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采用的方法和分析不一致。研究团队表示，这表明 Paper2Agent 可以提供一种衡量论文可重复性的新方法，能够成功转化为 AI 智能体的过程本身或许就能成为该论文中的研究工作清晰且高质量的证明。

冷泉港实验室的计算生物学家Peter Koo认为，湿实验科学家或许能从这项技术中获益最多。对话式 AI 智能体将帮助湿实验科学家更轻松地使用和操作计算研究工具。在 AI 新时代，熟练使用 AI 工具的湿实验科学家将成为最有能力的一群人。

//www.nature.com/articles/s41586-026-11044-y