Un equipo de Stanford presenta Paper2Agent para artículos de investigación

Actualizado 19 Sep 2026 · Revisado por el equipo editorial de Zekai

Los artículos de investigación computacional suelen requerir que los lectores clonen, instalen, configuren y depuren código antes de ver resultados. Para abordar este obstáculo, un equipo de Stanford liderado por Jiacheng Miao y James Zou publicó Paper2Agent el 16 de septiembre de 2026. El sistema convierte un artículo académico y su base de código asociada en un servidor de Model Context Protocol, actuando como un autor corresponsal virtual para los lectores.

El software con licencia MIT se instala como una skill para Claude Code o Codex, con servidores preconstruidos de AlphaGenome, Scanpy y TISSUE alojados en Hugging Face Spaces. Operando sobre el SDK de agentes de Claude Code, un orquestador central despliega subagentes especializados a través de un flujo de trabajo de seis pasos para empaquetar métodos, conservar recursos del manuscrito y codificar procedimientos de múltiples pasos.

La validación se basa en un riguroso control de verificación. Una herramienta solo se aprueba si aparecen los archivos esperados, los resultados numéricos coinciden dentro de un margen del tres por ciento y las figuras logran una distancia de Hamming inferior a veinte utilizando hash perceptual. El verificador permite hasta seis intentos por función, descartando cualquier herramienta que continúe fallando.

Para AlphaGenome, Paper2Agent construyó veintidós herramientas en aproximadamente cuarenta y cinco minutos con un coste de US $42, y cada herramienta superó la validación sin intervención humana. En cinco ejecuciones calificadas por dos expertos humanos con alta concordancia, los tiempos de ejecución medianos disminuyeron significativamente en comparación con las configuraciones base que utilizaban Claude con acceso al repositorio o Biomni.

El agente de Scanpy generó siete herramientas validadas en unos cuarenta y cinco minutos por US $13, igualando con éxito a los investigadores humanos en cuatro conjuntos de datos públicos para recuentos de células, recuentos de genes y principales genes marcadores. Un agente de TISSUE reprodujo de manera similar los resultados humanos en datos de transcriptómica espacial sin necesidad de limpiar el código manualmente.

Por qué importa para AI para Estudiantes, Estudio e Investigación

Para estudiantes e investigadores agobiados por la fricción de clonar, instalar y depurar código de archivos PDF académicos, Paper2Agent ofrece una vía optimizada para ejecutar los métodos de estudio. Al convertir los repositorios en servidores interactivos accesibles mediante lenguaje natural, permite probar resultados y replicar flujos de trabajo con mayor rapidez durante las revisiones de literatura.

Qué hacer

• Explora la versión alojada de la herramienta en paper2agent.ai
• Instala el código con licencia MIT como una skill para Claude Code o Codex
• Prueba los servidores preconstruidos de AlphaGenome, Scanpy y TISSUE en Hugging Face Spaces

Herramientas mencionadas

• GitHub
• Claude
• Claude Code

Fuente: Stanford Researchers Release Paper2Agent: Turning Research Papers Into AI Agents That Reproduce Results and Run on New Data – MarkTechPost (marktechpost.com)