AI编程已杀疯，机器学习论文代码自动生成，100%开源，支持DeepSeek！

图片

大家好，我是 ai 学习的老章

之前推荐过 N 多读论文神器，比如可以用大模型下载论文、总结论文，效率飞起的 ArXiv MCP 服务器、整篇翻译并保留样式的看论文神器，一键翻译，体验很爽、还有最近刚刚分享的斯坦福学生搞出的论文神器太逆天！秒搜热门论文，3分钟搞定论文总结、翻译，效率飙升100倍！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

https://arxiv.org/pdf/2504.17192

https://arxiv.org/pdf/2504.17192

一句话总结，PaperCoder 旨在通过利用大型语言模型（LLM）在多代理系统中直接从机器学习研究论文中生成完整的、可执行的代码库。

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

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

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

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：

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：

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。

图片

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：

图片

如何使用呢？

图片

安装

pip install openaiexport OPENAI_API_KEY="<OPENAI_API_KEY>"git clone https://github.com/going-doer/Paper2Codecd Paper2Codegit clone https://github.com/allenai/s2orc-doc2json.gitcd scriptsbash 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：

图片

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：

把

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scripts/run.sh中的环境变量设置： run.sh:1-3

export 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

以上就是AI编程已杀疯，机器学习论文代码自动生成，100%开源，支持DeepSeek！的详细内容，更多请关注php中文网其它相关文章！