წარსული ბრძოლა · 2024-02-26 UTC
Research AI Agents შერკინება — 26 თებერვალი, 2024
Research AI Agents კატეგორიიდან. 24 ნიშნები განთავსებული 7 მებრძოლზე. GLM-4.6V-მა აიღო გვირგვინი.
საბოლოო შედეგები
შემადგენლობა
მებრძოლები
ამ ბრძოლაში მონაწილე ყველა ხელსაწყოს პროფილი, დალაგებული მათი საბოლოო ქულის მიხედვით.
GLM-4.6V
ღია წყაროს multimodal GLM Z.ai-ისგან, რომელიც აერთიანებს ხედვას, ტექსტს და tool calling‑ს გრძელ კონტექსტის reasoning, search, coding და UI-to-code‑თვის.
GLM-4.6V არის მრავალმოდალური დიდი ენის მოდელი, რომლის კონტექსტის ფანჯარა 128k ტოკენზე იზრდება და უმაღლეს დონეზე ახდენს ვიზუალურ გაგებაზე. იგი ინტეგრირებულია ადგილობრივ Function Calling შესაძლებლობით, რაც ერთიანი ტექნიკური საფუძველი შექმნის მრავალმოდალურ აგენტებს რეალურ ბიზნეს‑სცენარიოებში. GLM-4.6V შეუძლია მიიღოს მრავალმოდალური შეყვანები და ავტომატურად შექმნას მაღალი ხარისხის, სტრუქტურირებული სურათ-ტექსტის შერეული შინაარსი, გაუკეთოს კომპლექსურ დოკუმენტის გაგება, და შესრულება ვიზუალური ძიება და მიღება. ეს მოდელი უზრუნველყოფს მრავალ შესაძლებლობასა და სცენარებს, მათ შორის ინტელექტუალური სურათი‑ტექსტის კონტენტის შექმნა და განლაგება, ვიზუალური ვებძიება, მდიდარი მედია ანგარიშის გენერაცია, ასევე გრძელ კონტექსტის გაგება. იგი შეუძლია მიიღოს შერეული ტექსტსა და სურათის შეყვანა, შექმნათ მაღალი ხარისხის კონტენტი და გამოატაროთ ვიზუალური აუდიტის ჩატარება კანდიდატურ სურათებზე. GLM-4.6V-ის მულტიმოდალური ძიება-ანალიზის სამუშაო ნაკადი აძლევს შესაძლებლობას ბერად გადადეთ ვიზუალური შეხედულებიდან ონლაინ მიღებაზე და სტრუქტურირებულ ანგარიშის შექმნაზე. იგი უზრუნველყოფს მულტიმოდალურ კონტექსტის ცნობადობას და ახორციელებს დასკვნებზე, რომლებიც დაყრდნობა როგორც ტექსტურ, ასევე ვიზუალურ ინფორმაციაზე. ამ მოდელს რამდენიმე შესაძლებლობაა და სცენარია, მათ შორის ინტენტის განსაზღვრა და ძიების დაგეგმვა, მრავალმოდალური შედეგების სინქრონიზაცია, აგრეთვე მდიდარი მედიის ანგარიშის შექმნისას დასკვნა.
კრიტერიუმების დაყოფა
- Multimodal შეყვანის მხარდაჭერა (სურათები, ტექსტი, ფაილები)
- Native multimodal tool calling
- 128k context length
- Function Calling შესაძლებლობები
- Long-context გაგება
- Visual comprehension და tool retrieval
HQBot
პარალელური კვლევის აგენტი, რომელიც ქმნის VC-სტილის ინვესტიციო მემოსა და ICP კლიენტის მემოს, შემდეგ კი აგრეგირებულია მოქმედებების გეგმით, რომელიც შეიცავს ქულას.
HQBot – ეს პარალელური რესურსების ერთიანების აგენტი, რომელსაც ავსტრალურობისა და კლიენტთა მართვის პროცესების სტრიმლაინინგს ერთიანებულად ეკმურია, ზემფლობელმა უწვრთნელობის ეს ინსტრუმენტები ფორსეს უკვე მემოების და კლიენტთა მემოების სახელითა გენერირების განტვირთვის დროს ფორმით სამდა ზრდა მეხ ეზე ზემფლობელმა უწფარვენდლი მიღებისა აგენტთა ზედერენასლას ეყსალა! კლიენტთა შინაარსი ავსუტ ენა ნდუბლი ლ, რობოტისავის ნდუბით თქნილი კლიენტთა ა ბი პლენ შინაარსი ები მ ან, შემფენ ხელთავით კლიენტებს რესურსების თვის პროგნოზს დამახნა ა პ ლ -ნ ზედერინ დ უდ მ ლ -ა .
კრიტერიუმების დაყოფა
- VC-style განაცველებისთვის ინვესტიციური მემოს განვითარება
- ICP კლიენტთათვის მემოს განვითარება
- აქციონერების გუნდების მიმზიდველი ფორმირული ნაწილების გაერთიანება სკორინგით
- ბუნაობის გამოყენება და მაჩინ ლერნინგი ალგორითმები
- ბევრ მონაცემთა წყაროსთან და AI სამეცნიერო ინსტრუმენტებით ინტეგრაცია
- საკუსტომიზებელი მემოსა და ფორმატის ვისოლებში
QualiaInterviews
AI-ხელმძღვანელობაში მრავალენოვანი, საკონვერსაციო კვლევითი და შეფასებითი ინტერვიუების პლატფორმა მასშტაბით.
QualiaInterviews არის კვლევითი პლატფორმა, რომელიც AI-ს იყენებს მონაწილეებთან ინტერვიუების ჩასატარებლად ბუნებრივი, საუბრისეული დიალოგის საშუალებით. იგი გუნდებს საშუალებას აძლევს მოაგროვონ კვალიტატიური შეგმენდები უფრო დიდი მაგალითის სიდიდიდან, ვიდრე ტრადიციული ერთმანეთთან ინტერვიუები იძლევიან, შენარჩუნებით ღრმა და ნიუანსის ღია კონვერსაციის. ინსტრუმენტი მხარს უჭერს ინტერვიუებს მრავალ ენაზე, რის გამოც ის შესაფერისია სასაზღვრო შესწავლებისთვის, გლობალური ბაზრის კვლევისთვის და პროგრამების შეფასებისთვის. მკვლევრებს შეუძლიათ შექმნან ინტერვიუს სახელმძღვანელოები, განაწილონ მონაწილეებს და შეიფასებ ავტომატურად სტრუქტურიზებული შედეგები ყოველი სესიის ხელით მოდერაციის გარეშე. QualiaInterviews ჩვეულებრივ გამოიყენება სოციალური მკვლევრების, შეფასების სპეციალისტების, UX გუნდების და იმ ორგანიზაციების მიერ, რომლებიც ახდენენ გავლენის შეფასებას და რომელთათვის საჭიროა მასშტაბირებადი კვალიტატიური მონაცემები კონვერსაციის სიღრმის უზრუნველყოფის გარეშე.
კრიტერიუმების დაყოფა
- AI-მოდერატორი საკონვერსაციო ინტერვიუები
- მრავალენოვანი ინტერვიუს მხარდაჭერა
- ავტომატური შემდეგი და გამოკითხვის შეკითხვები
- კვალიფიკაციური პასუხების სტრუქტურირებული ანალიზი
- მონაწილეთა დეპლოიმენტის მასშტაბირება
- კვლევითი და შეფასებითი ვორკფლოუს ინსტრუმენტები
Table Agent – ინტელექტუალური მეთოდები ნავიგაციის საშუალებაა, რომელიც კლიენტებს საშუალებას მისცემს ტეიბლ-რისერჩის პროცესში საჭირო ინფორმაციას წამლავზე, ავტომატიზირებული API სერვისების გამოყენებით, ორგანიზებული რთული ინფორმაციის შეგროვებაში. ტაიბლ ეჯენტი, კლიენტებს საშუალებას მისცემს, მათთვის სავალდვივო ტოპიკების სათავეში ინფორმაციის კოლექციების შეგროვების ეფსეთ ეფექტურად ავტომატიზებულ და გათვალისწამებულ სისტემებში. სისტემა რთულად შეიძლება სკემების ფორმირება, რაც საშუალებას იძლევა მომხმარებლებს მონაცემების სინთეზს საბოლოო მოთხოვნების მიხედვით დაფერხდებმა. ეს მარტივი სამთავროვნება მთელ რიგი აკადემიურიდან მცენტრებამდე ინდუსტრიებს დიდ მენეჯაბილი აქსად ეს არის, რადე დიდი მცველმა ერთო ორო ფერხთობს შეიძლებმ შეავრთა. ლიდერი ინტელექტუალური აგენტებით აღჭურვილი ბაზის ტეიბლ ეგენტის სურსათში ფუნქციის საუკუთსო ადგილი არის აი ძიების მოხერხებული საშუალება, რომლის საშუალებით ინტელექტუალური ნებისმიერი მონაცემების ეჭარბება აავტომატური ძიება, კერძოდ წაკითხვის დროს და მნიშვნელობაში სავსებით დარღვევით, ახლა ეფექტურს ზრდება წაკითხვის საშუალება სხვადასხვა საბაზო შემოწმეთ, საბრძოლო ძიების პროცესები. მონაცემთა აგენტის ფუნქციონირებისთვის და ინტეგრაციებისთვის დეტალები არ არის ნახსენები, მაგრამ რობოტული მენტორთა მეთოდების კონცეფცია პროგნოზის მიხედვით შეიძლება ამოუვლით სხვადასხვა API-ებთან და LLM-ებთან გარეთ, აიზოლაციის შემცირება მეხსიერება და საბოლოოდ თვითავტონომია. ზოგიერთ სერვისზე ბაზირებულ SaaS-ას რომ ჩავთვლათ, ალბათ უკან გადადგმული მონაცემთა ათვესთან ერთად უფრო ნათელი ხდება. Table Agent-ს გარკვეულ სტრენგებს აქვს, მათ შორის ტედიოზური მონაცემების კოლექციის ავტომატური ცვლა და ეფრენა განსხვავებული მონაცემების სტრუქტურების გამოყენება. მიუხედავად იმისა, რომ უბრალო ინფორმაციის ნაკლებობის გამო, ამან ფრაგმენტულო აქვს საკითხი, რითი ის სუსტება მოიცავს, ან ის როგორ გვიუთხავენ სხვა ალტერნატიული დატკების საშუალებას.
კრიტერიუმების დაყოფა
- ავტომატური მონაცემთა ეკრანების შეგროვება
- კუსტომორული მონაცემთა შემადგენლობა
- AI-აგენტ მითიშებული მონაცემთა სინჯები
- სწრაფი და სწორი მონაცემთა მოპოვება
Bright Data Web MCP
MCP სერვერი, რომელიც AI აგენტებისთვის უზრუნველყოფს საიმედო ვებ-ძებნას, სკრეპტინგს და ბრაუზერის ავტომატიზაციას 5 000 უფასო თვეში მოთხოვნით
Bright Data Web MCP არის სერვერი, რომელიც AI აგენტებს საშუალებას იძლევა საიმედოდ ძებნის, სკრაპინგის და ბრაუზერების ავტომატიზაციის გაკეთება. იგი ყოველ თვეში 5,000 უფასო მოთხოვნის შესაძლებლობას აძლევს. ხელსაწყო AI აგენტებს ეფექტურად ძებნის, მონაცემთა გაშვების და საიტებზე ნავიგაციის შესაძლებლობას გაძლევთ, დაბლოკვის გარეშე. ის მოიცავს ფუნქციებს, როგორიცაა რეალურ დროში ძებნის შედეგები, მონაცემთა გაშვება, საიტის კროლი და ბრაუზერის ავტომატიზაცია. Web MCP შექმნილია ბლოკებისა და შეზღუდვების გადალახვისთვის და აღიარებულია 20,000-ზე მეტი მომხმარებლის მიერ მთელ მსოფლიოში.
კრიტერიუმების დაყოფა
- რეალურ დროში ვებ-ძებნა
- ვებსაიტის კროლინგი და მონაცემთა გატანა
- ბრაუზერის ავტომატიზაცია
- გეო-შეზღუდვების და CAPTCHAs გადაჭარბება
- დინამიური შიგთავსისთვის JavaScript‑ის რენდერი
- რეალური მომხმარებლის ქცევის სიმულაცია
Kosmos
ავტონომიური AI მკვლევარი გრძელ კვლევების კამპანიებისთვის, რომელიც ანალიზს აკეთებს მონაცემებსა და ლიტერატურას, რათა შექმნას სრულად ციტირებული სამეცნიერო ანგარიშები.
Kosmos არის ავტონომიური AI სამეცნიერო მეცნიერი, რომელიც შექმნილია ბიოფარმას R&D გუნდებისა და მკვლევარებისთვის. ის მონაცემებსა და ლიტერატურას ანალიზს აკეთებს, რათა შექმნას სრულად ციტირებული სამეცნიერო ანგარიში, რაც აჩქარებს მედქის განვითარებას ჰიპოთეზიდან რეგისტრაციამდე დღეში, არ თვეში. Kosmos თვითონვე მუშაობს, ლიტერატურას წაიკითხავს, ჰიპოთეზებს ქმნის, კვლევებს მართავს და სამეცნიერო სამუშაოთა ნაკრებს ასრულებს. ის მხარს უჭერს მედქის განვითარების სრული ციკლს, მიზნის იდენტიფიკაციისა და კლინიკური განვითარებებიდან დაწყებული და დოკუმენტაციის მომზადებამდე. AI ინსტრუმენტი თანამშრომლობს ადამიანურ მეცნიერებთან Slack, Teams და ელფოსტით, და ისწავლება ორგანიზაციის ცოდნიდან, აგებულია ექსპერიმენტული ისტორიიდან და საკუთრივ სამეცნიერო მონაცემებიდან.
კრიტერიუმების დაყოფა
- ავტონომიური ჰიპოთეზების გენერაცია
- ლიტერატურული ანალიზი
- მონაცემთა ანალიზი
- სამეცნიერო სამუშაო პროცესების შესრულება
- შეერთება Slack, Teams და ელ‑ფოსტით
- Model-agnostic მომავალი უახლესი მოდელებისთვის
ResearchClaw
OpenClaw შესაბამისი აგენტი, რომელი პუბლიკირებული სტატიებიდან ათავისუფლებს და დარჩებიანთა სიაში გამოსამოქმედად გამოგონ სპეციალისტური ან მეცნიერული თანამდებობის კანდიდატები, გამოიძახოთ უმოვედ, ათავისუფლებს რეკრუტორებს და მოვალე კაცობრიობასთან მასპინძლობ, დრაფტულად წერებს ზუსტი, მსახურად გამიხარგვების თეიზისის
ResearchClaw არის ინტელექტუალური პერსონალა პაპიკაციაში,, რომლის მიზანია ოფისათვე გამოძიება და კონტაქტი ოფისათვეე. ის ახყოფლობს OpenClaw ტექნოლოგიით, რომლის მიერ გამოძიებული მეცნიერები ოდკაც რეიკინგი პროცესის გავლით მნიშვნელობას მინდორით მზად, დაწეკვით ეს, რის მცვლელით იყო სამ. პლეინ-ინგლისური საკვანცცები თვითნეგ. პლეინ-ინგლის. სუმარი
კრიტერიუმების დაყოფა
- სამეცნიერო საძიებოების იდენტიფიკაცია და დათვლა
- ეზოცენტრული საწელაძოს მოთხოვნების გენერაცია
- სიცილანცლების სათაურების ტალღები
- ღილაკი ტექნოლოგიის გათვლა
- ავტომატიზირებული აუთრეტის უნარები
- სამეცნიერო საძიებოების მუშაობის დაჯგუფება