斯坦福医学院开发出Paper2Agent，将静态论文转化为AI智能体，使其能互相互动并协同完成新科学发现。
自1665年学术期刊诞生以来，科学论文一直以静态文字的形式记录人类的知识成果。如今，这一延续数百年的传统正在迎来根本性变革。斯坦福医学院的研究团队开发出名为Paper2Agent的框架，能够将包含文本、图表和数据的静态科研论文，转化为具备交互和分析能力的AI智能体。
传统的论文阅读需要研究人员自行挖掘实验细节，而Paper2Agent则通过AI工作人员模拟重现论文中的实验过程。这些智能体在虚拟环境中从头复现研究，自动掌握从试剂准备到实验执行的关键技术。对于论文中未曾记录的实验失败经历或决策考量，人类作者可以通过对话向智能体补充背景信息。智能体采用模型上下文协议(MCP)来存储知识，将论文的引言、方法、结果和结论等模块有序归类，形成清晰的目录结构。
这种转化为科研协作带来了全新可能。这些由论文变成的智能体不仅能回答关于自身研究的问题，还能将论文中的方法应用于新数据，甚至与其他论文智能体展开自主对话。在一次跨学科试验中，研究人员将预测基因突变影响的智能体与分析注意缺陷多动障碍(ADHD)患病风险的智能体结合。两个智能体在对话中碰撞出火种，成功识别出MPHOSPH9基因附近与ADHD风险相关的分子变异，这一潜在联系此前从未被报道过。
此外，在涉及基因组变异解读工具AlphaGenome、单细胞转录组学工具Scanpy与空间转录组学工具TISSUE的多智能体协作测试中，智能体自主合作，验证了GPR137是银屑病的致病基因。
该框架在构建效率和运行准确率上展现出显著优势。创建一个拥有22个MCP工具的AlphaGenome智能体仅需约45分钟，成本约为14美元；创建一个包含7个工具的Scanpy智能体同样耗时约45分钟，费用约为13美元。在测试中，AlphaGenome智能体在回答新问题时达到了100%的准确率，远超直接读取代码库的其他模型。在针对100篇计算生物学论文的大规模评估中，团队成功将74篇论文转化为智能体，生成的593个工具在599个候选工具中通过了验证，并在300个基准测试问题中保持了91.2%的准确率。
目前，该项目已在GitHub上开源，并预置于Hugging Face Spaces。研究团队已创建了100多个论文智能体。随着全球每年数以百万计的论文发表，这种能够自主对话和协同发现的智能体网络，有望极大缩短从知识获取到科学创新的距离。
原文：https://www.nature.com/articles/d41586-026-02880-z