Was passiert ist
Ein Team der Stanford University hat Paper2Agent veröffentlicht, um Forschungspapiere und Codebasen in Model Context Protocol-Server zu verwandeln. Das Tool ermöglicht es AI-Agenten wie Claude Code, Rechenmethoden über natürliche Sprache auszuführen und traditionelle Einrichtungsbarrieren zu umgehen.
Wissenschaftliche Arbeiten erfordern von Lesern in der Regel das Klonen, Installieren, Konfigurieren und Debuggen von Code, bevor Ergebnisse sichtbar werden. Um dieses Hindernis zu beseitigen, veröffentlichte ein Stanford-Team unter der Leitung von Jiacheng Miao und James Zou am 16.09.2026 Paper2Agent. Das System wandelt ein akademisches Paper und die dazugehörige Codebasis in einen Model Context Protocol-Server um, der für Leser als virtueller Korrespondierender Autor fungiert.
Die unter der MIT-Lizenz stehende Software lässt sich als Skill für Claude Code oder Codex installieren, wobei vorgefertigte AlphaGenome-, Scanpy- und TISSUE-Server auf Hugging Face Spaces gehostet werden. Gestützt auf das Agent-SDK von Claude Code setzt ein zentraler Orchestrator spezialisierte Sub-Agenten in einem sechstufigen Workflow ein, um Methoden zu verpacken, Manuskriptressourcen bereitzuhalten und mehrstufige Abläufe zu kodieren.
Die Validierung stützt sich auf ein strenges Verifizierungs-Gate. Ein Tool wird nur dann freigegeben, wenn die erwarteten Dateien generiert werden, numerische Ergebnisse innerhalb einer Toleranz von drei Prozent übereinstimmen und Abbildungen mittels Perceptual Hashing eine Hamming-Distanz von unter zwanzig aufweisen. Der Prüfer erlaubt bis zu sechs Versuche pro Funktion und verwirft alle Tools, die weiterhin fehlschlagen.
Für AlphaGenome baute Paper2Agent in etwa fünfundvierzig Minuten zweiundzwanzig Tools zu Kosten von US $42, wobei jedes Tool die Validierung ohne menschliches Eingreifen bestand. In fünf Durchläufen, die von zwei menschlichen Experten mit hoher Übereinstimmung bewertet wurden, sanken die Median-Laufzeiten im Vergleich zu Basis-Setups mit Claude-Repository-Zugriff oder Biomni erheblich.
Der Scanpy-Agent generierte in rund fünfundvierzig Minuten für US $13 sieben validierte Tools und stimmte bei Zell- und Genanzahlen sowie Top-Marker-Genen über vier öffentliche Datensätze hinweg erfolgreich mit menschlichen Forschern überein. Ein TISSUE-Agent reproduzierte ähnlich menschliche Ergebnisse bei räumlichen Transkriptomik-Daten ganz ohne manuelles Bereinigen des Codes.
Warum das für AI für Studierende, Studium & Forschung wichtig ist
Für Studierende und Forschende, die durch das Klonen, Installieren und Debuggen von Code aus akademischen PDFs ausgebremst werden, bietet Paper2Agent einen optimierten Weg zur Ausführung von Studienmethoden. Indem Repositories in interaktive Server verwandelt werden, die über natürliche Sprache zugänglich sind, lassen sich Ergebnisse während der Literaturrecherche schneller testen und Arbeitsabläufe schneller replizieren.
Was jetzt zu tun ist
- Erkunden Sie die gehostete Version des Tools auf paper2agent.ai
- Installieren Sie den unter der MIT-Lizenz stehenden Code als Skill für Claude Code oder Codex
- Testen Sie vorgefertigte AlphaGenome-, Scanpy- und TISSUE-Server auf Hugging Face Spaces
Erwähnte Tools
Quelle: Stanford Researchers Release Paper2Agent: Turning Research Papers Into AI Agents That Reproduce Results and Run on New Data – MarkTechPost (marktechpost.com)
Zekai zuerst in Google sehen
Bezahlte Remote-Arbeit · KI für Studenten, Lernen & Forschung
Bezahlte Remote-KI-Jobs: KI für Studenten, Lernen & Forschung
KI-Unternehmen bezahlen Fachleute stundenweise dafür, KI zu testen und zu verbessern. Remote und flexibel. Diese Stellen sind jetzt offen.
1.553 offene Stellen · heute aktualisiert
Neue Stellen wie diese per E-Mail
Jeden Morgen eine kurze E-Mail mit neuen Stellen, die in Ihrem Land offen sind. Kostenlos. Jederzeit abbestellbar.
Das wöchentliche KI-Briefing für Ihren Beruf
Eine E-Mail pro Woche: die KI-Änderungen, die Ihren Beruf wirklich betreffen — Tools, Deals und was zu tun ist.

