大家好，我是 Ai 學習的老章

之前推薦過 N 多讀論文神器，比如可以的 ArXiv MCP 服務器、整篇翻譯并保留樣式的、還有最近剛剛分享的的 AlphaXiv

今天再推薦一個更強大的，可以復現機器學習論文代碼的工具——Paper2Code

開源代碼不支持 DeepSeek ,稍作修改就可以使用 DeepSeek API 了

https://arxiv.org/pdf/2504.17192

一句話總結，PaperCoder旨在通過利用大型語言模型（LLM）在多代理系統中直接從機器學習研究論文中生成完整的、可執行的代碼庫。

PaperCoder 框架的三階段方法，展示了它如何通過規劃、分析和編碼階段將研究論文轉換為代碼庫

"盡管機器學習研究快速增長，相應的代碼實現通常不可用，使研究人員復現結果和基于先前工作構建變得緩慢且勞動密集。"

頂級機器學習會議的分析表明，只有一小部分被接受的論文提供了相應的代碼：

在 ICLR 2024 上接受的論文中只有 21.2%，在 NeurIPS 2024 上接受的論文中只有 10.9%，在 ICML 2024 上接受的論文中只有 31.6% 提供了公開發布的代碼

PaperCoder通過將研究庫生成形式化為軟件開發問題來解決可重復性挑戰。

該框架可以表示為 M(R) = C，其中：

• R 是包含方法和算法的研究論文

• C 是生成的代碼庫

• M 是執行轉換的基于 LLM 的模型

該系統采用三階段方法，該方法反映了人類的軟件開發過程：

1. 規劃階段：創建高級路線圖，包括架構設計（類圖和序列圖）、文件依賴關系識別和配置文件生成。

2. 分析階段：對每個文件和函數進行細粒度的解釋，分析輸入、輸出、交互和算法約束。

3. 生成階段：根據規劃期間確定的執行順序合成整個代碼庫。

每個階段都使用專門的 LLM 代理來實現，這些代理協同工作以完成任務，這使得PaperCoder成為一個復雜的多代理系統。

效果怎么樣呢？

PaperCoder的性能優于軟件開發工作基線，如ChatDev和MetaGPT，表明其專門設計的有效性。

作者與專家（包括原始論文作者）進行了評估，以評估生成代碼的質量。結果顯示：

• PaperCoder 生成的存儲庫中有 77% 被人類評估者評為最佳

• 85% 的人類評審員報告說生成的存儲庫很有幫助

如何使用呢？

安裝

pip install openai export OPENAI_API_KEY=" " git clone https://github.com/going-doer/Paper2Code cd Paper2Code git clone https://github.com/allenai/s2orc-doc2json.git cd scripts bash run.sh

輸出結果如下

outputs ├── Transformer │   ├── analyzing_artifacts │   ├── coding_artifacts │   └── planning_artifacts └── Transformer_repo  # Final output repository

系統的工作流程是：

1. 將 PDF 論文轉換為 JSON 格式 0_pdf_process.py:4-17

2. 分析論文內容并生成實現計劃 1_planning.py:26-36

3. 進行邏輯分析 2_analyzing.py:49-54

4. 生成代碼實現 3_coding.py:43-50

不過這個項目是默認 OpenAI 的 api，本地運行也只支持 vllm 拉起的模型。

我看了一下，其實該起來也非常簡單

比如把 OpenAI 切換為 DeepSeek，需要修改的腳本不多

修改 API 客戶端初始化和調用：

1. codes/1_planning.py- 規劃生成組件 1_planning.py:1-16

2. codes/2_analyzing.py- 邏輯分析組件 2_analyzing.py:1-20

3. codes/3_coding.py- 代碼生成組件 3_coding.py:1-19

client = OpenAI(api_key = os.environ["OPENAI_API_KEY"])

修改為下面即可

client = OpenAI(api_key = os.environ["OPENAI_API_KEY"],base_url="https://api.siliconflow.cn/v1")

如果你用的是 DeepSeek 官方 API，base_url 改為 https://api.deepseek.com_/v1

其他類似

然后修改scripts/run.sh中的環境變量設置： run.sh:1-3

export OPENAI_API_KEY="sk-XXXXXX" GPT_VERSION="deepseek-ai/DeepSeek-R1"

然后就全部 ok

最后推薦一個我正在學習的Cusor快速入門與實戰

制作不易，如果這篇文章覺得對你有用，可否點個關注。給我個三連擊：點贊、轉發和在看。若可以再給我加個，謝謝你看我的文章，我們下篇再見！