把论文变成可对话的智能体：Paper2Agent 的报道解读
核心概要
据《自然》新闻报道，Paper2Agent 可读取一篇论文的正文、代码与数据集，将其放入 MCP 服务器，并由一组 AI 智能体自动构建能对该论文方法加以应用的工具，从而生成一个可用自然语言对话的“虚拟通讯作者”；报道称其在约 45 分钟内、以 14 美元算力成本为 AlphaGenome 论文生成智能体，该智能体在遗传学问题上接近满分，并优于包括 Biomni 在内的其他生物医学 AI 智能体，还被用于重新评估某个与“坏”胆固醇相关的 DNA 单字母变异所指向的因果基因，得出与原始论文不同的候选基因。
深度剖析
报道称 Paper2Agent 能把静态论文转成可即时问答的论文专属智能体，充当“虚拟通讯作者”。 相对以往需要人工整理论文信息或直接让通用模型读论文的做法，该工具把论文正文、代码、数据集等要素自动落到 MCP 服务器上，再由智能体团队自动生成可调用论文方法的工具。 依据为《自然》新闻报道中对工具流程的描述，以及作者 James Zou 的说明；报道未给出同行评议论文中的方法细节与统计量。
报道称该工具在 AlphaGenome 论文上自动生成智能体，耗时约 45 分钟、算力成本 14 美元，并在遗传学问答中接近满分，得分高于获得同一论文的其他顶尖生物医学 AI 智能体，包括 Biomni。 这提供了一个可比较的实例：同一篇论文、同一批问题下，论文专属智能体与通用生物医学智能体的表现差异。 依据为报道转述的测试结果与作者说法；报道未列出题目数量、评分标准或误差范围。
报道称研究者让该智能体探究某个 DNA 单字母改变与“坏”胆固醇的关联，智能体给出的因果基因与原始 AlphaGenome 论文所指出的基因不同。 这展示了把论文变成智能体后的一种新用法：在不重新设计整套实验的前提下，对已发表结论进行再评估。 依据为报道叙述；作者 Zou 表示 AlphaGenome 的遗传变异数据同时支持两种假设，报道未给出进一步验证实验。
启示与展望
该报道面向希望快速把握陌生领域进展、或希望直接复用论文方法的研究者，适用场景是论文具备可获取的正文、代码与数据集，并能接入 MCP 服务器与所选大语言模型。报道所举的实例集中在 AlphaGenome 这一 DNA 序列预测模型及其遗传学问答，因此其结论主要适用于这一设置；报道也提到智能体可与其他学科论文的智能体自主协作，但未展开具体学科案例。
报道为新闻转述，未附所引论文全文，因此智能体测试的题目数量、评分方式、对比条件与统计不确定性均不明确；智能体给出的因果基因与原始论文不同这一结果，报道仅转述作者“两种假设都有数据支持”的说法，尚待独立验证；此外，报道提到智能体可跨学科自主协作，但未给出该协作的具体表现与适用边界。