Paper2Agent Biến Bài Nghiên Cứu Thành Agent AI

Paper2Agent nhận một bài báo cùng mã nguồn, dữ liệu hoặc tài liệu bổ sung. Hệ thống tự tách ra các quy trình cốt lõi, rồi dựng lên một bộ công cụ đã kiểm tra để dùng trên tập dữ liệu của người dùng.

Cách này được so với Google’s NotebookLM, nay là Gemini Notebook, vì cũng cho phép nạp tài liệu và trò chuyện với AI. Nhưng Paper2Agent đi xa hơn: các agent không chỉ trả lời câu hỏi về bài báo mà còn chạy được các phương pháp được nêu trong đó, và có thể ghép với công cụ từ các bài khác.

James Zou, nhà khoa học máy tính tại Stanford, nói mục tiêu là đổi bản chất của bài báo khoa học. Ông nói tri thức không nên là ghi chép tĩnh, mà nên động và tương tác, vì như vậy có thêm lợi ích trong việc làm tri thức dễ tái tạo hơn và mở ra các kiểu phát hiện mới.

James Zou và đồng nghiệp mô tả công cụ này ngày 16/9 trong Nature. Họ thử nghiệm trên các lĩnh vực như thống kê, kinh tế lượng và thiên văn học, nhưng phần trình diễn bằng chứng tập trung vào sinh học tính toán, nơi việc biến phương pháp đã công bố thành công cụ dùng được thường khá khó.

Nhóm bắt đầu với AlphaGenome, một model học sâu dự đoán đột biến trong ADN ảnh hưởng thế nào đến điều hòa gen. Tài nguyên đi kèm là AlphaGenome Atlas đã ghi lại dự đoán cho toàn bộ 9 tỉ thay đổi một ký tự có thể có trong hệ gen người.

Sau khi nhận tài liệu và code, Paper2Agent cần khoảng 45 phút trên một máy tính xách tay cá nhân, không có can thiệp của con người, để tạo ra 22 công cụ cho AlphaGenome, với chi phí tính toán dưới 15 đô la Mỹ. Một công cụ dự đoán tác động của thay đổi ADN lên hoạt động của gen; các công cụ khác so sánh tác động đó giữa các mô hoặc phân tích nhiều biến thể cùng lúc.

Tất cả 22 công cụ đều vượt qua kiểm tra tự động. Một agent kiểm tra chạy ở phía sau đã thử các công cụ con khác nhau theo kết quả tham chiếu; nếu kiểm tra thất bại, agent sẽ tìm lỗi và sửa, tối đa 6 lần cho mỗi hàm, rồi bỏ công cụ nếu vẫn không xong.