지난 배틀 · 2026-05-10 UTC
Research AI Agents 대결 — 2026년 5월 10일
Research AI Agents 카테고리에서. 10개의 참가자에 걸쳐 35 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
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
AlphaSense는 경영상의 결정을 안내하기 위해 신뢰 가능한洞察를 제공하는 AI-powered 마켓 інтेल리전스 플랫폼입니다. 그것은 다양한 소스의 전문화된 소스 모음, Tegus 전문가 전면문, 재무분석자 연구, 회사 결재서를 제공합니다. 플랫폼은 고급 AI 모델을 사용하여 문장별 인용으로 높은 품질의洞察를 생성합니다. AlphaSense는 워크플로우를 적합화시켜서 불연속적인 소스와 신뢰 가능한 전문가에 근거한 신속결정을 제공합니다. 플랫폼은 GenAI 기능을 제공하며, 투자은행업, 헤지펀드, 사모펀드, 자산운용, 전문 상담, 생명과학 및 기타 산업을 위한 설계가 있습니다. AlphaSense는 경쟁력 있는 콘텐츠 세트에서 도출된 고도로 합성된洞察력을 통해 유일하다고 자랑한다. 플랫폼에는 반복되는 연구 과제를 자동화하는 사용자 맞춤형 एज런트가 포함되어 있으며, 발견된 내용을 실행위원이 준비한 보고서 및 슬라이드에 변환하는 기능도 있다. 또한 그레이트리브 서치(Generative Search)는 시장이든 회사든 360도 시각의 뷰를 제공하며, 질적洞察력을 구조화된 금융 데이터와 연결시켜준다. AlphaSense의 주요 장점 중 하나는 사용자를 자신감과 속도와 함께 대담한 선택을 할 수 있게 해 줄 수 있는 능력입니다. 플랫폼은 팀에게 정확한 답변, 고유한 관점, 경쟁상황에서 앞서갈 수 있도록 필수적인 업데이트를 제공 합니다.
평가 기준 분해
- Tegus
- GenAI
Autoresearch AI LLM . , AI , , , . , , 5 , . , Markdown , .
평가 기준 분해
- AI LLM
- AI
- nanochat single-GPU
- Markdown
- 5 val_bpb
Cell2Sentence은 개방형 소스.framework이다. 이는 유전자의 발현 데이터 한 개의 세포를 분석 및 통찰력을 위한 '세포 문장'들로 형식화하기 위해 Large Language Models (LLMs)으로 변환한다. 이 framework에는 발현 벡터들을 descend하는 순서로 세포 문장들로 변환시키는 방법을 제안하고, 이는 gene 이름을 space-separated하고 descend하는 순서로 한다. 이는 LLM들이 single-cell RNA sequencing (scRNA-seq) 데이터를 자연어로 모델링 할 수 있도록 한다. 이 framework에는 C2S-Scale models이 포함되어 있으며, 이는 유전자학 데이터와 텍스트 데이터를 통합해고 single-cell의 고급 작업들을 enabled한다. 이 작업들은 전달 예측, 데이터 요약, 클러스터 캡셔닝, 생물학적 질문 대화 등의 것으로 나온다. 이 모델들은 Hugging Face에서 구할 수 있고 Pythia와 Gemma-2 같은 아키텍쳐들의 기반이 된다. Cell2Sentence은 single-cell transcriptomics 데이터를 다루는 연구자들과 과학자들을 위해 디자인되었다. framework은 업데이트된 새로운 모델과 기능에 의해 지원되는 custom template 및 multi-cell prompt formatting을 위한 fine-tuning을 포함하여 새로운 모델과 기능이 적용되었습니다. 또한 cell type prediction, cell type conditioned generation, 그리고 57백만 개의 human과 mouse 셀에 대해 교육된 다양한 multi-cell multi-task 모델에 대한 Pythia 모델의 패키지를 포함합니다. "Cell2Sentence 프레임워크는 문서화되었으며, 사용 방법에 대한 튜토리얼도 제공합니다.fine-tuning 및 multi-cell promp 포맷팅과 같은 예시가 포함되어 있습니다." Cell2Sentence은 van Dijk 연구소와 협력하여 bioRxiv에 공개된 프리프린트에 발표되었습니다. Cell2Sentence은 신세대 일자원 탐론을 위해 LLM과 같은 인공지능 모델과 제휴합니다.
평가 기준 분해
- C2S-Scale
- Pythia Gemma-2
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
_startup_validator는 실시간 트위터 신호와 웹 연구를 사용하여 스타트업 아이디어를 검증하는 AI 도구입니다. 이 도구의 목표는 스타트업 아이디어의 khả수오를 평정하며, 위험, 강점들을 식별하고 잠재적인 비전파를 제안하는 점수를 부여하는 것입니다. 이 도구는 창의자와 스타트업 창업자들이 자신의 이데아의 실현 가능성을 확인하기 전에 중요한 지출을 투자하기 전에 활용할 수 있습니다. 실시간 트위터 데이터와 웹 데이터를 사용하여 _startup_validator는 스타트업 검증에 대한 데이터 주도적인 접근을 제공합니다. 그러나 매서에 구체적인 정보 없이 도구의 신뢰성과 정확성은 모호합니다. 도구는 트위터 API와 웹 데이터 소스와 같은 다양한 데이터 소스를 활용할 것으로 추정됩니다.
평가 기준 분해
- 실시간 트위터 신호 분석
- 웹 탐색 інтегра
- 스타트업 부정당성 evaluated
- 위험성 및 강점 indentification
- 개선할 수 있는 피벗 suggestion
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
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
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