PaperCoder: un sistema multiagente de LLM que convierte artículos de investigación en repositorios de código 154

¿Qué es PaperCoder?

PaperCoder es un sistema LLM multi-agente que convierte automáticamente artículos académicos en repositorios de código. Mediante la generación automatizada de código, los investigadores y desarrolladores pueden implementar más rápidamente los algoritmos y modelos descritos en los artículos, reduciendo el tiempo y los errores de la codificación manual. El sistema PaperCoder adopta un flujo de trabajo de tres fases, que incluye planificación, análisis y generación de código, cada una gestionada por agentes especializados. Gracias a este sistema, los investigadores y desarrolladores pueden transformar los resultados teóricos en proyectos de programación reales de manera más eficiente, lo que facilita el avance tecnológico y la innovación.

Funciones principales de Paper2Code

• Marco multi-agente: Paper2Code adopta un marco de modelos de lenguaje grandes (LLM) multi-agente que simula el ciclo de vida del desarrollo de software humano, dividido en tres fases: "Planificación (Planning) - Análisis (Analysis) - Codificación (Coding)".

• Fase de planificación: construye una hoja de ruta de alto nivel, diseña la arquitectura del sistema, determina las dependencias entre archivos y genera los archivos de configuración.

• Fase de análisis: interpreta los detalles de implementación específicos de cada archivo o función, centrándose en su propósito, entradas/salidas, interacciones y restricciones.

• Fase de codificación: genera, archivo por archivo, código modular que respeta las dependencias, basándose en los resultados de las fases anteriores.

• Generación y optimización de código: capaz de generar automáticamente repositorios de código completos y funcionales a partir de artículos de investigación en aprendizaje automático, compatible con múltiples frameworks de aprendizaje profundo (como TensorFlow y PyTorch), y generando un archivo requirements.txt con las dependencias necesarias.

• Salida de código de alta calidad: el código generado no solo es sintácticamente correcto, sino que también es funcionalmente cercano a un estado ejecutable, requiriendo solo modificaciones mínimas.

Ventajas

• Alto grado de automatización: por primera vez permite generar de forma automática y directa repositorios de código completos y ejecutables a partir de artículos científicos, sin depender de código o fragmentos existentes.

• Rendimiento excepcional: en múltiples pruebas de referencia y evaluaciones humanas, Paper2Code supera significativamente a los frameworks de generación de código existentes y a los métodos ingenuos.

• Gran utilidad práctica: las evaluaciones humanas muestran que el código generado tiene un alto valor práctico para que los investigadores reproduzcan su trabajo, y el 85 % de los evaluadores lo consideró útil.

Desventajas

• Limitaciones de dominio: actualmente está enfocado principalmente a artículos de aprendizaje automático; la capacidad de generalización a otras áreas científicas aún está por verificarse.

• Dependencia del LLM subyacente: el rendimiento del marco está limitado por las capacidades del LLM base utilizado.

• Posibles omisiones y malentendidos: incluso en el mejor de los casos, el código generado puede presentar omisiones o malentendidos de los detalles del artículo.

Cómo usar Paper2Code

Configuración del entorno:

• Instale los paquetes de software necesarios, como el paquete de la API de Openai.

• Configure la clave de API para acceder a los servicios de OpenAI.

Conversión de PDF:

• Convierta el archivo PDF del artículo a un formato JSON estructurado.

• Utilice la herramienta s2orc-doc2json para realizar la conversión.

Ejecutar la generación de código:

• Modifique el archivo de configuración para especificar la ruta del artículo y otros parámetros.

• Ejecute el script proporcionado para iniciar el proceso de generación de código.

GitHub: https://github.com/going-doer/Paper2Code