HiRAS：一种用于论文到代码生成与执行的分层多智能体框架

大型语言模型在自动化计算研究方面潜力巨大，但现有方法多采用固定顺序的智能体流水线，全局协调能力弱，限制了鲁棒性。本文提出分层研究智能体系统（HiRAS），这是一种端到端的实验复现框架，利用监督管理智能体协调各细粒度阶段的专业智能体。此外，针对 Paper2Code 基准中无参考评估的局限性，引入了结合仓库级信息的改进协议 P2C-Ex。广泛评估表明，该方法在开源基座模型上性能提升超 10%，并显著减少了评估幻觉。