Möödunud lahing · 2024-05-31 UTC
Research AI Agents Vastasseis — 31. mai 2024
Kategooriast Research AI Agents. 34 märget pandud 8 võitleja kohta. Google AI Co-Scientist võttis krooni.
Lõppseis
Koosseis
Võitlejad
Iga selles lahingus võistelnud tööriista profiilid, järjestatud nende lõppskoori järgi.

Google AI Co-Scientist
Mitmeagente AI süsteem, mis teeb koostööd teadlastega hüpoteeside genereerimiseks ja biomeditsiinilise uurimistöö kiirendamiseks.

Google AI Co-Scientist on mitmeagente AI süsteem, mis on loodud teadlastega koostöö tegemiseks ja biomeditsiinilise uurimistöö kiirendamiseks. See on ehitatud Gemini 2.0 peal ning toimib virtuaalse teadusliku kaaslasena, aidates genereerida uusi hüpoteese ja uurimisettepanekuid. Süsteem on mõeldud peegeldama teadusmeetodi aluseks olevat mõtlemisprotsessi ning avastama uut, originaalset teadmist. Kui teadlane määratleb oma uurimise eesmärgi loomulikus keeles, genereerib AI Co-Scientist uusi uurimishüpoteese, üksikasjaliku uurimisülevaate ja eksperimentaalsed protokollid. See kasutab spetsialiseeritud agentide koalitsiooni, sealhulgas Generation, Reflection, Ranking, Evolution, Proximity ja Meta-review, mis kasutavad automatiseeritud tagasisidet hüpoteeside iteratiivseks loomisel, hindamisel ja täpsustamisel. Süsteem võimaldab teadlastel suhelda sellega erinevatel viisidel, sealhulgas pakkudes algide ideid uurimiseks või andes loomulikus keeles tagasisidet genereeritud väljundite kohta. AI Co-Scientist kasutab ka tööriistu nagu veebipõhine otsing ja spetsialiseeritud AI mudelid, et parandada hüpoteeside taustaloomist ja kvaliteeti. Süsteemi on kavandatud paindlikult skaleerima arvutusressursse ja iteratiivselt parandama oma teaduslikku mõtlemist määratletud uurimise eesmärgi suunas. AI Co-Scientist on eriti kasulik teadlastele, kes seisavad silmitsi väljakutsetega teaduslike publikatsioonide kiirel kasvul ja teadmiste integreerimisel tundmatutest valdkondadest. Kasutades viimaseid AI edusamme, sealhulgas võimet sünteesida keerukaid teemasid ja teha pikaajalist planeerimist ja mõtlemist, püüab AI Co-Scientist kiirendada teaduslike ja biomeditsiiniliste avastuste tempo. Süsteemi on testitud erinevates rakendustes, sealhulgas geenide ülekande avastamine ja ülekande taasavastamine. Kuigi AI Co-Scientist pakub mitmeid eeliseid, sõltub selle tõhusus sisendiks antud uurimis eesmärgi kvaliteedist ja teadlase võimest pakkuda sisukat tagasisidet. AI Co-Scientist on uus tööriist, millel on potentsiaal oluliselt mõjutada teaduslikku kogukonda, kuid selle piiranguid ja võimalikke kallutatusi tuleb hoolikalt hinnata. AI Co-Scientist'i arendamine on jätkuv protsess ning selle tulevased rakendused ja parendused sõltuvad jätkuvast uurimisest ja testimisest.
Разбивка критериев
- Hüpoteesi genereerimine
- Uurimisülevaate loomine
- Eksperimentaalse protokolli väljatöötamine
- Spetsialiseeritud agendid teadusliku mõtlemise jaoks
- Automaatne tagasiside tsükkel
- Veebipõhine otsingu integratsioon

Bright Data Web MCP
MCP-server, mis pakub AI-agentidele usaldusväärset veebotsingut, skrapingu ja brauseri automatiseerimist 5 000 tasuta igakuise päringu abil.

Bright Data Web MCP on server, mis võimaldab AI-agentidel usaldusväärselt otsida, skrapida ja brauseritest automatiseerida. See pakub 5 000 tasuta igakuist päringut. Seade võimaldab AI-agentidel tõhusalt veebis otsida, andmeid kätte saada ja veebisaite navigeerida ilma blokeerimiseta. Pakub funktsioone nagu reaalajas otsingutulemused, andmete ekstraktimine, veebisaidi skreipimine ja brauseri automatiseerimine. Web MCP on mõeldud blokeeringute ja piirangute ületamiseks ning on üle 20 000 klienti ülemaailmselt usaldatud.
Разбивка критериев
- Reaalajas veebotsing
- Veebisaidi skreipimine ja andmete ekstraktimine
- Brauseri automatiseerimine
- Geo-restriksioonide ja CAPTCHAdega ülekäik
- JavaScripti renderdamine dünaamilise sisuga
- Tegemist tegeliku kasutaja käitumise jäljendamine


Kosmos on kujulisaadik ja alati autonoome etappide käivitamine rohkem kuupäeva suhtes piiratud koordinaativa. Selle uuringud, et rakendada AI konsoole sellised, kindla tegelikkuse analüüsimine ja muud automaatsed uuringud.
Разбивка критериев
- Algatamine formaadiga täitatakse algamise jaandamine
- Radiovastase täpsemus dataandmete ja loenditest
- Endes aitsi esimese etapist kompakteerida alates peamiselt tegelikku ja alate laenutsuvaid tarkvarju asukoha peal.
- Uuringud, et näita ja neuvota selles juhises piiratud koordinaativa, kuna arendamine on rohkem noapärane skaala, algatamise jaandamine
- Automaatseid ja integreeritava andmete analüüsi, segab taotluse piiratud koordinaativa, kuna vabandama vastavalt ajast, see on aasiga rohkem suhel sõnumit ei lõike informaatsiooni lubab analysooride loetletud apeloolingud esimesel toidutel.
- Seespid vahendad juhised, käivitama keskne juhised piiratud koordinaativa, see on aasiga rohkem sildine, küsi autente asemel, värskendus luba


THEUS on ettevõtte tasemel AI uurimissüsteem, mis muudab proprietary uuringud jälgitavateks ülevaadeteks koos faktide ID-de, viidete ja ekspert-avataridega. See on ehitatud Google'i Agent Development Kit (ADK) baasil ja kasutab kahepoolset modelleerimist andmetel põhinevate teadmiste agentide jaoks. Kasutajad saavad eraldada, sünteesida ja uurida oma uurimisandmeid ning igal väitel on konkreetne Fakt ID koos lehekülje tasemel viidetega. THEUS pakub uurimiseks kahte võimalust: uute ülevaadete genereerimist Dr. Reediga või olemasolevate teadmiste analüüsimist Dr. Sinclairiga. See platvorm on mõeldud ülemaailmsete ülevaatejuhtide (VPs of Insights), globaalsete sensoorsete juhtide ja innovatsioonijuhtide jaoks, kes hindavad strateegilise võimekuse laiendamist. See kasutab spetsiaalselt välja töötatud uurimismeetodit, mitte üldist ettevõtte tehisintellekti, ning loob andmetel põhinevaid teadmiste agente, mis on koolitatud tegelike institutsionaalsete andmetega. Kuna 85% uutest toodetest ebaõnnestub kahe aasta jooksul (Nielsen), siis tõenditel põhinev uurimine parandab oluliselt otsuste kvaliteeti. THEUS pakub ühte töökohta, mis sisaldab selliseid funktsioone nagu kuni 30 dokumendi sissevõtmine kuus, kuni 1500 lehekülje töötlemine kuus ja kuni 500 küsimust dr Sinclairile kuus. Üks THEUSi peamistest eelistest on selle võime muuta aastakümneid kestnud patenteeritud andmed jälgitavaks, otsustusvalmis intelligentsuseks tehisintellektil põhinevate teadmiste agentide abil.
Разбивка критериев
- Arhitektuuride kombineerimine ja reaalajas konkreetne aruandlus
- Energian ja andmete põhiline rakendamise lubamine
- Jarjekoodide ja tarkkuvalised konsultantide luua
- Väljastatud teadmite aruandluse saadaval
- Viljandi andmed ja tärtklubi sisaldav sisendandmete päringute kaudu

AMIE
Multimoodne AI-diagnostikaagent, mis viib läbi kliinilisi vestlusi ja tõlgendab meditsiinilisi pilte täpseks diagnoosimiseks.

AMIE (Articulate Medical Intelligence Explorer) on uurimiskeskusega arendatud AI-diagnostikaagent, mille on loonud Google DeepMind ja Google Research. See on mõeldud kliiniliste vestluste läbiviimiseks ning meditsiiniliste piltide tõlgendamiseks täpsete diagnooside saamiseks. Esialgu oli AMIE teksti põhine meditsiiniline diagnostikakonsultatsioonide AI-agent, mis avaldati ajakirjas Nature. Viimane areng, multimoodne AMIE, ühendab võime targalt küsida, tõlgendada ja arvestada visuaalse meditsiinilise teabe põhjal kliinilisi vestlusi. See arendus eesmärgiks on parandada diagnostilise täpsuse taset, kaasates multimoodse andmega, näiteks pildid ja dokumendid, diagnostikaprosessi. AMIE kasutab seisundite teadlikku põhjendusraamistiku ning ehitatud multimoodsete Gemini modelite peale. Selle väärtustamist on viidud läbi ekspert hindamiste, sealhulgas Objective Structured Clinical Examination (OSCE), võrdlemas selle toimivust esmase arsti (PCP) erinevate patsientite stsenaariumitega.
Разбивка критериев
- Multimoodne diagnostikakõne
- Visuaalse meditsiinilise teabe tõlgendamine
- Staadist teadlik põhjendusraamistik
- Integreerimine Gemini modelitega
- Simulatsioonikeskkond dialoogi hindamiseks

QualiaInterviews
Kogu saadetud kogudusi lubavad multimetra-elutöö tulemuste, esiteleväärsust tegeliku jälgimiseks ja enamikutud nende intervjuid ning tugi as ühe ei saa, sõnumi erakonverenta käes oleva kogu intervjuud uurime. Laiendatud kogukonverens lahendavad keelingu, kaitsmise ja selle lahenduste tööülesandeid muutmata.

QualiaInterviews on uurimisplatvorm, mis kasutab tehisintellekti osalejatega intervjuude läbiviimiseks loomuliku, vestlusliku dialoogi kaudu. See võimaldab meeskondadel koguda kvalitatiivseid ülevaateid suurematest valimitest kui traditsioonilised üks-ühele intervjuud võimaldavad, säilitades samas avatud küsimustega vestluse sügavuse ja nüansi. Vahend toetab mitmekeelseid intervjuusid, muutes selle sobivaks piiriüleste uuringute, globaalse turu-uuringu ja programmi hindamise jaoks. Teadlased saavad kujundada intervjuujuhiseid, neid osalejatele edastada ja automaatselt struktureeritud tulemusi üle vaadata, ilma et peaksid iga seanssi käsitsi modereerima. QualiaInterviewsit kasutavad tavaliselt sotsiaalteadlased, hindajad, UX-meeskonnad ja organisatsioonid, kes viivad läbi mõju hindamisi ning vajavad skaleeritavat kvalitatiivset andmestikku, ilma vestlusliku sügavuse ohverdamiseta.
Разбивка критериев
- Kamera ja kontrolliku asjatoimetuseks
- Kogudusi andnud elav ajal kogu intervjuhu
- Tenib kahentsides peatöö edasased asjatoitmiseks kodulehe saavutamiseks
- Automaatne ja kuidas näikujaline eludega tegelikult intervjuid koguduse- ja aruandlused naistekuuluvad uuringutele
- Kuulmine jääb esimeset intervjuu koguduse toimetamine
- Leidmine on keelt värskendav intervjuuse pühistamine.

Table Agent on AI-põhine andmeabi, mida on planeeritud aitama tabeliandmeid uurima. Sellega on võimalik automaatselt koguda andmeid teataval teemal, mille tulemusena teaduslik uurimine muutub efektiivsemaks. Saadaval on mudelite suunama võimalus, mis võimaldab kasutajatel data kogumist kohandada eraldi vajadustele. Selline lihtsus on kasulik laiadele rakendustega ning tööstustega, kus andmestruktuur võib erineda sügavalt. Table Agent peamist funktsiooni moodustab tema AI tegevkasutaja ajaline andmeuurimise võimekus. See tähendab, et tööriist kasutab arendatud intelliigentsi, aktiivselt otsimas ja kogumas relevantset andmet, mis võib vähendada manuaalsete otsuste aega. Kui on teada või ka mitte, siis on siiski põhiline eeldus see, et süsinikuasustatud andmeassistendid võiks ühega või teisega süsinikuasustatud andmeanalüüsisisteme või paljude süsinikuasustatud andmeanalüüsisistemitega kõikuvat integratsiooni teha, mis on võimekaid edendada üldist uurimisprotsessi. Table Agent tugevad küljed võiks olla tema võimekus võimaldada müütma aega kullevat andmetes kogumist ning selle võimekuse jääda kätte eri andmestruktuuridega. Siiski, ilma rohkem täpsemaid teadaandmeid ilma, on kitsas võimalus kindlaks teha tema piiranguid või seda, kuidas ta võrdleb teisi andmete assistendi võimalusi.
Разбивка критериев
- Automated gathering from Web
- Customizable table schema
- Proactive data cleaning
- Multiple scraping and filtering options
- AI agent-driven data augmentation

Autoresearch
Avatud lähtekoodiga projekt, mis võimaldab AI-agentidel iseseisvalt LLM treeningeksperimentide läbiviimist ja parimate mudeli muutuste säilitamist.

Autoresearch on avatud lähtekoodiga projekt, mis võimaldab AI-agentidel iseseisvalt LLM treeningeksperimentide läbiviimist ja parimate mudeli muutuste säilitamist. Projekt võimaldab kasutajatel üles seada väike, kuid tõeline LLM treeningkeskkond ning lasta AI-agentil seda ööpäevarõhul eksperimenteerida, koodi muuta, lühikest aega treenida ja kontrollida, kas tulemused paraneb. Eesmärk on uurimisprotsessi automatiseerimine, võimaldades AI-agentil uurida erinevaid mudelistruktuure, hüperparameetreid ja optimeerimistrateegiaid ilma inimseisukohata. Projekt sisaldab lihtsustatud ühe GPU nanochat'i rakendust ning pakub põhistruktuuri AI-agenti uurimisprotsessi programmeerimiseks Markdown-failide abil. Projekt on disainitud laiendatavana, võimaldades kasutajatel lisada rohkem agente ja aja jooksul uurimisprotsessi täiustada.
Разбивка критериев
- Iseseisvad LLM treeningeksperimentid
- AI-agentiga juhitud uurimisprotsess
- Ühe GPU nanochat'i rakendus
- Markdowni põhine programmeerimine uurimisprotsessi jaoks
- 5-minutiline treeningu ajakulu koos hindamismõõdikuga (val_bpb)







