Korábbi csata · 2024-05-31 UTC
Research AI Agents Leszámolás — 2024. május 31.
A(z) Research AI Agents kategóriából. 34 jelölés elhelyezve 8 versenyző között. Google AI Co-Scientist szerezte meg a koronát.
Végeredmény
A felállás
A versenyzők
Minden eszköz profilja, amely ebben a csatában versenyzett, a végső pontszámuk szerint rangsorolva.
Google AI Co-Scientist
Több agentes AI-rendszer, amely együttműködik a tudóssal annak a feltételezések és az orvosi kutatások gyorsítása érdekében.
A Google AI Co-Scientist egy összetett agentekkel ellátott AI rendszer, amelyet a tudósokkal való együttműködésre és az orvosi kutatások gyorsítására terveztek. A rendszer a Gemini 2.0-nal készült és egy mesterséges intelligencia által vezetett kísérőként működik, amely segít új hipotézisek és kutatási javaslatok kialakításában. Feladata azon a módon gondolkodni, amelyen az tudományos methodológia alapul, és új, eredeti tudományos eredmények fellelését célozza. Egy természetes nyelven megadott tudós kutatási cél esetén az AI Co-Scientist új kutatási hipotéziseket, részletes kutatási áttekintést és kísérleti protokollokat hoz létre. A rendszer egy szakosodott szimulált ügynökökből álló koalíciót alkalmaz, köztük Generation, Reflection, Ranking, Evolution, Proximity és Meta-review ügynököket, amelyek a szakadatokkal együttműködve iteratív hipotézis- megjelenítéséről, kiértékeléséről és finomításáról állnak. A rendszer lehetővé teszi számára, hogy a tudósok különböző módon kölcsönhatásba lépjenek a rendszerrel, köztük a kutatás irányának kiindulópontjai az exploráció vagy a generált kimenetekről szóló visszajelzés nyelvtermészetes módon. Az AI Co-Scientist szoftver továbbá a webkeresés és különleges mesterséges intelligencia- modell használatával növeli meg a létrejött hipotézisek megalapozottságát és minőségét. A rendszer tervezetten a számítógépes számítások rugalmas méretezhetők, és iteratív módon fejlesztheti a tudományos kifejezését, a megadott kutatási célhoz rendelve. Az AI Co-Scientist különösen hasznos lehet azoknak a tudósoknak, akik nehézségekkel küzdenek a gyorsan növekedő tudományos publikációk navigálásában és az ismeretlen területű megfigyelések integrálásában. Az újkori AI előrelépések felhasználásával, beleértve a komplex témák szintézisét és a hosszú távú tervezést és észlelést, az AI Co-Scientist célja, hogy felgyorsítsa a tudományos és orvosi felfedezések óráját. A rendszer számos alkalmazásban tesztelték, beleértve a gének átadásának felfedezését és újrakeresését is. Míg az AI Co-Scientist több előnnyel rendelkezik, hatékonysága attól függ, hogy az input kutatási cél érdemben jó minőségű, illetve hogy a tudós meg tud-e adni értelmes visszajelzést. Az AI Co-Scientist egy új eszköz, amely jelentős hatással lehet a tudományos közösségre, de korlátozásainak és lehetséges csoporthányadoságainak óvatos értékelésre van szükség. A fejlesztési folyamat a Google AI Co-Scientist eszközt folyamatosan fejleszti, annak jövőbeli alkalmazási formái és a további javításai függenek a rendszeres kutatás és tesztelés eredményeitől.
Kritériumok szétosztása
- Hipotézisgenerálás
- Kutatási összefoglalat létrehozása
- Kísérleti protokoll fejlesztése
- A tudományos érveléshez szakosodott ügynökök
- Automatizált visszajelzési folyamat
- Web-keresés bevonása
Bright Data Web MCP
Olyan MCP szerver, amely bizalomgerjesztő webes keresést, adatgyűjtést és böngészőautomatizálást nyújt 5 000 ingyenes havi kérelemmel.
A Bright Data Web MCP egy olyan szerver, amely lehetővé teszi az AI ügynökök számára a megbízható webes keresést, adatgyűjtést és böngészőautomatizálást. 5 000 ingyenes havi kérilemen nyújt szolgáltatást. Az eszköz lehetővé teszi az AI ügynökök számára, hogy hatékonyan kereshessék a webet, kinyerjék az adatokat és navigáljanak a webhelyeken anélkül, hogy blokkolnák őket. Számos funkcionalitást kínál, például élőben kapott keresési eredményeket, adatátvitelt, webhelyek körüljárását és böngészőautomatizálást. A Web MCP olyan, hogy felülírja a blokkolást és a korlátozást, és megbízható partnere több mint 20 000 ügyfélnek világszerte.
Kritériumok szétosztása
- Egyidejű webes keresés
- Webhelyek körüljárása és adatgyűjtése
- Böngészőautomatizálás
- A földrajzi korlátozások és a CAPTCHÁ-k kikerülése
- A JavaScript dinamikus tartalma képzése
- A valódi felhasználók viselkedésének utánzása
Kosmos
Független AI tudós a hosszú kutatói kampányokhoz, amely adatait és irodalmat elemezve teljesüléshez hivatkozó tudományos jelentéseket állít elő.
A Kosmos önálló AI tudós az biotermékek R&D csapatoknak és kutatóknak készült. Adatait és irodalmat elemezve teljes hivatkozásokkal rendelkező tudományos jelentéseket állít elő, és felgyorsítja a gyógyszerfejlesztési folyamatot a hipotézistől a regisztrációig napokban, nem hónapokban. A Kosmos önállóan működik, olvassa a irodalmat, generál hipotéziseket, vezérli a kutatásokat, és végrehajtja a tudományos munkafolyamatokat. Támogatja a gyógyszerfejlesztés teljes életciklusát, a célcsoport azonosításától a klinikai fejlesztésig és a bejelentéskig. Az AI eszköz a Slack, a Teams és az e-mailen keresztül működik együtt az emberi tudósokkal, és tanul a szervezet tudásából, amely a kísérleti történetből és a szabadalmi tudományos adatokból épül fel.
Kritériumok szétosztása
- Önálló hipotézisgenerálás
- Irodalmi elemzés
- Adat elemzés
- Tudományos munkafolyamat futtatás
- Csoportos munka Slack, Teams és e-mail segítségével
- Opcionális a jövőbeli úttörő modellekhez
THEUS (Aigora)
Vállalati AI-kutatási rendszer, amely a saját tanulmányokat nyomon követhető betekintésekkel alakítja át, tényazonosítókkal, idézetekkel és szakértő avatarokkal a szintézishez.
A THEUS egy vállalati AI kutatási rendszer, amely a szerzői tanulmányokat felismerhető eredmények számára változtatja át, amihez az eredeti források hivatkozásának ID-jeivel és szakértő avatarokkal rendelkezik. A Google Agent Development Kiten (ADK) épül és a kétirányú modellezést használja a számonkérhető tudási ügynökökhöz. A felhasználók kiemelhetik, összeállíthatják és kivizsgálhatják kutatási adataikat, mind egy érvre vonatkoztatva egy specifikus tényazonosítót hivatkozva és forrásfeljegyzéseivel egy oldalra rendelkezve. A THEUS két lehetőséget kínál a kutatások felfedezésére: új eredményeket hoz létre Dr. Reed segítségével vagy értelmezze a meglévő tudást Dr. Sinclairnal. Ez a platform az elnök-vezérigazgatók értelmezési irányítók, a globális érzékhatással kapcsolatos vezetők és az innovációs vezetők számára van tervezve az ügyfél számára kiemelt kapacitás bővítési értékeléséhez. Egy célközpontú kutatási módszert használ, nem pedig általános vállalati mesterséges intelligenciát, és a valós intézményi adatokra összpontosított ismeret alapú ismereteket hoz létre, amelyek adatokon alapulnak. Mivel 85%-a az új termékek két év alatt kisiklanak (Nielsen), tapasztalati alapú vizsgálat a döntés minőségének lényeges javításával rendkívüli szintű eredményt ad, és lényegesen növeli a döntésbiztonságot. Az Aigora által kínált THEUS egyedülálló foglalkoztatás kínál olyan szolgáltatásokat, mint például egy hónapban legfeljebb 30 dokumentum bekerülése, egy hónapban legfeljebb 1500 oldal szövegfeldolgozása és egy hónapban legfeljebb 500 kérdés feltehető Dr. Sinclairhez. Egyik kulcsbeli előnye a THEUS-nek, hogy négy évtizednyi egyéni tulajdonú adatfeldolgozásra épít, amit tudhatóvá és döntésképesen használható értelemmé alakító mesterséges intelligencia-alapú eszmefejlesztő szolgáltatással.
Kritériumok szétosztása
- Kinyerés, szintézis és kutatási adatok felfedezése
- Új betekintések generálása Dr. Reeddel vagy a meglévő tudás elemzése Dr. Sinclairral
- Bidirecionális modellezés az adatokon alapuló tudásügynökök számára
- Termék- és fogyasztói ismeretek összekapcsolása a bidirecionális betekintéshez
- Támogatja a különböző tanulmányok szintézisét és a kutatási rések elemzését
AMIE
Egy multimodális AI diagnosztikai ügynök, amely klinikai beszélgetéseket folytat és orvosi képeket értelmez pontos diagnózisok érdekében.
AMIE (Articulate Medical Intelligence Explorer) egy kutatási AI diagnosztikai ügynök, amelyet a Google DeepMind és Google Research fejlesztett. A cél az, hogy klinikai beszélgetéseket folytasson, illetve orvosi képeket értelmezzen pontos diagnózisok érdekében. Az AMIE eredetileg szövegalapú orvosi diagnosztikai konverzációs AI ügynök volt, amelyet a Nature publikálott. Az új, multimodális AMIE integrálja a vizuális orvosi információk intelligens kérése, értelmezése és elmélyítése képességét a klinikai párbeszéd során. Ez a fejlesztés a diagnosztikai pontosság javítását célozza, azáltal, hogy multimodális adatokat, például képeket és dokumentumokat is bevon a diagnosztikai folyamatba. Az AMIE egy állapottudatos érvelési keretrendszert használ, és multimodális Gemini modellekre épül. További értékelést szakmai vizsgálatokkal, köztük az Objektív Szerkesztett Klinikai Vizsgálatok (OSCEk) segítségével végeztek, összehasonlítva teljesítményét elsőrendű orvosokkal (PCP) különböző páciensekkel.
Kritériumok szétosztása
- Multimodális diagnosztikai párbeszéd
- Vizuális orvosi információk értelmezése
- Állapottudatos érvelési keretrendszer
- Integráció a Gemini modellekkel
- Szimulációs környezet a párbeszédeken történő értékeléshez
QualiaInterviews
MI-vezérelt platform többnyelvű, beszélgetés-alapú kutatási és értékelési interjúkhoz nagy léptékben.
A QualiaInterviews egy kutatási platform, amely az emberekkel folytatott interjúkhoz fejlesztett eszközökkel beszél olyan természetes, beszélt dialógusban, mint a mindennapi életben. Ennek köszönhetően a csapatok nagyobb mintapéldányméretből is gyűjthetnek kvalitatív megfigyeléseket, mint amennyit az egyéni interjúk engednek, miközben megtartják az nyitott, kinyilvánított beszélgetés mélységét és bonyolultságát. A szerszám több nyelven támogatja az interjúkat, így alkalmas határokon átívelő tanulmányokra, globális piackutatásra és programértékelésre. A kutatók interjúkalauzok tervezésére, azok kiküldésére a résztvevőknek és az automatikusan strukturált megállapítások megtekintésére, anélkül, hogy minden egyes ülésen kézzel moderálnák volna. A QualiaInterviews általában szociális kutatók, értékelők, UX-csapatok és az olyan szervezetek használják, amelyek hatásfelmérési feladatokban vesznek részt, akiknek nagymértékben terjeszthetővé kell tenniük a kvalitatív adatokat, miközben nem adják fel a folyamatos beszélgetések mélységét.
Kritériumok szétosztása
- MI-moderált beszélgetés-alapú interjúk
- Többnyelvű interjútámogatás
- Automatikus követési és faggatási kérdések
- Minőségi válaszok strukturált elemzése
- Skálázható résztvevői telepítés
- Kutatási és értékelési munkafolyamat-eszközök
Table Agent
Mesterséges intelligenciával működő adatasszisztens a táblázatos kutatásokhoz
A Table Agent egy olyan AI-párházat alapozott adatfelhasználó szolgáltatás, amely segítséget nyújt a táblás kutatások elvégzéséhez. Célja, hogy a kutatásokat hatékonyabbá tegye, automatizálva a felhasználók által megadott bármely témával kapcsolatos adatgyűjtést. A tool lehetővé teszi a rugalmas adattáblokon (data schema) való manipulálást, így az adatgyűjtés megfelelő optimalizálható az adott célra. Ezt a rugalmasságot sokféle alkalmazás és iparág érheti el, ahol az adattípus jelentősen térhet el egymástól. A Table Agent működésének központi eleme az AI-ösztönzővel vezérelt adatkeresési képessége. Ez azt jelenti, hogy a szoftver mesterséges intelligenciát használ aktív keresésre és releváns adatainak összegyűjtésére, ami képes csökkenteni a manuális kereséssel járó idő- és erőfeszítés-költségeket. Míg a folyamata és integrációi részletei nem kerülnek előtérbe, a koncepció egy olyan mesterséges intelligenciáját vezérlő adatsegítőre utalhat, amely képes könnyedén integrálni különféle adatelőállító eszközöket, így javítva az általános kutatói folyamatot. A Table Agent erősségei feltehetően az automatizálható fáradságos adatgyűjtő feladatok és az eltérő adattípusok iránti alkalmazkodóképessége köré épülnek fel. Azonban abszolút specifikus adatok hiányában nehéz meghatározni korlátait vagy az alternatív adatsegédprogramokhoz viszonyított összehasonlítását.
Kritériumok szétosztása
- Automatizált adatgyűjtés
- Testreszabható adatsémák
- Mesterséges intelligenciával működő adatkeresés
- Gyors és pontos adatvisszanyerés
Autoresearch
Nyílt forráskódú projekt, amely lehetővé teszi, hogy az AI ügynökök önállóan futtassák LLM tréningkísérleteket és megtartsák a legjobb modellváltoztatásokat.
Az Autoresearch egy nyílt forráskódú projekt, amely lehetővé teszi, hogy az AI ügynökök önállóan futtassák LLM tréningkísérleteket és megtartsák a legjobb modellváltoztatásokat. A projekt lehetővé teszi a felhasználók számára, hogy egy kis, de valós LLM tréningkörnyezetet állítsanak fel, és egy AI ügynököt éjszakánként kísérleteztesse vele: módosítja a kódot, rövid ideig tréninget végez, és ellenőrzi, hogy javulnak-e az eredmények. A cél a kutatási folyamat automatizálása, hogy az AI ügynök emberi beavatkozás nélkül felfedezhesse a különböző modellarchitektúrákat, hiperparamétereket és optimalizációs stratégiákat. A projekt tartalmaz egy egyszerűsített, egy GPU-s nanochat megvalósítást, és alapvető struktúrát biztosít az AI ügynök kutatási folyamatának programozásához Markdown fájlok segítségével. A projekt bővíthető, így a felhasználók további ügynököket adhatnak hozzá és idővel javíthatják a kutatási folyamatot.
Kritériumok szétosztása
- Önálló LLM tréningkísérletek
- AI ügynök által vezérelt kutatási folyamat
- Egy GPU-s nanochat megvalósítás
- Markdown-alapú programozás a kutatási folyamathoz
- 5 perces tréningidőkeret értékelési metrikával (val_bpb)