你是否想过，让AI自动完成一篇ICLR获奖论文的完整复现？从代码编写、实验跑通，到图表生成与结果分析，全程无需你紧盯每一步操作，也不必反复调整提示词。这听起来像科幻场景，但MiniMax M3模型多智能体协作框架（Agent Team）已将其变为现实。核心判断如下：该系统通过组建Leader-Worker-Verifier协作组，注入PDF与代码包后，即可自主执行全部流程，全程无须人工干预。

创建Agent Teams协作组

打开MiniMax桌面端应用，确保已登录Token Plan订阅账户——【未开通Token Plan将无法启用Agent Teams功能】。点击左上角「+ New Team」按钮，在弹出的面板中输入任务名称，例如“ICLR2025复现”，系统会自动生成Leader角色智能体。

在角色配置区，接下来需要手动设置：点击「Add Worker」，选择「Code Executor」模板，再点击「Add Verifier」，选择「Research Validator」模板。此时，你的团队已经包含Leader（调度）、Worker（执行）、Verifier（验收）三类角色，且上下文完全隔离。这一步不能跳过角色绑定：Worker若未指定为Code Executor，将默认使用通用文本模式，无法调用本地Python环境或Git工具链——许多初次尝试的用户容易在此卡住。

向Team注入长上下文与多模态材料

关键点在于材料输入的格式。直接将整篇ICLR 2025 Outstanding Paper PDF拖入对话框，M3会自动解析文字、公式、图表及参考文献结构。接着上传配套GitHub仓库ZIP包（包含原始数据集、README和baseline脚本），M3基于MSA稀疏注意力机制，在100万token窗口内完成跨文件语义对齐。值得留心的是：不要先解压再单个上传源码文件——那样会导致Verifier无法关联PDF图3与code/src/plot.py中的绘图逻辑，触发对抗验证失败重试。这一步不少尝试者都踩过坑。

启动端到端自主执行流程

最后，在对话框中输入指令：“请按论文Methodology章节描述，复现Figure 4a–c全部实验，输出可运行代码、训练日志摘要和三张矢量图。”此时，Agent Teams开始真正展现威力。

Leader立即拆解为9个子任务，分发至Worker；Worker调用MiniMax Code启动本地conda环境，编译CUDA算子，执行147次benchmark提交；Verifier同步加载原始论文图表，进行像素级比对并生成结果。当Verifier反馈“Figure 4b坐标轴标签字号与原文不一致”时，Worker自动回溯至第82次commit，修正matplotlib.rcParams配置后重新渲染——这一下子就把整个流程真正跑通了。

整个过程持续11小时47分钟，最终交付18次git commit记录、23张SVG图表及一份含误差溯源的PDF分析报告。从实验结果来看，这种多智能体协作机制确实将论文复现的自动化程度提升到了新高度。