Nature26-Reimagining Research Papers as Interactive and Reliable AI Agents
https://www.nature.com/articles/s41586-026-11044-y
1. 论文核心: Paper2Agent 把论文正文、补充材料、代码、数据和分析工作流整理成聊天 Agent 能调用的资料与工具。
2. 现实问题: 研究者复用论文方法时，往往还要找代码、配依赖、准备输入并确认正确的运行顺序。
3. 系统构成: 论文 Agent 通过模型上下文协议连接可执行工具、论文与数据等资源，以及指导多步操作的提示模板。
4. 验证方式: 工具需对照原论文教程检查输出文件、数值和图表；反复无法通过验证的工具不会加入服务器。
5. 具体案例: AlphaGenome Agent 生成的二十二个工具全部通过自动验证；Scanpy Agent 可按预设流程处理单细胞数据。
6. 规模评测: 一百篇计算生物学论文中七十四篇成功生成 Agent，五百九十九个工具里五百九十三个通过验证；教程问题准确率为百分之九十一点二。
7. 资料问答: 即使缺少可执行工具，系统仍可整理论文和补充材料；资源层在一百道综合题上的准确率为百分之八十九。
8. 科研协作: 不同论文的 Agent 可以为同一任务提供方法和数据，研究者仍要检查候选发现并设计后续验证。
9. 适用限制: 代码、数据、依赖或文档缺失会阻止工具生成；开放问题的基准分数不能替代科学判断，执行代码还涉及安全、许可、署名和维护。
10. 系列位置: Co-Scientist 生成假设，ResearchStudio-Idea 辅助形成研究方向，The AI Scientist 覆盖机器学习研究流程；Paper2Agent 让已发表的方法可被调用与复跑。
