paperclaw可全自动复现论文实验：上传pdf后完成三重评估、环境部署、依赖修复及pilot test，支持自动降级库、注释不兼容代码、静默修正dataloader等，并生成含patch的复现包。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用 PaperClaw 复现论文实验，只需上传 PDF 就能全自动跑通环境部署、依赖修复和 Pilot Test，省去手动查错、降级库、配 GPU 等重复劳动，特别适合赶 deadline 的研究生和跨领域研究者。
上传论文 PDF 启动全自动流程
打开 PaperClaw 官网 → 点击「Upload Paper」→ 选择本地论文 PDF 文件（支持中文/英文/含公式/带附录的完整版）。
上传后系统立即启动三重评估：实验复杂度打分、代码可用性扫描、A100/H100 算力预估。这一步跳过它，后续可能卡在环境校验环节，因为 PaperClaw 不会强行运行明显不可行的项目。
确认复现计划并授权远程执行
评估完成后，页面弹出「复现可行性报告」，包含推荐服务器配置与预计耗时。点击「Confirm & Start」→ 输入你的 SSH 密钥或选择 PaperClaw 预置云实例（默认开通 2 小时 GPU 试用）。
【必须提前开通 SSH 权限且确保目标服务器已安装 nvidia-driver】否则自动连接失败后不会重试，流程将中断在「Deploying Env」阶段。
确认后，控制台开始直播式输出日志：从检测 CUDA 版本 → 创建 Conda 环境 → 克隆 GitHub 仓库（若论文声明了代码地址）→ 安装 requirements.txt 中全部依赖。
自动修 Bug 直到 Pilot Test 通过
方法一：当检测到 Transformers 4.52.0 与当前 PyTorch 不兼容时，PaperClaw 会自动执行 pip install transformers==4.38.2，并重写 import 语句中的 from transformers import AutoModelForSeq2SeqLM 为 from transformers import AutoModel。
方法二：若原始训练脚本调用 torch.cuda.amp.autocast 但服务器仅支持 FP32，它会直接注释掉 autocast 块，并在 config.yaml 中将 amp_enabled 设为 false。
方法三：遇到 DataLoader 报错 num_workers>0 导致死锁，PaperClaw 不会提示你改参数，而是静默替换为 num_workers=0 并跳过 warning 输出——这是唯一不显示在控制台日志里的修复动作。
所有修改均生成 patch 文件存于 /paperclaw/patches/ 目录下，可随时下载比对。
查看结果与导出复现包
当控制台最后一行显示 ✅ Pilot Test Passed（通常含 loss=0.872, acc=86.4% 等实测指标）→ 点击右上角「Export Reproduction Bundle」。
下载 ZIP 包内含：复现后的完整代码（含 patch）、环境配置快照 environment.yml、运行日志 full_execution.log、以及本次自动修复记录 repair_summary.md。
