Bataille passée · 2025-03-28 UTC
Research AI Agents Duel — 28 mars 2025
De la catégorie Research AI Agents. 12 marques placées sur 5 combattants. Cell2Sentence a décroché la couronne.
Classement final
Le casting
Les combattants
Profils de chaque outil ayant concouru dans cette bataille, classés par leur score final.
Cell2Sentence
Cadre open-source qui convertit l'expression génique à cellule unique en « phrases cellulaires » pour que les LLM puissent analyser et générer des perspectives biologiques.
Cell2Sentence est un cadre open-source qui transforme les données d'expression génique de cellules individuelles en 'phrases cellulaires' pour l'analyse et la génération d'informations par les grands modèles de langage (LLM). Il propose une transformation de classement des vecteurs d'expression en phrases cellulaires, qui sont des noms de gènes séparés par des espaces classés par ordre d'expression décroissant. Cela permet aux LLM de modéliser nativement les données de séquençage de l'ARN de cellules individuelles (scRNA-seq) en utilisant le langage naturel. Le cadre comprend les modèles C2S-Scale, qui unifient les données transcriptomiques et textuelles et permettent des tâches avancées sur cellules individuelles telles que la prédiction de perturbation, la synthèse de jeu de données, la légende de regroupement et la réponse à des questions biologiques. Les modèles C2S-Scale sont disponibles sur Hugging Face et sont basés sur des architectures telles que Pythia et Gemma-2. Cell2Sentence est destiné aux chercheurs et aux scientifiques travaillant avec des données de transcriptomique de cellules individuelles. Le cadre a été mis à jour avec de nouveaux modèles et fonctionnalités, notamment la prise en charge de l'ajustement fin sur des modèles de prompts personnalisés et un formatage de prompts multi-cellules. Il comprend également une suite de modèles Pythia pour la prédiction de type de cellule, la génération conditionnée de type de cellule et un modèle multi-tâches multi-cellules diversifié entraîné sur plus de 57 millions de cellules humaines et de souris. Le framework Cell2Sentence est documenté et propose des tutoriels pour son utilisation, incluant des exemples d'ajustement fin et de formatage de prompts multi-cellules. Le développement de Cell2Sentence implique le van Dijk Lab et a été publié dans une prépublication sur bioRxiv. Cell2Sentence permet une découverte de nouvelle génération au niveau de la cellule individuelle grâce aux LLM.
Répartition des critères
- Transformation des vecteurs d'expression en phrases cellulaires
- Modèles C2S-Scale pour les tâches avancées sur cellules uniques
- Support du réglage fin sur des modèles de prompt personnalisés
- Formatage multi-cellule des prompts
- Modèles pré-entraînés basés sur les architectures Pythia et Gemma-2
AlphaSense
Une plateforme d'intelligence de marché propulsée par l'IA qui collecte de manière autonome des insights d'experts et fournit des recherches de niveau analyste à grande échelle.
AlphaSense est une plateforme d'intelligence de marché alimentée par l'IA qui fournit des informations fiables pour guider les décisions commerciales. Elle propose une collection complète de sources curées, notamment des transcriptions d'experts Tegus, des recherches de courtiers et des documents de sociétés. La plateforme utilise des modèles d'IA avancés pour générer des informations de haute qualité avec des citations au niveau des phrases. AlphaSense intègre des flux de travail, éliminant les sources fragmentées et fournissant des informations rationalisées et connectées. Ses capacités GenAI fournissent des informations en temps réel qui ancrent les décisions dans une expertise fiable. La plateforme est conçue pour les banques d'investissement, les fonds spéculatifs, le private equity, la gestion d'actifs, le conseil, les sciences de la vie et d'autres industries. AlphaSense se distingue par ses informations hautement synthétisées, élaborées à partir d'un ensemble de contenus sans égal. La plateforme propose également des agents personnalisables pour automatiser les tâches de recherche répétitives, transformant les résultats en rapports et diapositives prêts à l'usage des dirigeants. Sa recherche générative offre une vue à 360 degrés des marchés et des entreprises, reliant les informations qualitatives aux données financières structurées. L'une des principales forces d'AlphaSense est sa capacité à donner aux utilisateurs les moyens de prendre des décisions audacieuses avec confiance et rapidité. La plateforme fournit aux équipes les réponses précises, des perspectives uniques et des mises à jour critiques dont elles ont besoin pour garder une longueur d'avance sur la concurrence.
Répartition des critères
- Sources triées
- Transcriptions d'experts Tegus
- Recherches d'intermédiaires
- Dossiers d'entreprise
- Données financières privées et publiques
- GenAI pour des insights en temps réel
AMIE
Un agent diagnostique multimodal IA qui conduit des conversations cliniques et interprète des images médicales pour des diagnostics précis.
AMIE (Articulate Medical Intelligence Explorer) est un agent diagnostique IA de recherche développé par Google DeepMind et Google Research. Il est conçu pour mener des conversations cliniques et interpréter des images médicales afin d'obtenir des diagnostics précis. Initialement, AMIE était un agent conversationnel diagnostique médical basé sur le texte, publié dans la revue Nature. La dernière avancée, AMIE multimodal, intègre la capacité de demander, d'interpréter et de raisonner intelligemment sur les informations médicales visuelles au cours de conversations cliniques. Ce développement vise à améliorer la précision diagnostique en incorporant des données multimodales, telles que images et documents, dans le processus diagnostique. AMIE utilise un cadre de raisonnement conscient de l'état et est construit sur les modèles Gemini multimodaux. Il a été évalué via des évaluations d'experts, y compris des Examens Structurés Cliniques Objectifs (OSCEs), comparant ses performances à celles des médecins de soins primaires (PCPs) dans divers scénarios de patients.
Répartition des critères
- Dialogue diagnostique multimodal
- Interprétation d'informations médicales visuelles
- Cadre de raisonnement conscient de l'état
- Intégration avec les modèles Gemini
- Environnement de simulation pour l'évaluation des dialogues
Autoresearch
Un projet open-source qui permet aux agents IA d'exécuter de façon autonome des expériences d'entraînement de LLM et de conserver les meilleures modifications de modèle.
Autoresearch est un projet open-source qui permet aux agents IA d'exécuter de façon autonome des expériences d'entraînement de LLM et de conserver les meilleures modifications de modèle. Le projet permet aux utilisateurs de mettre en place un environnement d'entraînement LLM simple mais réel et de laisser un agent IA l'expérimenter pendant la nuit, en modifiant le code, en entraînant pendant une courte période, et en vérifiant si les résultats s'améliorent. L'objectif est d'automatiser le processus de recherche, en laissant l'agent IA explorer différentes architectures de modèles, hyperparamètres et stratégies d'optimisation sans intervention humaine. Le projet inclut une implémentation simplifiée sur un seul GPU de nanochat et fournit une structure de base pour programmer le processus de recherche de l'agent IA à l'aide de fichiers Markdown. Le projet est conçu pour être extensible, permettant aux utilisateurs d'ajouter davantage d'agents et d'améliorer le processus de recherche au fil du temps.
Répartition des critères
- Expériences d'entraînement LLM autonomes
- Processus de recherche piloté par un agent IA
- Implémentation à un seul GPU de nanochat
- Programmation du processus de recherche basée sur Markdown
- Budget d'entraînement de 5 minutes avec métrique d'évaluation (val_bpb)
Google AI Co-Scientist
Un système d'IA multiant agent collaborant avec des scientifiques pour générer des hypothèses et accélérer la recherche biomédicale.
Le Google AI Co-Scientist est un système d'intelligence artificielle multi-agents conçu pour collaborer avec les scientifiques et accélérer la recherche biomédicale. Il est construit avec Gemini 2.0 et fonctionne comme un collaborateur scientifique virtuel pour aider à générer des hypothèses et des propositions de recherche novatrices. Le système est conçu pour refléter le processus de raisonnement qui sous-tend la méthode scientifique et découvrir de nouvelles connaissances originales. Étant donné l'objectif de recherche d'un scientifique spécifié en langage naturel, l'AI Co-Scientist génère des hypothèses de recherche novatrices, un aperçu de recherche détaillé et des protocoles expérimentaux. Il utilise une coalition d'agents spécialisés, notamment la génération, la réflexion, le classement, l'évolution, la proximité et la méta-revue, qui utilisent des commentaires automatisés pour générer, évaluer et affiner de manière itérative les hypothèses. Le système permet aux scientifiques d'interagir avec lui de différentes manières, notamment en fournissant des idées de départ pour l'exploration ou des commentaires sur les résultats générés en langage naturel. L'AI Co-Scientist utilise également des outils tels que la recherche Web et des modèles d'IA spécialisés pour améliorer l'ancrage et la qualité des hypothèses générées. Le système est conçu pour évoluer de manière flexible et améliorer de manière itérative son raisonnement scientifique vers l'objectif de recherche spécifié. L'AI Co-Scientist est particulièrement utile pour les scientifiques qui ont du mal à naviguer dans la croissance rapide des publications scientifiques et à intégrer les connaissances de domaines qui leur sont inconnus. En tirant parti des récentes avancées de l'IA, notamment la capacité de synthétiser des sujets complexes et d'effectuer une planification et un raisonnement à long terme, l'AI Co-Scientist vise à accélérer la vitesse des découvertes scientifiques et biomédicales. Le système a été testé dans diverses applications, notamment la découverte du transfert de gènes et la re-découverte du transfert. Bien que l'AI Co-Scientist présente plusieurs avantages, son efficacité dépend de la qualité de l'objectif de recherche saisi et de la capacité du scientifique à fournir des commentaires pertinents. L'AI Co-Scientist est un nouvel outil qui a le potentiel d'avoir un impact significatif sur la communauté scientifique, mais ses limites et ses biais potentiels doivent être soigneusement évalués. Le développement de l'AI Co-Scientist est un effort continu, et ses futures applications et améliorations dépendront de recherches et de tests approfondis.
Répartition des critères
- Génération d'hypothèses
- Création d'une vue détaillée des recherches
- Développement de protocoles expérimentaux
- Agents spécialisés pour la raison scientifique
- Boucle de rétroaction automatique
- Intégration de la recherche web