DeepCode Paper2Code：論文轉可重現原型的實作流程

把研究論文變成能執行的程式，不是把 PDF 丟給模型後就完成了。真正困難的地方通常是：論文沒有交代資料格式、訓練設定或評估細節；生成出的多個檔案也可能互相對不起來。這篇以 DeepCode 的 Paper2Code 功能為入口，整理一套把論文做成可驗證原型的實務流程。

先釐清名稱：DeepCode、Paper2Code 與 PaperCoder 不完全相同

搜尋這個主題時，很容易把幾個名稱混在一起。DeepCode 是 HKUDS 維護的開源 agentic coding 專案，功能包含 Paper2Code、Text2Web 與 Text2Backend；它的 README 也列出 CLI、網頁介面與本機執行方式。另一篇 Paper2Code 研究論文提出的是 PaperCoder：以規劃、分析、程式生成三個階段，將機器學習論文轉成程式庫的研究框架。兩者都在處理「paper-to-code」，但不是同一個產品或同一套評測結果。

因此，看到任何「幾小時完成重現」的說法時，應把它當成特定工作範圍下的案例，而不是保證。若論文有公開資料、明確評估碼與完整超參數，做出最小原型可能很快；若資料取得受限、方法描述模糊或需要重現完整實驗，時間會大幅增加。

Paper2Code 最適合先做哪一種成果？

先把目標寫成可判定的句子。例如：「在固定的小型資料切分上，跑出論文方法的前向傳遞、損失函數與一個可重複的評估指標。」這比「完整重現論文」更適合第一輪。

• 最小可行原型：確認核心演算法、輸入輸出與主要 loss 是否能運作。
• 可重複實驗：加上資料取得方式、seed、設定檔、訓練與評估指令。
• 研究結果重現：在相同資料、硬體與評估協議下，比較論文報告的數值；這是最嚴格也最耗時的層級。

不要把第一層的「程式可跑」誤寫成第三層的「論文結論已重現」。這兩件事需要的證據不同。

導入前：先建立論文的可實作規格

在開啟 agent 前，先讀完摘要、方法、實驗設定、附錄與補充材料，並做一份「論文到程式」規格。這一步看似慢，卻能降低模型把模糊敘述自行補成錯誤實作的機率。

1. 拆出不可少的元件

• 資料：來源、切分、前處理、授權與是否可實際下載。
• 模型：輸入張量形狀、核心模組、輸出與參數共享關係。
• 訓練：loss、optimizer、learning rate schedule、batch size、epoch 與 seed。
• 評估：metric 定義、資料切分、baseline、報告時要不要平均多次執行。

PaperCoder 的研究也指出，資料結構、資料載入方式與論文未明說的實作細節，正是生成結果常出錯的來源。因此每一項找不到原文依據的設定，都應記成「待確認假設」，而不是悄悄當成事實。

2. 先列出檔案與依賴關係

將預計產出的程式庫先畫成簡單骨架，例如 configs/、data/、models/、train.py、evaluate.py 與 tests/。Paper2Code 論文採取「規劃 → 分析 → 生成」的順序，重點正是在程式生成前處理架構、檔案依賴與設定；一次要求模型直接吐出整個 repository，反而較難維持跨檔案的一致性。

用 DeepCode 做第一輪原型的實務流程

DeepCode 的官方 README 目前列出 Python 3.9 以上、Node.js 18 以上與 npm 8 以上作為環境需求，並以 deepcode init 建立使用者層級設定。若改用其他供應商或本機模型，請依官方設定檔填入自己的 provider；金鑰不應寫入 repository 或提交到 Git。

1. 建立空白工作目錄：只放論文、授權可用的補充資料與一份需求說明；不要一開始就混入不明來源的第三方程式碼。
2. 要求先輸出計畫：讓 agent 回答核心貢獻、檔案清單、資料流、未定細節與預定測試，而不是立即產生全部程式。
3. 先做垂直切片：從一筆或一小批資料，驗證資料載入 → 模型前向 → loss → metric 的完整路徑；失敗時比整個訓練流程容易定位。
4. 逐檔生成與執行：每新增一個模組就執行 lint、單元測試或最小 smoke test，並把實際錯誤回饋給 agent 修正。
5. 保留追溯紀錄：在 REPRODUCTION_NOTES.md 記下論文頁碼／段落、採用的假設、變更原因與尚未驗證的項目。

驗收清單：什麼叫做「可重現原型」？

請用測試和紀錄驗收，不要只看產生了多少行程式碼。

• 全新環境依 README 能安裝依賴並執行一個最小指令。
• 固定 seed 後，至少能說明哪些結果應穩定、哪些結果可能有隨機波動。
• 核心公式、資料前處理、訓練設定與評估碼，都能回指到論文、附錄或明確標記的假設。
• 測試資料不會意外進入訓練；評估 metric 的方向與計算方式和原論文一致。
• 若無法達到論文數值，能列出資料、硬體、版本、預訓練權重與實作差異，而不是只寫「模型效果不好」。

Paper2Code 的公開實作也提供範例、資料與評估腳本，可作為理解研究型 paper-to-code 流程的參考。不過它使用的模型、成本與套件版本會隨時間變動；實作前應以該 repository 的最新 README 與授權條款為準。

常見失敗與修正方向

只拿摘要就開始寫

摘要幾乎不會包含資料切分、loss 權重、warm-up 或評估細節。先要求 agent 列出缺失資訊，再決定要查附錄、找作者資源，或以明確的假設完成小型實驗。

生成完成卻沒有測試

可匯入不代表可訓練，也不代表 metric 正確。至少保留 shape test、固定小資料的 smoke test，以及一個能檢查 metric 的人工案例。

把 agent 的結果視為論文原意

agent 產生的是候選實作，不是權威來源。特別是數學符號、資料前處理、專有資料與安全相關設定，都要由研究者或工程師覆核。

結論

DeepCode Paper2Code 可以加快從論文到原型的第一段路，但可重現性仍取決於清楚的規格、可追溯的假設與可執行的測試。最可靠的做法不是追求一次生成完整專案，而是先完成一條能驗證的最小資料流，再逐步擴充到訓練、評估與結果比較。

參考資料

• HKUDS／DeepCode 官方 GitHub README
• Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning
• going-doer／Paper2Code 官方實作