Zespół badaczy ze Stanford, kierowany przez Jiaczenga Miao i Jamesa Zou, opublikował Paper2Agent - system, który konwertuje artykuły naukowe i ich kody źródłowe w agentów AI zdolnych do reprodukcji wyników na nowych danych. Publikacja ukazała się w Nature 16 września 2026 roku. Autorzy opisują rezultat jako wirtualnego odpowiadającego autora - narzędzie, które eliminuje barierę wdrożeniową metod pozostających dotychczas uwięzione w plikach PDF i trudnych do skonfigurowania repozytoriach.
Architektura Paper2Agent opiera się na Claude Code SDK i funkcjonuje poprzez orkiestrację sześciu specjalizowanych etapów. System automatycznie lokalizuje i pobiera codebase, buduje izolowane środowiska wirtualne, indeksuje dostępne tutoriale, uruchamia je end-to-end z nagrywaniem referencyjnych wyników, a następnie ekstrahuje tutoriale w sparametryzowane narzędzia MCP. Ostatni etap walidacji jest surowy - narzędzie przechodzi test tylko gdy pliki wyjściowe się pojawiają, liczby zgadzają się w tolerancji 3 procent, a rysunki pasują do referencji z Hamming distance poniżej 20.
System jest już produkcyjnie dostępny. Kod jest wydany na licencji MIT i instaluje się jako skill dla Claude Code lub Codex. Prebudowane serwery dla AlphaGenome, Scanpy i TISSUE działają na Hugging Face Spaces, a hostowana wersja dostępna jest na paper2agent.ai. Innowacja ma potencjał znacznie przyspieszyć adopcję metodologii badawczych poprzez automatyzację procesu wdrażania i eliminację konieczności ręcznej konfiguracji środowiska.