Paper2Code : Générer Automatiquement du Code à Partir d'Articles Scientifiques en Machine Learning

Transformez des papers en code fonctionnel, reproductible et de haute qualité avec Paper2Code. Cet outil puissant automatise la génération de code à partir d'articles scientifiques, vous faisant gagner un temps précieux et réduisant le risque d'erreurs.

Comment Paper2Code Simplifie la Création de Code à Partir d'Articles de Recherche

Paper2Code est un système multi-agent basé sur de grands modèles de langage (LLM) qui automatise la transformation d'un article scientifique en un dépôt de code fonctionnel. Le processus se déroule en trois étapes, chacune gérée par des agents spécialisés :

• Planification : Les agents analysent l'article pour identifier les aspects à coder.
• Analyse : Une exploration approfondie pour comprendre la logique et les détails.
• Génération de Code : Traduction des connaissances en code exécutable.

Ce processus structuré permet d'obtenir des implémentations fidèles et de haute qualité, surpassant les performances des méthodes de base existantes.

Lancez-vous avec Paper2Code: Un Démarrage Rapide

Envie d'essayer Paper2Code immédiatement ? Voici comment lancer l'exemple d'article ("Attention Is All You Need") :

Avec L'API OpenAI

1. Installez le package OpenAI:

   pip install openai
   

   Copy

2. Définissez votre clé API OpenAI:

   export OPENAI_API_KEY="<VOTRE_CLE_API>"
   

   Copy

3. Exécutez le script:

   cd scripts
   bash run.sh
   

   Copy

   Estimation du coût avec o3-mini : 0.50 - 0.70 $.

Avec des Modèles Open Source et vLLM

Si vous rencontrez des problèmes d'installation avec vLLM, consultez le dépôt officiel vLLM.

1. Installez vLLM :

   pip install vllm
   

   Copy

2. Exécutez le script : (Le modèle par défaut est deepseek-ai/DeepSeek-Coder-V2-Lite-Instruct)

   cd scripts
   bash run_llm.sh
   

   Copy

Installation Détaillée : Adaptez Paper2Code à Vos Besoins

Voici les étapes pour configurer Paper2Code plus en détail :

1. Configuration de l'environnement:

• Pour utiliser o3-mini, vérifiez que le package openai est à jour.

• Installez les librairies nécessaires:

  pip install openai
  pip install vllm
  

  Copy

2. Conversion de PDF en JSON :

Utilisez s2orc-doc2json pour convertir votre PDF en un format JSON structuré.

• Clonez le dépôt:

  git clone https://github.com/allenai/s2orc-doc2json.git
  

  Copy

• Exécutez le service de traitement de PDF :

  cd ./s2orc-doc2json/grobid-0.7.3
  ./gradlew run
  

  Copy

• Convertissez votre PDF :

  mkdir -p ./s2orc-doc2json/output_dir/paper_coder
  python ./s2orc-doc2json/doc2json/grobid2json/process_pdf.py \
  -i ${PDF_PATH} \
  -t ./s2orc-doc2json/temp_dir/ \
  -o ./s2orc-doc2json/output_dir/paper_coder
  

  Copy

3. Exécution de Paper2Code avec votre article :

Adaptez les variables d'environnement pour exécuter Paper2Code sur vos propres articles scientifiques.

Evaluez la Qualité des Repositories Générés par Paper2Code

Paper2Code évalue la qualité du code généré à l'aide d'une approche basée sur des modèles.

1. Configuration de l'environnement :

pip install tiktoken
export OPENAI_API_KEY="<VOTRE_CLE_API>"

2. Évaluation sans référence :

cd codes/
python eval.py \
--paper_name Transformer \
--pdf_json_path ../examples/Transformer_cleaned.json \
--data_dir ../data \
--output_dir ../outputs/Transformer \
--target_repo_dir ../outputs/Transformer_repo \
--eval_result_dir ../results \
--eval_type ref_free \
--generated_n 8 \
--papercoder

3. Évaluation avec référence :

cd codes/
python eval.py \
--paper_name Transformer \
--pdf_json_path ../examples/Transformer_cleaned.json \
--data_dir ../data \
--output_dir ../outputs/Transformer \
--target_repo_dir ../outputs/Transformer_repo \
--gold_repo_dir ../examples/Transformer_gold_repo \
--eval_result_dir ../results \
--eval_type ref_based \
--generated_n 8 \
--papercoder

target_repo_dir pointe vers le dépôt généré, tandis que gold_repo_dir indique le dépôt officiel de l'auteur (si disponible).

Découvrez les Datasets du Benchmark Paper2Code

Les datasets du benchmark Paper2Code sont disponibles dans data/paper2code. Consultez la section 4.1 du paper pour plus d'informations à ce sujet.

Conclusion : Paper2Code est l'outil idéal pour transformer rapidement et efficacement des articles scientifiques en code fonctionnel. Essayez-le dès aujourd'hui et gagnez un temps précieux dans vos projets de recherche !