下载客户端
全部案例
数据分析计算机与 AI模式机器学习真实运行

复现一篇论文的开源代码并核对结果

帮我复现这篇论文 GitHub 仓库里的主实验：搭好环境，跑通小规模版本，把我的结果和论文表 2 对比，列出差异和可能原因。

智能体怎么做

  1. 选论文、搭环境测试时没有指定论文，按要求选了图卷积网络 GCN（Kipf & Welling，ICLR 2017）和官方 PyTorch 仓库 pygcn；本机 Anaconda 是 x86 版、只能装旧版 torch，就改用 arm64 的 Python 3.13，仓库代码一行未改即可运行。
  2. 原样运行仓库100 个随机种子，Cora 82.86%，比论文高 1.4 个点；查明原因是仓库硬编码的数据划分与论文不同，还发现 --seed 固定不住结果，需要同时固定 PYTHONHASHSEED。
  3. 按论文协议复现换成论文的 Planetoid 划分、对称归一化、输入层 dropout 等设置，三个数据集各跑 100 次：Citeseer 70.79、Cora 81.52、Pubmed 79.10，论文为 70.3 / 81.5 / 79.0，差距都在 0.5 以内；随机划分一项只部分复现（Pubmed 低 1.8，标为待查）。
  4. 消融找原因7 项单因素消融加 2×2 分解：仓库与论文的差异主要来自行归一化（Pubmed −0.94）和缺少输入层 dropout（Cora −0.87）；全部约 4,000 次训练的原始结果都保存下来。

运行截图

PaperOK科研助手中这次对话的实际界面。

复现一篇论文的开源代码并核对结果 运行截图：回答开头说明选的论文和仓库，以及复现与论文的对比结论
回答开头说明选的论文和仓库，以及复现与论文的对比结论点击查看大图
复现一篇论文的开源代码并核对结果 运行截图：在右侧打开复现报告
在右侧打开复现报告点击查看大图

运行结果

以下文件由智能体在应用中实际生成，未做修改。

表 A  论文表 2 与本次复现（Planetoid 公开划分，各 100 次）
数据集     论文 GCN   复现（论文协议）   差值    仓库原版模型 @ 同一划分
Citeseer   70.3       70.79 ± 0.76      +0.49   70.19 ± 0.72
Cora       81.5       81.52 ± 0.67      +0.02   81.05 ± 0.63
Pubmed     79.0       79.10 ± 0.29      +0.10   78.22 ± 0.32
复现报告中的主结果表（我们从原始运行记录重算，数字全部一致） · 下载复现报告、脚本与原始结果

把这个案例导入到软件里

这次运行的完整对话：打开后能看到每一步做了什么、打开生成的文件，还可以接着提问修改。

已经装好最新版 PaperOK科研助手：点「在软件中打开」，软件会自动下载并打开这个案例；也可以在软件左侧的「案例库」里找到它。点了没反应，就按下面的步骤手动导入：

  1. 安装 PaperOK科研助手需要 1.0.1 及以上版本，可以在下载页获取。
  2. 下载案例文件 paperok-case-paper-reproduce.zip（6.3 MB），下载后不用解压。
  3. 导入打开软件，在左侧栏「对话」标题右边点上传图标（导入对话），选择刚下载的 zip。
  4. 查看或继续导入完成后，这个案例会出现在对话列表最上方：展开「工作过程」看每一步，右侧文件区可以打开生成的文件，也可以直接在输入框里接着提要求。

为控制体积，超过 100 MB 的原始数据和运行环境（如 Python 虚拟环境）没有打包进去，需要重新运行时模型会自动下载或安装。对话里出现的本机路径已做匿名处理。