当你可以让机器人替你解释一篇研究论文时，其实就没必要真的把整篇论文读完了。科学论文可以转化为AI智能体，据参与该项目的斯坦福团队称，这将加速新科学发现的传播。该团队的新框架Paper2Agent于周三发表在《自然》杂志的一篇论文中，它可以将科学论文及其相关研究成果转化为智能体，这些智能体能够讨论论文的发现、复现分析和结果、将其方法应用于新数据，甚至与其他论文智能体就新的研究问题展开协作。“几个世纪以来，论文一直是静态文档，”斯坦福大学计算机科学家、生物医学数据科学教授、该论文作者之一James Zou在宣布P2A发表的LinkedIn帖子中表示。“Paper2Agent将它们转变为活跃的AI智能体，能够回答问题、应用其方法，并与其他论文协作以做出新发现。”Zou补充说，让大型语言模型访问一篇科学论文是不可预测的。他的团队想要的是一个能够充当“虚拟作者”的智能体，对论文的工作有亲身实践经验，而不只是阅读并试图理解它。正如论文中所解释的，这在实践中意味着一种工作流程：利用一篇论文及其相关数据、代码仓库和代码库，创建一个模型上下文协议（MCP）服务器，对外暴露该研究的工具、资源和工作流程。随后，一个LLM智能体可以连接到该服务器，并使用自然语言请求自主运行演示、复现分析、将论文的方法应用于新数据等。“Paper2Agent将完整的研究产出智能体化，包括手稿、补充材料、代码、数据集、可执行示例和分析工作流程，”研究人员在他们的文章中解释道。

据该报报道，LCP服务器本身可以远程托管，但Zou在一封电子邮件中向The解释说，它也可以在本地运行以保护敏感信息，尽管此类信息仍会发送到连接到的LLM后台P2 A。Zou告诉我们：“如果用户拥有不想发送给LLM的敏感数据（例如受保护的健康信息），那么他们应该从P2 A中排除该数据。”他补充说P2 A应该与任何人工智能编码代理兼容，但并非所有数据都经过测试。人工智能幻觉是一个明显的问题，论文指出，研究人员应该始终评估P2 A所呈现的任何内容，以确保其是正确的。论文指出：“我们……将Paper 2Agent视为增强科学发现和改善论文获取、可重复性和重复利用的工具，而不是科学结论的自主或权威来源。”也就是说，P2 A仍然尽最大努力防止此类错误突然出现。论文解释说，论文代理商使用的每个工具都是根据论文的结果和数字进行验证的，并且“被锁定以确保再现性”。这降低了幻觉的风险，并最大限度地减少随机性，但仍然-最好仔细检查其工作。P2 A量表的测试似乎进展顺利，研究人员对三组136篇论文进行了评估，其中包括100篇计算生物学论文。在这100篇论文中，有74篇成功转化为代理，研究人员将失败主要归因于代码库不完整、文档缺失或无法解析的环境配置。尽管如此，在将新的科学发现交到更多研究人员手中方面，这仍然是一个巨大的飞跃。P2 A是开源的，可在GitHub上供那些想要尝试一下的人使用。

网上还有一个实时版本，可以更详细地解释这篇关于 P2A（Paper-to-Agent）的研究论文，并重现其研究结果。邹（Zou）告诉我们，这个实时版本还可以读取其他论文的数据，以测试该系统在这些论文中的运行效果。邹表示，他希望开源社区能够帮助改进 P2A 系统，但他也指出他的团队目前的工作还没有完成。接下来，他们的计划是创建一个在线平台，让论文相关的“代理”（agents）能够在这个平台上协作并讨论各种“代理化”（agentified）的科学发现。希望这些由人工智能驱动的“研究机器人”能够表现得比传统的科研人员更好一些吧。®