摘要：PaperCoder 框架的三阶段方法，展示了它如何通过规划、分析和编码阶段将研究论文转换为代码库"尽管机器学习研究快速增长，相应的代码实现通常不可用，使研究人员复现结果和基于先前工作构建变得缓慢且劳动密集。"
大家好，我是 Ai 学习的老章
之前推荐过 N 多读论文神器，比如可以的 ArXiv MCP 服务器、整篇翻译并保留样式的、还有最近刚刚分享的的 AlphaXiv
今天再推荐一个更强大的，可以复现机器学习论文代码的工具——Paper2Code开源代码不支持 DeepSeek ,稍作修改就可以使用 DeepSeek API 了
PaperCoder 框架的三阶段方法，展示了它如何通过规划、分析和编码阶段将研究论文转换为代码库"尽管机器学习研究快速增长，相应的代码实现通常不可用，使研究人员复现结果和基于先前工作构建变得缓慢且劳动密集。"
顶级机器学习会议的分析表明，只有一小部分被接受的论文提供了相应的代码：
在 ICLR 2024 上接受的论文中只有 21.2%，在 NeurIPS 2024 上接受的论文中只有 10.9%，在 ICML 2024 上接受的论文中只有 31.6% 提供了公开发布的代码
PaperCoder通过将研究库生成形式化为软件开发问题来解决可重复性挑战。该框架可以表示为 M(R) = C，其中：
R 是包含方法和算法的研究论文
C 是生成的代码库
M 是执行转换的基于 LLM 的模型
该系统采用三阶段方法，该方法反映了人类的软件开发过程：
规划阶段：创建高级路线图，包括架构设计（类图和序列图）、文件依赖关系识别和配置文件生成。
分析阶段：对每个文件和函数进行细粒度的解释，分析输入、输出、交互和算法约束。
生成阶段：根据规划期间确定的执行顺序合成整个代码库。
每个阶段都使用专门的 LLM 代理来实现，这些代理协同工作以完成任务，这使得PaperCoder成为一个复杂的多代理系统。效果怎么样呢？
PaperCoder的性能优于软件开发工作基线，如ChatDev和MetaGPT，表明其专门设计的有效性。作者与专家（包括原始论文作者）进行了评估，以评估生成代码的质量。结果显示：
PaperCoder 生成的存储库中有 77% 被人类评估者评为最佳
85% 的人类评审员报告说生成的存储库很有帮助
如何使用呢？
安装
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输出结果如下
outputs ├── Transformer │ ├── analyzing_artifacts │ ├── coding_artifacts │ └── planning_artifacts └── Transformer_repo # Final output repository系统的工作流程是：
将 PDF 论文转换为 JSON 格式 0_pdf_process.py:4-17
分析论文内容并生成实现计划 1_planning.py:26-36
进行逻辑分析 2_analyzing.py:49-54
生成代码实现 3_coding.py:43-50
不过这个项目是默认 OpenAI 的 api，本地运行也只支持 vllm 拉起的模型。
我看了一下，其实该起来也非常简单
比如把 OpenAI 切换为 DeepSeek，需要修改的脚本不多
修改 API 客户端初始化和调用：
codes/1_planning.py- 规划生成组件 1_planning.py:1-16
codes/2_analyzing.py- 逻辑分析组件 2_analyzing.py:1-20
codes/3_coding.py- 代码生成组件 3_coding.py:1-19
client = OpenAI(api_key = os.environ["OPENAI_API_KEY"])修改为下面即可
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 改为 https://api.deepseek.com_/v1
其他类似
然后修改中的环境变量设置： run.sh:1-3export OPENAI_API_KEY="sk-XXXXXX" GPT_VERSION="deepseek-ai/DeepSeek-R1"然后就全部 ok
最后推荐一个我正在学习的Cusor快速入门与实战
制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个，谢谢你看我的文章，我们下篇再见！
来源：最爱小米科技
