Une équipe de Stanford lance Paper2Agent pour les articles de recherche

Mis à jour 19 Sep 2026 · Vérifié par l'équipe éditoriale de Zekai

Les articles de recherche computationnelle exigent généralement des lecteurs qu'ils clonent, installent, configurent et déboguent du code avant d'en voir les résultats. Pour surmonter cet obstacle, une équipe de Stanford dirigée par Jiacheng Miao et James Zou a publié Paper2Agent le 16 septembre 2026. Le système convertit un article académique et sa base de code associée en un serveur Model Context Protocol, agissant comme un auteur correspondant virtuel pour les lecteurs.

Le logiciel sous licence MIT s'installe en tant que compétence pour Claude Code ou Codex, avec des serveurs préconstruits AlphaGenome, Scanpy et TISSUE hébergés sur Hugging Face Spaces. Fonctionnant sur le kit de développement d'agents de Claude Code, un orchestrateur central déploie des sous-agents spécialisés via un flux de travail en six étapes pour encapsuler les méthodes, conserver les ressources du manuscrit et encoder des procédures en plusieurs étapes.

La validation repose sur un contrôle de vérification strict. Un outil ne passe que si les fichiers attendus apparaissent, si les résultats numériques correspondent à une marge de trois pour cent près et si les figures atteignent une distance de Hamming inférieure à vingt en utilisant le hachage perceptuel. Le vérificateur autorise jusqu'à six tentatives par fonction, abandonnant tout outil qui continue d'échouer.

Pour AlphaGenome, Paper2Agent a créé vingt-deux outils en environ quarante-cinq minutes pour un coût de US $42, chaque outil ayant réussi la validation sans intervention humaine. Lors de cinq exécutions évaluées par deux experts humains avec un accord élevé, les temps d'exécution médians ont chuté de manière significative par rapport aux configurations de base utilisant Claude avec un accès au référentiel ou Biomni.

L'agent Scanpy a généré sept outils validés en environ quarante-cinq minutes pour US $13, égalant avec succès les chercheurs humains sur quatre ensembles de données publiques pour les comptes de cellules, les comptes de gènes et les principaux gènes marqueurs. Un agent TISSUE a de même reproduit les résultats humains sur des données de transcriptomique spatiale sans nettoyage manuel du code.

Pourquoi c'est important pour AI pour les étudiants, l'étude et la recherche

Pour les étudiants et les chercheurs embourbés dans les difficultés de clonage, d'installation et de débogage de code issu de PDF académiques, Paper2Agent offre un moyen simplifié d'exécuter des méthodes d'étude. En transformant les répertoires en serveurs interactifs accessibles par langage naturel, il permet de tester les résultats et de reproduire les flux de travail plus rapidement lors des revues de littérature.

Que faire

• Explorez la version hébergée de l'outil sur paper2agent.ai
• Installez le code sous licence MIT en tant que compétence pour Claude Code ou Codex
• Testez les serveurs préconstruits AlphaGenome, Scanpy et TISSUE sur Hugging Face Spaces

Outils mentionnés

• GitHub
• Claude
• Claude Code

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