Paper2Code

创建paper2code任务，来自论文：https://arxiv.org/abs/2504.17192
对应开源项目：https://github.com/going-doer/Paper2Code

在机​​器学习领域，科学论文的代码实现通常缺失，导致研究复现和创新缓慢。然而，近来大型语言模型（LLMs）在理解科学文献和生成高质量代码方面表现出色。为此，我们提出了PaperCoder，这是一种多代理LLM框架，用于将机​​器学习论文自动转换为功能性代码仓库。PaperCoder流程分为三个阶段：规划阶段制定实现路线图、设计系统架构、识别文件依赖并生成配置文件；分析阶段解释实施细节；生成阶段则产出模块化、依赖感知的代码。我们的实验证明了PaperCoder在高质量实现上的有效性，特别是在Paper2CodeBench和PaperBench Code-Dev基准测试中表现突出。此外，该框架在不同的LLM模型中显示出强大的执行能力，仅需对0.81%的代码行进行细微修改即可运行。尽管实现上存在挑战，但PaperCoder的工作是加速科学研究进展的重要一步。未来的工作方向包括扩展到其他验证不以代码为主的领域以及处理视觉输入的能力。

创建任务成功后获取到task_id，用task_id轮询查询任务接口，一次任务大概需要10来分钟

价格：根据模型调用的价格来计算

查询paper2code任务
一次任务大概需要10来分钟，轮询间隔不需要太频繁，返回结果的“state”字段为“success”则为任务成功，任务成功则会有download_url

价格：免费