🧪 معرفی Paper2Agent: تبدیل مقاله علمی به دستیار هوش مصنوعی
پژوهشگران دانشگاه استنفورد ابزاری به نام Paper2Agent ساخته‌اند که یک مقاله علمی و کدهای آن را به یک دستیار هوش مصنوعی قابل استفاده تبدیل می‌کند. با این ابزار دیگر نیازی نیست مخزن کد را کلون کنید، وابستگی‌ها را نصب کنید یا محیط را درست کنید. همه این کارها خودکار انجام می‌شود.
🔍 این سیستم چطور کار می‌کند؟
ابزار Paper2Agent یک سری «عامل کارگر» هوش مصنوعی دارد که مقاله و کدهای آن را بررسی می‌کنند. این عامل‌ها فقط نمی‌خوانند؛ بلکه سعی می‌کنند پژوهش اصلی را از صفر بازتولید کنند. از این طریق، دانشی که معمولاً یک خواننده باید دستی استخراج کند (مثل تنظیمات آزمایش، ابزارهای لازم و روش اجرا) به‌صورت خودکار جمع‌آوری می‌شود.
سپس این دانش در قالب یک سرور MCP (پروتکل زمینه مدل) ذخیره می‌شود. هر بخش مقاله در پوشه‌ای جداگانه قرار می‌گیرد و مقدمه، روش‌ها، نتایج و نتیجه‌گیری هم در فایل‌های جداگانه سازمان‌دهی می‌شوند. این سرور MCP را می‌توان به Claude Code یا هر عامل هوش مصنوعی سازگار با MCP وصل کرد و با زبان طبیعی از او خواست که روش مقاله را روی داده‌های شما اجرا کند.
🔹 اعتبارسنجی سخت‌گیرانه
ابزارها فقط وقتی در سرور نهایی قرار می‌گیرند که از یک فرآیند اعتبارسنجی دقیق عبور کنند:
· فایل‌های مورد انتظار تولید شده باشند
· اعداد با مقادیر مرجع حداکثر ۳٪ اختلاف داشته باشند
· تصاویر از نظر بصری با تصاویر مرجع مطابقت داشته باشند (فاصله همینگ کمتر از ۲۰)
· هر تابع تا ۶ بار فرصت دارد تست را پاس کند
📊 نتایج روی مقاله AlphaGenome:
ابزار Paper2Agent روی مقاله AlphaGenome (مدلی برای پیش‌بینی خصوصیات توالی DNA) در حدود ۴۵ دقیقه و با هزینه ۱۴ دلار، ۲۲ ابزار معتبر ساخت. همه ۲۲ ابزار بدون دخالت انسان اعتبارسنجی را پاس کردند.
نتیجه:
· ۱۰۰٪ موفقیت در ۱۵ پرسش جدید درباره تغییرات ژنومی ناشناخته
· در مقایسه: Claude Code با دسترسی مستقیم به مخزن کد ۷۸.۷٪ و Biomni ۵۶٪ امتیاز گرفتند
· سرعت اجرا ۱.۸ تا ۳.۲ برابر بهتر از Claude Code و ۳.۱ تا ۴.۶ برابر بهتر از Biomni
🔹 آزمایش گسترده‌تر
از میان ۱۰۰ مقاله زیست‌شناسی محاسباتی ۷۴ مقاله از bioRxiv با موفقیت به عامل تبدیل شدند و از ۵۹۹ ابزار پیشنهادی، ۵۹۳ ابزار اعتبارسنجی را پاس کردند.
روی ۳۰۰ پرسش معیار، دقت ۹۱.۲٪ با هزینه ۰.۲۰ دلار به ازای هر پرسش به دست آمد.
🎯 همکاری بین عامل‌ها
نکته جالب: عامل‌های ساخته‌شده می‌توانند با هم گفتگو کنند. پژوهشگران دو مقاله بی‌ربط را به عامل تبدیل کردند: یکی درباره پیش‌بینی تأثیر جهش‌های ژنتیکی بر ژنوم و دیگری درباره مطالعه ارتباط ژنومی با خطر اختلال بیش‌فعالی و نقص توجه (ADHD). این دو عامل توانستند ارتباطاتی بین یافته‌های خود پیدا کنند.
📄 دسترسی:
· مقاله در Nature (سپتامبر ۲۰۲۶)
· مخزن گیت‌هاب
· سرور MCP آماده AlphaGenome: Hugging Face
· نسخه میزبانی‌شده برای امتحان: paper2agent.ai
· توضیحات marktechpost.com
---
#AI #Stanford #Paper2Agent #Research
🆔 @asrgooyeshpardaz
پژوهشگران دانشگاه استنفورد ابزاری به نام Paper2Agent ساخته‌اند که یک مقاله علمی و کدهای آن را به یک دستیار هوش مصنوعی قابل استفاده تبدیل می‌کند. با این ابزار دیگر نیازی نیست مخزن کد را کلون کنید، وابستگی‌ها را نصب کنید یا محیط را درست کنید. همه این کارها خودکار انجام می‌شود.
🔍 این سیستم چطور کار می‌کند؟
ابزار Paper2Agent یک سری «عامل کارگر» هوش مصنوعی دارد که مقاله و کدهای آن را بررسی می‌کنند. این عامل‌ها فقط نمی‌خوانند؛ بلکه سعی می‌کنند پژوهش اصلی را از صفر بازتولید کنند. از این طریق، دانشی که معمولاً یک خواننده باید دستی استخراج کند (مثل تنظیمات آزمایش، ابزارهای لازم و روش اجرا) به‌صورت خودکار جمع‌آوری می‌شود.
سپس این دانش در قالب یک سرور MCP (پروتکل زمینه مدل) ذخیره می‌شود. هر بخش مقاله در پوشه‌ای جداگانه قرار می‌گیرد و مقدمه، روش‌ها، نتایج و نتیجه‌گیری هم در فایل‌های جداگانه سازمان‌دهی می‌شوند. این سرور MCP را می‌توان به Claude Code یا هر عامل هوش مصنوعی سازگار با MCP وصل کرد و با زبان طبیعی از او خواست که روش مقاله را روی داده‌های شما اجرا کند.
🔹 اعتبارسنجی سخت‌گیرانه
ابزارها فقط وقتی در سرور نهایی قرار می‌گیرند که از یک فرآیند اعتبارسنجی دقیق عبور کنند:
· فایل‌های مورد انتظار تولید شده باشند
· اعداد با مقادیر مرجع حداکثر ۳٪ اختلاف داشته باشند
· تصاویر از نظر بصری با تصاویر مرجع مطابقت داشته باشند (فاصله همینگ کمتر از ۲۰)
· هر تابع تا ۶ بار فرصت دارد تست را پاس کند
📊 نتایج روی مقاله AlphaGenome:
ابزار Paper2Agent روی مقاله AlphaGenome (مدلی برای پیش‌بینی خصوصیات توالی DNA) در حدود ۴۵ دقیقه و با هزینه ۱۴ دلار، ۲۲ ابزار معتبر ساخت. همه ۲۲ ابزار بدون دخالت انسان اعتبارسنجی را پاس کردند.
نتیجه:
· ۱۰۰٪ موفقیت در ۱۵ پرسش جدید درباره تغییرات ژنومی ناشناخته
· در مقایسه: Claude Code با دسترسی مستقیم به مخزن کد ۷۸.۷٪ و Biomni ۵۶٪ امتیاز گرفتند
· سرعت اجرا ۱.۸ تا ۳.۲ برابر بهتر از Claude Code و ۳.۱ تا ۴.۶ برابر بهتر از Biomni
🔹 آزمایش گسترده‌تر
از میان ۱۰۰ مقاله زیست‌شناسی محاسباتی ۷۴ مقاله از bioRxiv با موفقیت به عامل تبدیل شدند و از ۵۹۹ ابزار پیشنهادی، ۵۹۳ ابزار اعتبارسنجی را پاس کردند.
روی ۳۰۰ پرسش معیار، دقت ۹۱.۲٪ با هزینه ۰.۲۰ دلار به ازای هر پرسش به دست آمد.
🎯 همکاری بین عامل‌ها
نکته جالب: عامل‌های ساخته‌شده می‌توانند با هم گفتگو کنند. پژوهشگران دو مقاله بی‌ربط را به عامل تبدیل کردند: یکی درباره پیش‌بینی تأثیر جهش‌های ژنتیکی بر ژنوم و دیگری درباره مطالعه ارتباط ژنومی با خطر اختلال بیش‌فعالی و نقص توجه (ADHD). این دو عامل توانستند ارتباطاتی بین یافته‌های خود پیدا کنند.
📄 دسترسی:
· مقاله در Nature (سپتامبر ۲۰۲۶)
· مخزن گیت‌هاب
· سرور MCP آماده AlphaGenome: Hugging Face
· نسخه میزبانی‌شده برای امتحان: paper2agent.ai
· توضیحات marktechpost.com
---
#AI #Stanford #Paper2Agent #Research
🆔 @asrgooyeshpardaz
Nature
Reimagining research papers as interactive and reliable AI agents
Nature - Paper2Agent converts research papers into interactive artificial intelligence agents by turning manuscripts, code and data into model context protocol-based tool-invoking systems that...
🔥2