撰文丨王聪 编辑丨王多鱼 排版丨水成文 研究论文是科学交流的传统单位，至今仍是记录方法、结果和见解的主流方式，也是向更广泛学术群体分享研究成果的主要途径。然而，论文本质上是一种被动的对象：读者必须先找到论文（在大量出版物涌现的情况下并不容易），再解析其贡献，并手动判断如何将其应用于自己的工作中。特别是当论文描述一种新的计算方法时，在将其用于新数据之前，往往仍存在诸多技术障碍。读者需要自行理解并调整其中的代码、数据和方法以适应自身工作，这在知识的传播和再利用方面形成了障碍。 2026 年 9 月，斯坦福大学 James Zou 教授、 Jiacheng Miao 博士等，在国际顶级学术期刊 Nature 上发表了题为：Reimagining research papers as interactive and reliable AI agents 的研究论文。 该研究开发了一款 AI 工具—— Paper2Agent ，其可将任何论文快速、自动转化为一个定制化的 AI 智能体 （AI Agent），充当“ 虚拟通讯作者 ”，该智能体能够即时回答有关论文的问题，从而将研究成果从被动的文献形式转变为可主动运行的系统。这使得研究人员更容易复现论文，也为研究人员理解陌生研究领域的研究进展提供了便捷途径。此外，该智能体还能将论文中的方法应用于新的数据集，甚至能与其他学科论文的智能体自主协作，从而加速科研成果的应用与发现过程。 智能体 （Agent）是能够推理并执行复杂任务的 AI 助手。该研究开发的 Paper2Agent 工具首先获取论文的正文、代码、数据集及其他内容，并将这些信息存入一个名为 MCP（model context protocol）服务器的数字平台。随后，一支 AI 智能体团队会自主构建工具，将论文中的方法应用于新数据，并将这些工具也部署到服务器上。研究人员随后可选择使用任意一种大语言模型（LLM）连接至该服务器，从而生成一个专属于该论文的智能体，研究人员便能以自然、对话式的语言与之交互。 James Zou 团队在谷歌 DeepMind 团队发表于 Nature 期刊的介绍 AlphaGenome 的论文上测试了这项技术。AlphaGenome 是一款 DNA 序列模型，能够更全面、更准确地预测人类 DNA 序列中的单碱基突变如何影响调控基因的多种生物学过程，高精度地预测广泛的基因组特征和突变效应，从而有助于查明遗传疾病的病因，指导合成 DNA 的设计，加速对基因组（尤其是非编码基因组）的基本理解。 Paper2Agent 在大约 45 分钟 时间内自主为这篇 AlphaGenome 论文创建了一个 AI 智能体，所需计算资源成本仅为 14 美元 。该智能体在初步测试中表现出色，回答遗传学问题的准确率接近完美。此外，它在相同论文和相同问题条件下，还超越了其他顶级生物医学 AI 智能体的得分。其中被超越的智能体之一是 Biomni ，这是一款由斯坦福大学的研究人员开发的通用型生物医学 AI 智能体，整合了数十个数据库的信息，但其得分远低于 Paper2Agent 为 AlphaGenome 论文创建的 AI 智能体。研究团队表示，其成功源于其对 AlphaGenome 工具和能力的精通掌握。 接下来， James Zou 团队要求该 AI 智能体解释为何基因组序列中单个碱基的改变会与“坏”胆固醇相关。他们让该智能体确定能够解释这种关联的精确基因，结果该智能体识别出一个基因，而与原始 AlphaGenome 论文中指出的因果基因不同。研究团队表示，AlphaGenome 关于遗传变异的数据支持这两种假设，这一差异凸显了 Paper2Agent 的优势：科学家可以利用该工具重新评估已发表的结论，而无需设计全新的实验。 此外， James Zou 团队还使用 Paper2Agent 为 Scanpy 和 TISSUE 研究创建了进行单细胞和空间转录组学分析的 AI 智能体，并验证了这些智能体能够复现原始论文的结果，并执行新的用户查询。 总的来说，该研究开发的 Paper2Agent 通过将静态论文转化为交互式 AI 智能体，提出了一种知识传播的新范式，并构建了一个由 AI 科学家组成的协作生态系统。 目前， Paper2Agent 已上线，且可以免费使用。研究人员只需将生成服务器的工具安装到自己的电脑上，上传论文及相关材料至软件，然后等待 AI 智能体的创建即可。 需要指出的是，Paper2Agent 并不一定能将一片天论文转化为一个 AI 智能体，在面对来自多个科学领域的 110 篇论文时，Paper2Agent 能够将其中 76% 的论文转化为 AI 智能体。未能成功转化的论文通常是缺少关键代码或数据，或者其报告的发现与所