지난 배틀 · 2025-11-18 UTC
Research AI Agents 대결 — 2025년 11월 18일
Research AI Agents 카테고리에서. 3개의 참가자에 걸쳐 13 표시가 배치되었습니다. GLM-4.6V이(가) 왕좌를 차지했습니다.
최종 순위
출전 라인업
참가자들
이 배틀에 참가한 모든 도구의 프로필, 최종 점수순으로 순위가 매겨졌습니다.
GLM-4.6V은 다이모드 대규모 언어 모델로, 128k 토큰으로 확장된 컨 텍스트 윈도우를 가집니다. 이 모델은 시각 이해에서 최고의 성능을 달성하고, 내장 기능 호출 기능(F)과 함께 통합되어 실세계 비즈니스 시나리오에서 다이모드 에ージェ트에 통합된 기술 기반을 제공합니다. GLM-4.6V은 다이모드 입력을 수용하고 자동으로 구조화된 이미지-텍스트 조합 콘텐츠를 생성한 후, 복잡한 문서 이해, 시각 검색 및 검색 과 같은 업무에 적합한 기능을 수행할 수 있습니다. 이 모델은 여러 기능과 시니어리오를 제공하며, 지능형 이미지-문자 콘텐츠 생성 및 레이아웃, 시각적 웹 검색 및 богат한 미디어 보고 양식 생성, 그리고 장단시각적 이해가 가능합니다. 혼용의 이미지-문자 입력을 받을 수 있고, 고등품질의 콘텐츠를 생성하며,候우이미지를 시각적으로 검사하는 작업이 가능합니다. 4.6V의 다중 모드 검색 및 분석 워크플로는 시각적 인식에서 온라인 retrieval 및 구조화된 보고서 발생으로의 거실 공간 이동을 가능하게합니다. 다중 모드 컨텍스트에 대한 의식 유지하고 텍스트 및 시각적 정보에 근거한 추론을 수행합니다. 이 모델은 다양한 능력과 시나리오를 제공하며 의도 인식 및 검색 계획, 다능 모드 결과 정렬,以及 부르르 가득한 미디어 보고서 생성과 같은 기능을 포함합니다.
평가 기준 분해
- 이미지, 텍스트, 파일에 대한 멀티 모달 입력 지원
- 네이티브 멀티 모달 도구 호출
- 128k 문맥 길이
- 함수 호출 기능
- 장거리 문맥 이해
- 시각적 이해와 도구 검색
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
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