paper2codeタスクを作成する(JSONでパラメータを渡す)
機械学習分野では、科学論文のコード実装がしばしば欠如しており、研究の再現性やイノベーションの進展が遅れる原因となっています。しかし、近年では大規模言語モデル(LLMs)が科学文献の理解や高品質なコード生成において優れた性能を示しています。そこで、私たちはPaperCoderを提案します。これは、機械学習論文を自動的に機能的なコードリポジトリへと変換するためのマルチエージェントLLMフレームワークです。PaperCoderのプロセスは三つの段階に分かれています。計画段階では、実装のロードマップを策定し、システムアーキテクチャを設計し、ファイル依存関係を特定して設定ファイルを生成します。分析段階では、実装の詳細を解釈します。生成段階では、モジュール化され依存関係を考慮したコードを出力します。私たちの実験は、PaperCoderが高品質な実装において有効であることを示しており、特にPaper2CodeBenchおよびPaperBench Code-Devベンチマークで優れたパフォーマンスを発揮しました。さらに、このフレームワークはさまざまなLLMモデルにおいて強力な実行能力を示し、わずか0.81%のコード行に微修正を加えるだけで動作します。実装上の課題は残るものの、PaperCoderの取り組みは科学研究の進展を加速する重要な一歩です。今後の課題としては、コード中心でない他の検証分野への拡張や、視覚入力への対応能力の強化が挙げられます。タスク作成が成功すると、task_idが取得できます。task_idを使ってタスクの状態をポーリングで問い合わせ ることができます。1つのタスクにはおよそ10分程度かかります。
Request
Body Params application/json
{
"paper_url": "https://file.302ai.cn/gpt/imgs/20250708/788f37f30f1547f18fc101b825b939c0.pdf",
"model_version": "o3-mini"
}
Request Code Samples
curl --location --request POST 'https://api.302.ai/302/paper2code/task' \
--header 'Authorization: Bearer sk-mfYQzy0XTFfz4P16vRE4gFrKK1Nly4TozsMqbbb9PSiJUvFO' \
--header 'Content-Type: application/json' \
--data-raw '{
"paper_url": "https://file.302ai.cn/gpt/imgs/20250708/788f37f30f1547f18fc101b825b939c0.pdf",
"model_version": "o3-mini"
}'
Modified at 2025-08-29 02:45:29