paper2code — скилл
Скилл для агента: превращает статью с arxiv в минимальную реализацию на Python, где код привязан к разделам и формулам, а неуказанные места честно помечены
- 1 543 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Устанавливает пакеты через pip и скачивает статьи из сети
- Создает файлы кода и артефакты в рабочем каталоге проекта
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/paper2codeОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Устанавливает пакеты через pip и скачивает статьи из сети
- Создает файлы кода и артефакты в рабочем каталоге проекта
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Скилл проводит агента по конвейеру: скачивает и парсит статью с arxiv, определяет один основной вклад работы, проводит аудит неоднозначностей и только потом пишет код. Каждое нетривиальное решение снабжается ссылкой на раздел и уравнение статьи, а места, которые статья не описывает, помечаются тегами вроде UNSPECIFIED и PARTIALLY_SPECIFIED с перечнем разумных альтернатив. На выходе получается структура проекта с моделью, функциями потерь, конфигом гиперпараметров, заметками о воспроизведении и учебным ноутбуком. Есть режимы minimal, full и educational и выбор фреймворка pytorch, jax или numpy. Скилл не додумывает детали молча и не гарантирует правоту самой статьи.
Для кого. Для разработчиков и исследователей, которые реализуют статьи по машинному обучению и хотят проверяемый код.
Подходит, если
- Нужно получить рабочий каркас реализации статьи по arxiv-ссылке или идентификатору
- Нужно видеть, какие детали взяты из статьи, а какие выбраны за нее
- Нужен учебный разбор архитектуры с привязкой кода к разделам работы
Не подходит, если
- Нужен полный продакшн-пайплайн обучения с трекингом и распределенным запуском
- Нужна гарантия корректности результата, а не честная реализация того, что описано в статье
Пример запроса к агенту
Реализуй статью https://arxiv.org/abs/1706.03762 с привязкой кода к разделамОграничения
Скилл не гарантирует корректность: если статья неполна или ошибочна, это отразится на коде, но будет помечено. Он не скачивает датасеты, а дает каркас класса Dataset с инструкциями. Он не поднимает инфраструктуру обучения, не реализует бейзлайны и не переписывает стандартные компоненты. Для парсинга он ставит пакеты через pip и ходит в сеть за статьей, а качество результата зависит от модели самого агента.
Как отключить. Удалите скилл из каталога скиллов агента. Если ставили через symlink, уберите ссылку, при копировании удалите папку paper2code.
Частые вопросы
Что делать с неуказанными деталями?
Скилл ставит разумное значение по умолчанию и помечает строку тегом UNSPECIFIED с альтернативами, чтобы решение можно было проверить по статье.
Какие форматы ввода понимает?
Полную ссылку вида https://arxiv.org/abs/XXXX.XXXXX, голый идентификатор и версионный идентификатор, плюс флаги режима и фреймворка.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыСкилл находит ИИ-статьи 28 лабораторий на arXiv за любой период и делит их на «ведущих» и «в соавторстве».
Скилл Codex отбирает свежие научные статьи под профиль исследователя и собирает сводку на китайском с оценками.
Скилл математического моделирования
Math Modeling Skill
Воркфлоу из трех этапов для задач математического моделирования: разбор и выбор модели, расчеты на Python или MATLAB, сборка статьи в Word или LaTeX
Скиллы Probabl для экспериментов по машинному обучению: пайплайн на scikit-learn и skrub, оценка, аудит и подключение к Skore Hub
Шаблон для аналитиков данных: AGENTS.md, CLAUDE.md и набор скиллов по Python, SQL, Polars и диагностике моделей.
Конвейер ежедневно отбирает с arXiv работы по дистанционному зондированию, разбирает каждую в GitHub Issue и публикует сводку дня.
Коротко о README
README объясняет проблему: статьи по машинному обучению часто умалчивают о гиперпараметрах, а наивная генерация кода молча заполняет пробелы. paper2code отвечает на это привязкой каждого решения к разделу и уравнению, аудитом неоднозначностей до написания кода и честными пометками неуказанных мест. Установка идет командой npx skills add с выбором агентов и способа подключения. На выходе получаются model.py, loss.py, конфиг гиперпараметров, файл заметок о воспроизведении и ноутбук, запускаемый на CPU с игрушечными размерностями. В репозитории есть готовые разборы для статей Attention Is All You Need и DDPM. Лицензия MIT.
Бейдж для README
Исходный SKILL.md
---
name: paper2code
description: Converts an arxiv paper into a minimal, citation-anchored Python implementation. Trigger when user runs /paper2code with an arxiv URL or paper ID, says "implement this paper", or pastes an arxiv link asking for implementation. Flags all ambiguities honestly. Never invents implementation details not stated in the paper.
---
# paper2code — Orchestration
You are executing the paper2code skill. This file governs the high-level flow. Each stage dispatches to a detailed reasoning protocol in `pipeline/`. Do NOT skip stages. Do NOT combine stages. Execute them in order.
## Parse arguments
Extract from the user's input:
- `ARXIV_ID`: the arxiv paper ID (e.g., `2106.09685`). Strip any URL prefix.
- `MODE`: one of `minimal` (default), `full`, `educational`.
- `FRAMEWORK`: one of `pytorch` (default), `jax`, `numpy`.
If the user provided a full URL like `https://arxiv.org/abs/2106.09685`, extract the ID `2106.09685`.
If the user provided a versioned ID like `2106.09685v2`, keep the version.
## Set up working directory
Create a temporary working directory: `.paper2code_work/{ARXIV_ID}/`
This is where intermediate artifacts go. The final output goes in the current directory under `{paper_slug}/`.