-
规划阶段（Planning）
-
构建高级路线图：识别需要实现的核心组件。 -
设计系统架构：通过类图和序列图展示模块之间的结构关系。 -
识别文件依赖：确定文件的执行顺序，以确保正确的构建和执行流程。 -
生成配置文件：为研究人员提供灵活的实验工作流配置。
-
分析阶段（Analyzing）
-
对每个文件和函数进行细粒度的解释，明确其功能、输入输出、与其他模块的交互以及从论文中推导出的算法或架构约束。
-
生成阶段（Coding）
-
根据前面阶段确定的执行顺序和生成的工件，合成整个代码库。
-
PaperCoder在多个机器学习会议（如NeurIPS、ICML、ICLR）的论文上进行了评估，使用了基于模型的评估（包括有参考和无参考设置）以及人类评估（由论文作者进行）。
-
PaperCoder在生成高质量、忠实于原文的代码库方面表现出色，并在PaperBench基准测试中超越了现有基线。
https://arxiv.org/pdf/2504.17192Paper2Code: Automating Code Generation from Scientific Papers in Machine Learninghttps://github.com/going-doer/Paper2Code
（文：PaperAgent）