Research AI Agents შერკინება — 28 მარტი, 2025

1

Cell2Sentence

ღია წყაროს მქონე ჩარჩო, რომელიც ერთი უჯრის გენური ექსპრესიის "cell sentences"-ად გარდაქმნის, რათა LLM-ები შეძლონ მისი ანალიზი და ბიოლოგიური ხედვების გენერირება.

4.3 (4)

უფასო

სრული მიმოხილვა

Cell2Sentence არის ღია წყაროს ჩარჩო, რომელიც ერთეული-კელების გენთა ექსპრესიის მონაცემებს გარდაქმნის 'კელის წინადადებებში' Large Language Models (LLMs) –ის ანალიზისა და ხედვის წარმოქმნის მიზნით. ის წინაპირობს ექსპრესიის ვექტორების კლასიფიცირების ტრანსფორმაციას კელის წინადადებებად, რომლებიც არიან სივრცით გამოყოფილი გენების სახელები, დებაშვებად დალაგებული. ეს საშუალებას აძლევს LLM-ებს ნატიულად მოდელირება ერთეული-კელ RNA‑სეკვენცინგ (scRNA‑seq) მონაცემებს. ჩარჩოში შედის C2S-Scale მოდელები, რომლებიც შეაერთებენ ტრანსკრიპტომური და ტექსტური მონაცემებს და გაძლევთ მოწინავე ერთეული‑კელზე ამოცანებს, როგორიცაა პერტურცაციის პროგნოზირება, მონაცემთა ნაკრების შეჯამება, კლასტერული თავსართების შექმნა და ბიოლოგიური კითხვებზე პასუხის გაცემა. C2S-Scale მოდელები ხელმისაწვდომია Hugging Face-ზე და მათი საფუძველზე აშენებულია არქიტექტურები, როგორიცაა Pythia და Gemma-2. Cell2Sentence განკუთვნილია მეცნიერებისა და კვლევით მომუშავე პირებისთვის, რომლებიც მუშაობენ ერთეული-კელ ტრანსკრიპტომის მონაცემებზე. ფრემვორკი განახლდა ახალი მოდელებით და ფუნქციებით, მათ შორის მხარდაჭერა მორგებული prompt‑შაბლონებზე fine‑tuning‑ისათვის და მრავალუჯრედიანი prompt‑ფორმატირებისათვის. ის ასევე შეიცავს Pythia‑მოდელების კომპლექტს უჯრედის ტიპის პროგნოზირებისთვის, უჯრედის ტიპზე დაფუძნებულ გენერაციისთვის და მრავალ‑უჯრედიანი, მრავალ‑ამოცანიანი მოდელი, რომელიც ტრენინგებულია 57 მილიონზე მეტი ადამიანის და თვინიის უჯრედებზე. Cell2Sentence ჩარჩო დოკუმენტირებულია და აქვს გამოყენების ტუტორიალები, მათ შორის fine-tuning და multi-cell prompt formatting‑ის მაგალითებიც. Cell2Sentence-ის განვითარება ჩართულია van Dijk ლაბში და გამოაქვეყნებულია preprint-ით bioRxiv-ზე. Cell2Sentence საშუალებას აძლევს მომავალ თაობის ერთ-ცელულური აღმოჩენას LLM-ების მეშვეობით.

• ექსპრესიის ვექტორების გადაყვანა cell sentences-ად
• C2S-Scale მოდელები მოწინავე ერთეული-კუჭის დავალებებისთვის
• მორგებული მოთხოვნა შაბლონებზე ფაინ-ტუნინგის მხარდაჭერა
• მრავალ-კუჭის მოთხოვნის ფორმატირება
• Pythia და Gemma-2 არქიტექტურებზე დაფუძნებული წინასწარ-შिक्षული მოდელები

2

AlphaSense

AI-ტექნოლოგიებზე დაფუძნებული ბაზრის ინტელექტის პლატფორმა, რომელიც ავტონომიურად იძებნება ექსპერტთა ინსაიტებს და ანალიტიკოსის დონის კვლევას მასშტაბში აწვდის.

4.4 (5)

კონტაქტი

სრული მიმოხილვა

AlphaSense არის AI-ძალით შექმნილი ბაზრის ინტელექტის პლატფორმა, რომელიც ბიზნეს გადაწყვეტილებების მიზნით ნდობით აღემატება ინფორმაციას. იგი სრულად შექმნილი წყაროების კოლექციას იტყვება, მათ შორის Tegus-ის ექსპერტთა ტრანსკრიპტები, ბროკერთა კვლევა და კომპანიების რეგისტრაცია. პლატფორმა გამოიყენებს განვითარებულ აი-მოდელებს მაღალი ხარისხის ინფორმაციის გენერაციისათვის სასაუთუნო ციტატებით. AlphaSense ინტეგრირებს სამუშაო პროცესებს, რაც ფრაგმენტულ წყაროებს შემცირებას და შეერთებულ ინფორმაციას უზრუნველყოფს. მისი GenAI შესაძლებლობები რეალურ დროში ინფორმაციას აძლევს, რომელიც გადაწყვეტილებებს უზრუნველყოფს საიმედო ექსპერტიზით. პლატფორმა შექმნილია ინვესტიციური ბანკინგისათვის, ჰეჯ-ფონდების, პირადი კაპიტალის, აქტივების მართვის, კონსულტინგის, სიცოცხლის მეცნიერებების და სხვა ინდუსტრიებისათვის. AlphaSense ის განსხვავებით ხასიათდება მაღალი სინთეზის ინსაიტებით, რომლებიც შექმნილია უპირმასწინები კონტენტისგან. პლატფორმა ასევე მოიცავს კონფიგურირებად აგენტებს რეპეტირებადი კვლევითი ამოცანების ავტომატიზაციისთვის, შედეგების ექსეკუტიურ ანგარიშებსა და სლაიდებში გარდაქმნას. მისი გენერატიული ძიება იძლევა 360 გრადუსიან ხედვას ბაზრებსა და კომპანიებზე, კვალიტატიურ ინსაიტებთან კავშირში სტრუქტურიზირებულ ფინანსურ მონაცემებთან. AlphaSense-ის ერთ-ერთი მთავარი სიმძლავრე მის მიერ მომხმარებელთა უსაფრთხოებით და სისწრაფით გაბედული ნაბიჯების გაკეთების შესაძლებლობაა. პლატფორმა გუნდებს საჭირო ზუსტ პასუხებს, უნიკალურ შეხედულებებს და კრიტიკულ განახლებებს აძლევს, რათა ისინი კონკურენციას თავი შეაქცევინ.

• შერჩეული წყაროები
• Tegus ექსპერტთა ტრანსკრიპტები
• ბროკერთა კვლევა
• კომპანიის მოხსენებები
• კერძო და საზოგადოებრივი ფინანსური მონაცემები
• GenAI ნამდინარე ინსაიტებისთვის

3

AMIE

მრავალმოდული AI დიაგნოზური აგენტი, რომელიც ახორციელებს კლინიკური დიალოგებს და ანალიზს სამედიცინო სურათებზე ზუსტ დიაგნოზებისთვის.

4.7 (6)

უფასო

სრული მიმოხილვა

AMIE (Articulate Medical Intelligence Explorer) არის კვლევის AI დიაგნოსტიკის აგენტი, რომელიც განვავითარა Google DeepMind და Google Research. იგი განკუთვნილია კლინიკური საუბრის ჩატარებისთვის და სამედიცინო სურათების ინტერპრეტაციისთვის, რათა მიიღოს ზუსტი დიაგნოზები. პირველ რიგში, AMIE ტექსტზე დაფუძნებული სამედიცინო დიაგნოსტიკის საუბერული AI აგენტი იყო, რომელიც გამოქვეყნდა Nature ჟურნალში. უახლესი განვითარება, მრავალმოდალური AMIE, ინტეგრირებს შესაძლებლობას ინტელიგენტურად მოითხოვოს, ინტერპრეტირდეს და დასაბუთოს ვიზუალური სამედიცინო ინფორმაცია კლინიკურ საუბრის დროს. ეს განვითარება მიზნად ისახავს დიაგნოსტიკის სიზუსტის გაუმჯობესებას, მრავალმოდალურ მონაცემთა, როგორიცაა სურათები და დოკუმენტები, დანერგვით დიაგნოსტიკური პროცესში. AMIE იყენებს მდგომარეობის‑გათვალისწინებელი აზროვნება-ჩარჩოს და აშენებულია მრავალმოდალური Gemini მოდელებზე. იგი შეაფასდა ექსპერტული შეფასებებით, მათ შორის Objective Structured Clinical Examinations (OSCEs), რაც შეადარებს მისი შესრულებას პირველადი მოვლის ექიმებთან (PCPs) სხვადასხვა პაციენტის სცენარებში.

• მრავალმოდული დიაგნოსტიკური დიალოგი
• ვიზუალური სამედიცინო ინფორმაციის ინტერპრეტაცია
• მდგომარეობის გათვალისწინებული მოსაზრების ჩარჩო
• Gemini მოდელებთან ინტეგრაცია
• დიალოგის შეფასებისთვის სიმულაციის გარემო

4

Autoresearch

ღია წყაროს პროექტია, რომელიც AI აგენტებს საშუალებას აძლევს თვითონ LLM‑ის ტრენინგის ექსპერიმენტები გაუშვათ და საუკეთესო მოდელის ცვლილებებს შეინარჩუნონ.

4.8 (5)

უფასო

სრული მიმოხილვა

Autoresearch არის ღია წყარო პროექტი, რომელიც საშუალებას აძლევს AI‑აგენტებს დამოუკიდებლად ჩატარონ LLM‑ის ტრენინგის ექსპერიმენტები და შეინახონ საუკეთესო მოდელის ცვლილებები. პროექტი მომხმარებელს საშუალებას აძლევს შექმნას პატარა, მაგრამ რეალური LLM‑ის ტრენინგის გარემო და AI‑აგენტს შეეცვალოს კოდი, მოკლე პერიოდის განმავლობაში ტრენინგს მოახდინოს და შედეგები შეამოწმოს, თუ ისინი უკეთესად არიან. მიზანია კვლევის პროცესი ავტომატიზაცია, AI‑აგენტი შეძლებს სხვადასხვა მოდელის არქიტექტურებს, ჰიპერპარამეტრებს და ოპტიმიზაციის სტრატეგიებს გამოიცანიათ ადამიანის ჩარევის გარეშე. პროექტში შედის მარტივი, ერთი GPU‑ის nanochat‑ის განხორციელება და მიაწოდება ძირითადი სტრუქტურა AI‑აგენტის კვლევის პროცესის პროგრამირებისთვის Markdown‑ის ფაილების გამოყენებით. პროექტი შექმნილია, რათა მასივი იყოს, მომხმარებლებს შეუძლიათ დაამატონ მეტი აგენტი და დროდადრო გააუმჯობესონ კვლევის პროცესი.

• თავადატომ LLM‑ის ტრენინგის ექსპერიმენტები
• AI აგენტის მიერ მართვადი კვლევითი პროცესი
• nanochat‑ის ერთი GPU‑ის განხორციელება
• Markdown‑ზე დაფუძნებული პროგრამირება კვლევითი პროცესისთვის
• 5‑წამის ტრენინგის დროის ბიუჯეტი შეფასების მეტრიკით (val_bpb)

5

Google AI Co-Scientist

მრავალ-აგენტის AI სისტემა, რომელიც მეცნიერებთან თანამშრომლობს ჰიპოთეზის შექმნისა და ბიომედიცინური კვლევის აჩქარებისთვის.

4.5 (4)

უფასო

სრული მიმოხილვა

Google AI Co-Scientist არის მრავალ-აგენტის AI სისტემა, რომელიც შექმნილია მეცნიერებთან თანამშრომლობისთვის და ბიომედიცინის კვლევის აჩქარებისთვის. იგი შექმნილია Gemini 2.0‑ით და მოქმედებს როგორც ვირტუალური სამეცნიერო კოლაბორატორი, რომელიც ხელს უწყობს ახალ ჰიპოთეზებისა და კვლევის წინადადებების გენერირებას. სისტემის მიზანია ასახოს იმ გონების პროცესი, რომელიც უწყობს სამეცნიერო მეთოდის საფუძველს, და გამოვიყენოთ ახალი, ორიგინალური ცოდნა. მეცნეობის მიზნის, რომელიც მითითებულია ბუნებრივი ენის სახით, მიხედვით, Google AI Co-Scientist ქმნის ახალ კვლევითი ჰიპოთეზებს, დეტალურ კვლევის მიმოხილვას და ექსპერიმენტალურ პროტოკოლებს. ის იყენებს სპეციალიზებული აგენტების კოლაკციას, მათ შორის Generation, Reflection, Ranking, Evolution, Proximity და Meta-review, რომლებიც ავტომატური ფედბეკის საშუალებით იტერატიულად ქმნიან, შეფასებენ და აუმჯობესენ ჰიპოთეზები. სისტემა აძლევს მეცნიერებს სხვადასხვა გზით ურთიერთობა მასთან, მათ შორის სიდის იდეების მიწოდება აღმოჩენისთვის ან ფედბეკის მიწოდება გენერირებულ შედეგებზე ბუნებრივი ენის საშუალებით. Google AI Co-Scientist ასევე იყენებს ინსტრუმენტებს, როგორიცაა web-search და სპეციალიზებული AI მოდელები, რათა გაუმჯობესოს ჰიპოთეზების საფუძველი და ხარისხი. სისტემა შექმნილია ისეთი, რომ მოქნად იზრდეს compute‑ის შესაძლებლობა და იტერატიულად გაუმჯობესოს თავისი სამეცნიერო გონება მითითებული კვლევის მიზნისკენ. Google AI Co-Scientist განსაკუთრებით გამოსადეგია იმ მეცნიერებისთვის, რომლებიც სირთულეებს ერკვევა სამეცნიერო პუბლიკაციების სწრაფად ზრდის ნავიგაციასა და უცნობი დარგებიდან შეხედულებების ინტეგრაციაში. უახლესი AI‑ტექნოლოგიების, მათ შორის კომპლექსურ თემებზე სინთეზის და გრძელმავლიანი დაგეგმვისა და დასკვნებთან მუშაობის შესაძლებლობის გამოყენებით, Google AI Co-Scientist მიზნად ისახავს სამეცნიერო და ბიომედიცინის აღმოჩენების პროცედურების სიჩქარის გადაჩქარებას. სისტემა ტესტირებულია სხვადასხვა აპლიკაციებში, მათ შორის გენური ტრანსფერების აღმოჩენა და ტრანსფერების თავიდან აღმოჩენა. AI Co-Scientist რამდენიმე უპირატესობას სთავაზობს, თუმცა მისი ეფექტურობა დამოკიდებულია შეყვანილი კვლევის მიზნის ხარისხზე და მეცნეთა შესაძლებლობაზე მნიშვნელოვანი უკუკავშირის მიწოდებაში. AI Co-Scientist ახალი ინსტრუმენტია, რომელიც შეიძლება მნიშვნელოვანი გავლენა ჰქონდეს მეცნიერთა საზოგადოებაზე, თუმცა მისი შეზღუდვები და სავარაუდო დამახინჯებები ფრთხილად უნდა შეფასდეს. Google AI Co-Scientist-ის განვითარება მიმდინარე შრომაა, ხოლო მისი მომავალში გამოყენება და გაუმჯობესება დამოკიდებულია მუდმივი კვლევასა და ტესტირებაზე.

• ჰიპოთეზის შექმნა
• კვლევის მიმოხილვის შექმნა
• ექსპერიმენტის პროტოკოლის შემუშავება
• მეცნიერებრივი აზროვნებისათვის სპეციალიზებული აგენტები
• ავტომატური უკუკავშირის ციკლი
• ვებ-ძებნის ინტეგრაცია