지난 배틀 · 2024-05-31 UTC
Research AI Agents 대결 — 2024년 5월 31일
Research AI Agents 카테고리에서. 8개의 참가자에 걸쳐 34 표시가 배치되었습니다. Google AI Co-Scientist이(가) 왕좌를 차지했습니다.
최종 순위
출전 라인업
참가자들
이 배틀에 참가한 모든 도구의 프로필, 최종 점수순으로 순위가 매겨졌습니다.
"Google AI Co-Scientist"는 학자들과 생명과학 연구를 가속화하기 위한 다원형 인공지능 시스템이라고 할 수 있습니다. Gemini 2.0에 의해 구축되며, 연구 제안 및 새로운 가설을 생성하는 데 도움이 되는 가상 과학 협력자를 제공합니다. 학문적 방법론의 추론 프로세스를 마치고 새로운 원본 지식을 밝혀내는 데 이르기까지의 목표를 달성하기 위해 설계되었습니다. 자연어로 연구 목표를 지정한 과학자에게, AI Co-Scientist는 새로운 연구 가설, 세부 연구 개요, 실험 계획을 생성합니다. 고사양 에이전트의 동맹으로 작용하는 Generation, Reflection, Ranking, Evolution, Proximity, Meta-review과 같은 다양한 에이전트가 자동 인풋에 의해 반복적으로 가설을 생성하여 평가하며, 가설의 질을 개선합니다. 사용자들은 seed 아이디어를 제공하거나 natural 언어로 생성된 결과에 대한 피드백을 제공하는 등의 방식으로, AI Co-Scientist와 다양한 방법으로 상호 작용할 수 있습니다. AI 모델 및 웹 검색 도구 등과 같은 도구를 사용하여 가설의 바닥터지를 향상시키고, 생성된 가설의 질을 개선할 수 있습니다. 또한 계산의 유연한 확장 및 명시된 연구 목표를 향한 학문적 논리의 반복적인 개선이 설계된 시스템이므로, 연구 목표를 달성하는 데 도움을 줄 수 있습니다. AI Co-Scientist는 신속하게 증가하고 있는 과학 논문에 부딪힌 과학자에 특히 유용합니다. 알려지지 않은 영역의 통찰력을 통합하는 것을 포함하여 복잡한 주제를 합성하고 장기 계획 및 推論을 수행할 수 있는 최근의 AI 진보를 통해, AI Co-Scientist는 과학과 의료 기술 발견의 시계 속도를 가속화하기 위해 목표를 세우고 있습니다. 이 시스템은 유전자 전달 발견 및 전달 재발견과 같은 다양한 응용 프로그램에서 테스트되었습니다. Google AI Co-Scientist는 몇 가지 이점을 제공하지만, 효과적인 결과를 얻으려면 입력 연구 목표의 질과 과학자의 의미 있는 피드백 제공 능력이 중요합니다. 새로운 AI Co-Scientist 도구는 과학 커뮤니티에 큰 영향을 주는 잠재력이 있지만, seus 제한 및 잠재적 편향성은 면밀히 평가되어야 합니다. 인공지능 연구자 AI Co-Scientist의 개발은 지속적인 연구과 시험에 의해 지속되는 노력이 필요한ONGOING 노력이며, 미래의 응용과 개선은 지속적인 연구과 시험에 의존합니다.
평가 기준 분해
- 가설 생성
- 연구 개요 생성
- 실험 장치 개발
- 과학적 유추를 위한 특화된 어그런트
- 자동 피드백 루프
- 웹 검색 통합
Bright Data Web MCP AI . 5,000 . AI , , . , , , . 20,000
평가 기준 분해
- JavaScript
코스모스는 약물 개발 연구소 및 연구팀을 위한 자율 AI 과학자를 제공하며, 이 과학자는 학술문을 분석하고 완전한 출처가 있는 과학적 보고서를 생성하며, 의약품 개발 과정을 하이퍼시스부터 등록까지 일주일에서 몇 개월로 가속시킨다. 코스모스는 자율적으로 과학 문헌을 읽고 가설을 생성하고 실험을 지시하며 과학적 업무 흐재를 실행한다. 또한 코스모스는 의약품 개발의 전체 생명을 지원하며, 표적 식별부터 임상 개발과 제출까지 모든 단계를 커버한다. 이 AI 도구는 Slack, Teams 및 이메일을 통해 사람들의 과학자와 협력하며, 조직의 지식을 배우고 EXPERIMENTAL HISTROY 에서의 경험적 역사 및 사적으로 보호된 과학 데이터에서 배우며, 조직의 지식에 의존한다.
평가 기준 분해
- 무인 가설 생성
- 학술 문헌 분석
- 데이터 분석
- 과학적 워크플로우 실행
- 슬랙, 팀즈 및 이메일을 통해 협업
- 미래 제약상 모델을 위한 모델 무관성
THEUS (Aigora)
사업 엔터프라이즈 AI 연구 시스템이 자체 연구를 추적 가능한 통찰과 실제 ID, 인용문, 전문가 가면으로 만드는 데 필요한 기술이다.
THEUS는 기업의 AI 연구 시스템으로, 내부 연구결과를 추적 가능한洞察물로 바꿔Fact ID, 문헌지시자, 그리고 전문가 아바타를 통해 제공합니다. THEUS는 Google의 에이전트 개발 키트(ADK)위에 기반을두고 있으며데이터-anchored 지식 에이전트에 대해 양방향 모델링을 사용합니다. 사용자는 연구자료를 추출·합성·탐색할 수 있으며, 각 클레임은 특정한 Fact ID로 page 수준의 문헌지시자를 포함합니다. THEUS는 이 두 가지 방식을 통해 탐색을 제공합니다: Dr. Reed를 통해 새로운 이해관계를 생성하거나 Dr. Sinclair를 통해 존재하는지식분석하기 }VP의洞察 및 전략능력 확충에 앞장서고 있는 경영인에게 최적화된 이 플랫폼은 GENERIC 기업 인공지능 대신 특수 제작된 연구 방법론을 사용하고 실제 제도가 운용하는 데이터를 토대로 데이터 기반 지식 요원들을 교육합니다. 뉴욕 نی어슨(Nielsen)의 통계에 의하면 새로운 제품 중 85%가 2년 내에 실패한다는 사실과 함께 실제 데이터에 기반한 탐색은 결정을 향상시켜준다. Aigora는 독립 사용자 좌석을 제공하며 월 30 건의 문서, 월 1,500 페이지의 파싱, 및 월 500 건의 질문이 포함됩니다. THEUS(Aigora)의 주요 장점 중 하나는 AI-powered knowledge agents를 사용하여 수십 년간의 저작권 데이터를 추적 가능하고 결제준비 완료한 지식 정보로 변환할 수 있다는 것입니다.
평가 기준 분해
- 데이터 연구를 추출, 합성 및 탐색하세요.
- 드라. 레이드는 새된 통찰구축하고, 드라. 사이클링은 기존 지식 분석에 사용하세요.
- 데이터 기반 지식 대인 양측 모델링
- 품목 및 소비자 지식을 연결하여 양측 통찰을 지원하세요.
- 단일 연구 및 연구 격차 분석을 hỗ하는 횡단 연구 합성 지원
AMIE (Articulate Medical Intelligence Explorer)는 Google DeepMind와 Google Research에서 개발한 연구용 AI 진단 에이전트입니다. 임상 대화와 의료 이미지를 해석하여 정확한 진단을 내리는 데 설계되었습니다. 초기에 AMIE는 Nature에 발표된 텍스트 기반 의료 진단 대화형 AI 에이전트였습니다. 최신 버전인 다중 모달 AMIE는 임상 대화 중에 시각적 의료 정보를 지능적으로 요청, 해석 및 추론하는 기능을 통합합니다. 다중 모달 데이터를 진단 과정에 통합하여 진단 정확도를 높이려는 것입니다. AMIE는 상태 인식 추론 프레임워크를 사용하며 다중 모달 Gemini 모델을 기반으로 구축되었습니다. 전문가 평가를 통해 평가되었으며, 이는 의사 평가,:Objective Structured Clinical Examinations (OSCEs)를 포함하여 일선 의사(PCPs)와 비교하여 다양한 환자 시나리오에서 성능을 비교했습니다.
평가 기준 분해
- 다중 모달 진단 대화
- 의료 이미지 해석
- 상태 인식 추론 프레임워크
- Gemini 모델과의 통합
- 대화 평가를 위한 시뮬레이션 환경
QualiaInterviews는 연구 플랫폼으로 AI를 이용하여 자연스럽고 대화 중심의 인터뷰를 참가자들과 진행하는 것입니다. 이는 팀이 전통적으로 일대일 인터뷰로 가능했던 더 큰 샘플 크기의 참가자와의 인터뷰를 통해 질적 자료의 수집과 함께 깊음과 조화로운 열띤 대화의 풍부성을 유지할 수 있도록 해 줍니다. 해당 툴은 다언어 인터뷰를 지원함으로써, 국경 없는 연구, 글로벌 시장 조사 및 프로그램 평가에 적합합니다. 연구팀은 인터뷰 가이드를 설계할 수 있고, 이를 참가자에게 배포하고, 자동으로 구조화된 자료를 확인할 수 있습니다. 이를 통해 각 세션을 수동으로 매개하지 않고도 자료를 검토할 수 있습니다. QualiaInterviews는 일반적으로 사회 연구원, 평가자, UX 팀 및 영향 평가를 진행하는 조직들이 필요로 하는 감각적인 데이터와 대화 깊이를 희생하지 않고 대규모화되는.qualitative 데이터가 필요한 시점에 사용됩니다.
평가 기준 분해
- 인공 지능으로 주도되는 대화식 면접
- 다언어 지원
- 자동 추척 및 질문
- 정의적 분석의 질적 응답
- 규모 증진의 참가자 배포
- 연구 및 평가 플랫폼
Table_AGENT은 AI 기반 표 데이터 보조 도구로, таб룰 적절한 연구에서 데이터를 수집하는 프로세스를 자동화하여 연구 프로세스를 효율적으로 만들기 위해 설계 됨. 이 도구는 사용자가 자신의 특정 필요에 맞추어 데이터 수집을 조정할 수 있는 사용자 정의 가능한 데이터 스키마를 제공합니다. 이는 데이터 구조가 상당히 다를 수 있는 광범위한 애플리케이션 및 산업에 유리합니다. 테이블 에이전트의 주요 기능은 AI 에이전트를 기반으로 하는 데이터 검색 기능에 있습니다. 이는 도구가 인공 지능을 사용하여 자동으로 유익한 데이터를 찾고 컴파일하는 것을 의미하며, MANUAL 검색에 필요한 시간과 노력을 потен셜하게 줄일 수 있습니다. 워크플로와 통합 사항의详细 내용은 제공되지 않지만, 가상 인공지능(AI)의 데이터 어시스턴트 개념은 다양한 데이터 분석 도구와 무딘 결합을 가능하게 함으로써 연구 프로세스를 개선할 수 있습니다. Table Agent의 주요 장점일 것입니다. 이들은 복잡한 데이터 수집 업무를 자동화하고 다양한 데이터 구조에 구애받지 않은 adaptability로 특징됩니다. 그러나 좀 더 구체적인 정보가 없다면, 그 약점이나 대체 데이터 보조 도구와의 비교는 어려울 것입니다.
평가 기준 분해
- 자동화된 데이터 수집
- 맞춤형 데이터 체계
- AI 에이전트 주도 데이터 검색
- 빠르고 정확한 데이터 제공
- 키워드
Autoresearch AI LLM . , AI , , , . , , 5 , . , Markdown , .
평가 기준 분해
- AI LLM
- AI
- nanochat single-GPU
- Markdown
- 5 val_bpb