сразу проверить и применить к своим данным, а не тратить недели на воспроизведение чужого недокументированного репозитория, воспроизводимость исследований и скорость новых открытий растут напрямую.

Кому это важно

В первую очередь, исследователям в вычислительной биологии и смежных количественных областях (статистика, эконометрика, астрофизика), которым нужно применить чужой метод к своим данным. Также это интересно преподавателям и студентам: как отмечает представитель VirtusLab, агент позволяет опробовать метод из статьи прямо в классе. И разработчикам ИИ-агентов, Paper2Agent выдаёт готовый сервер по протоколу MCP, который подключается к любому совместимому чат-ассистенту вроде Claude Code.

Как это применить

Фреймворк получает на вход статью вместе с сопровождающим кодом, данными и прочими материалами и без участия человека извлекает из них ключевые рабочие процессы, собирая протестированный набор инструментов. На примере AlphaGenome это заняло около 45 минут и обошлось менее чем в $15 вычислений на обычном ноутбуке. Результат упаковывается в сервер по протоколу MCP и подключается к чат-ассистенту; агентов, созданных из разных статей, можно связывать между собой для совместного исследования сложных вопросов, как в случае с генетикой псориаза.

Можно ли доверять

Работа прошла рецензирование и опубликована в Nature; один из рецензентов, Оливье Элементо, лично подтверждает ценность подхода, а независимый комментарий дал сторонний исследователь Донпин Чэнь из Мэрилендского университета. Сами инструменты проходят автоматическую проверку против эталонных результатов, с несколькими попытками самоисправления. При этом заявление о превосходстве агента AlphaGenome над Biomni и обычным Claude, это анализ самих авторов Paper2Agent, а не независимая оценка третьей стороной.

Риски и подводные камни

Метод работает не всегда: из 100 опробованных статей по вычислительной биологии 26 не удалось превратить в агента, из-за неполного кода, отсутствующей документации или несовместимых зависимостей. Сравнения производительности с Biomni и обычным Claude основаны на анализе самой команды разработчиков, без независимой перепроверки. Цифр по стоимости, срокам или практическому использованию Paper2Agent за пределами демонстраций самих авторов в источнике нет. Зоу подчёркивает, что окончательное решение в исследовании всё равно остаётся за человеком, а не за агентом.

«Знание не должно быть статичной записью. Оно должно быть динамичным и интерактивным, это даёт много преимуществ, включая более высокую воспроизводимость знаний и возможность для новых видов открытий.»

— Джеймс Зоу, Стэнфорд