Stanford ra mắt Paper2Agent: Biến nghiên cứu khoa học thành công cụ AI có thể thực thi

Các bài báo về tính toán thường đi kèm mã nguồn mà người đọc phải tự clone, cài đặt, cấu hình và sửa lỗi. Chi phí đó khiến các phương pháp hữu ích bị "khóa" bên trong các tệp PDF. Một nhóm nghiên cứu tại Stanford do Jiacheng Miao và James Zou dẫn đầu đã đề xuất một giải pháp. Paper2Agent được công bố trên tạp chí Nature vào ngày 16 tháng 9 năm 2026. Nó chuyển đổi một bài báo và cơ sở mã của bài báo đó thành một máy chủ Model Context Protocol (MCP). Bất kỳ tác nhân (agent) tương thích MCP nào, chẳng hạn như Claude Code, sau đó đều có thể chạy các phương pháp của bài báo thông qua ngôn ngữ tự nhiên. Các tác giả mô tả kết quả này như một tác giả liên hệ ảo.

Liệu nó có thể triển khai được không? Có. Mã nguồn được cấp phép theo chuẩn MIT và có thể cài đặt như một kỹ năng cho Claude Code hoặc Codex. Các máy chủ AlphaGenome, Scanpy và TISSUE được xây dựng sẵn hiện đang chạy trên Hugging Face Spaces. Một phiên bản lưu trữ (hosted version) cũng có sẵn tại paper2agent.ai.

Quy trình hoạt động

Paper2Agent chạy trên SDK tác nhân của Claude Code. Một bộ điều phối trung tâm sẽ phân phối các tác nhân phụ chuyên biệt thông qua 6 bước:

Cổng kiểm chứng được thiết lập rất nghiêm ngặt. Một công cụ chỉ được thông qua khi các tệp mong đợi xuất hiện và các con số khớp nhau trong phạm vi sai số 3%. Các hình ảnh cũng phải khớp với tài liệu tham khảo thông qua hàm băm tri giác (perceptual hash), với khoảng cách Hamming dưới 20. Bộ kiểm chứng có tối đa 6 lần thử cho mỗi hàm. Các công cụ liên tục thất bại sẽ bị loại khỏi máy chủ cuối cùng.

Mỗi máy chủ cung cấp 3 thành phần. Các công cụ MCP đóng gói các phương pháp của bài báo thành các hàm có thể thực thi: các tài nguyên MCP lưu trữ bản thảo, liên kết mã, tập dữ liệu và hình ảnh. Các lời nhắc (prompt) MCP mã hóa các quy trình làm việc nhiều bước, chẳng hạn như thứ tự tiền xử lý Scanpy chính xác. Nhóm nghiên cứu đã sử dụng Claude Sonnet 4 cho tất cả các ứng dụng Paper2Agent.

Công cụ giải thích tương tác

Kết quả của tác nhân AlphaGenome

Đối với AlphaGenome, Paper2Agent đã xây dựng 22 công cụ trong khoảng 45 phút với chi phí 45 USD. Tất cả 22 công cụ đều vượt qua kiểm chứng mà không cần sự can thiệp của con người. Nhóm nghiên cứu đã so sánh tác nhân này với Claude Code kết hợp quyền truy cập kho lưu trữ (Claude + Repo) và Biomni.

Kết quả trải dài trên 5 lần chạy, được đánh giá bởi 2 chuyên gia với tỷ lệ đồng thuận giữa các người đánh giá là 96,7%. Đối với các truy vấn hướng dẫn, thời gian chạy trung bình giảm 1,9 lần so với Claude + Repo và 3,1 lần so với Biomni. Những cải thiện này vẫn duy trì ngay cả khi cơ sở so sánh được nâng cấp lên Claude Opus 4.6.

Tác nhân này cũng kiểm tra lại một biến thể cholesterol LDL, chr1:109274968:G>T. Nó xếp hạng SORT1 là gen gây bệnh tiềm năng. Bài báo gốc về AlphaGenome nhấn mạnh vào CELSR2 và PSRC1. Dữ liệu GTEx cho thấy các eQTL gan đáng kể cho cả 3 gen này. Nhóm nghiên cứu cho biết điều này cho thấy việc xác định gen gây bệnh tại các locus như vậy khó khăn đến mức nào.

Các bài kiểm tra về Scanpy, TISSUE và quy mô

Tác nhân Scanpy đã nhận được 7 công cụ được xác thực trong khoảng 45 phút với chi phí 13 USD. Trên 4 tập dữ liệu công khai, nó cho kết quả tương đương với các nhà nghiên cứu con người về số lượng tế bào, số lượng gen và các gen đánh dấu hàng đầu. Một tác nhân TISSUE đã tái tạo thành công kết quả của con người trên dữ liệu phiên mã không gian (spatial transcriptomics).

Các bài kiểm tra quy mô bao gồm 3 kho dữ liệu mà không cần làm sạch thủ công:

Paper2Agent cũng từ chối 100% các truy vấn nằm ngoài phạm vi trong một bài kiểm tra hoán vị. Nó có khả năng tự phục hồi sau các lỗi về phụ thuộc, đường dẫn tệp, lỗi chính tả và API đã lỗi thời.

Sự cộng tác giữa các tác nhân bài báo

Nhóm nghiên cứu đã kết nối 3 tác nhân: AlphaGenome, một màn hình scCRISPRi kết hợp MPRA và một tập dữ liệu Perturb-seq tế bào T CD4+. AlphaGenome đã gắn cờ GPR137 tại locus bệnh vẩy nến rs887314, với điểm phân vị RNA-seq là 0,997. Nhà khoa học AI đồng hành đã đề xuất 10 chiến lược xác thực, và một nhà nghiên cứu đã chọn phương pháp tương quan đặc trưng (signature correlation).

Chỉ có việc knockdown GPR137 khớp với đặc trưng nhiễu loạn CRE. Sự khớp nối xuất hiện dưới kích thích: Spearman 0,613 tại Stim8hr và 0,630 tại Stim48hr. BAD và 3 ứng viên khác không cho thấy sự tương quan đáng kể. Một nghiên cứu thứ hai đã kết hợp AlphaGenome với GWAS về ADHD và đề cử rs1626703 trong số 209 ứng viên. Giả thuyết đó vẫn cần được xác thực bằng thực nghiệm.

Những điểm chính cần lưu ý

Hãy xem Bài báo và Kho lưu trữ. Mọi công lao đều thuộc về các nhà nghiên cứu của dự án này. Ngoài ra, hãy thoải mái theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit ML 150k+ của chúng tôi và Đăng ký nhận Bản tin. Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Bạn cần hợp tác với chúng tôi để quảng bá Kho lưu trữ GitHub, Trang Hugging Face, Bản phát hành sản phẩm hoặc Hội thảo trực tuyến, v.v.? Hãy kết nối với chúng tôi.

Asif Razzaq là CEO của Marktechpost AI Media Inc.. Là một doanh nhân và kỹ sư có tầm nhìn, Asif cam kết khai thác tiềm năng của Trí tuệ nhân tạo vì lợi ích xã hội. Nỗ lực gần đây nhất của ông là ra mắt Nền tảng truyền thông Trí tuệ nhân tạo, Marktechpost, nổi bật với việc đưa tin chuyên sâu về tin tức học máy và học sâu, vừa đảm bảo tính kỹ thuật vừa dễ hiểu đối với đông đảo khán giả. Nền tảng này tự hào với hơn 2 triệu lượt xem hàng tháng, minh chứng cho sự phổ biến của nó đối với độc giả.