读论文像接手别人留下的一套复杂设备：说明书、代码和数据散在各处，知道结论不等于会操作。Paper2Agent想把这些材料一并封装成“论文Agent”——由大语言模型驱动、能调用论文代码和数据的系统。读者用自然语言提问，它不仅解释正文，还能按论文工作流执行分析。
据《Nature》报道，工具处理 AlphaGenome 论文时，用45分钟、约14美元计算成本生成了一个Agent；作者称，其问答准确率超过其他顶尖生物医学Agent。但另一项测试中，工具有25%的案例未能成功生成Agent，通常是因为论文缺少代码或材料存在其他缺陷。这也说明，一键封装并不能补齐原研究本身的缺口。
本刊9月18日已介绍过这套工具。更值得继续追问的是：Agent给出的摘要是否忠实，回答究竟来自论文、数据、真实运行，还是模型自行补写。只有保留可追溯依据——明确指向原文段落、数据或运行记录——它才更像“虚拟通讯作者”，而不是替作者改写意图的代言人。