지난 배틀 · 2023-12-16 UTC
Research AI Agents 대결 — 2023년 12월 16일
Research AI Agents 카테고리에서. 10개의 참가자에 걸쳐 33 표시가 배치되었습니다. Atelier Ruixen이(가) 왕좌를 차지했습니다.
최종 순위
출전 라인업
참가자들
이 배틀에 참가한 모든 도구의 프로필, 최종 점수순으로 순위가 매겨졌습니다.
아틀리에 루이셴은 사용자들의 질문을 정련하여 도서 목록을 관리하는 플랫폼입니다. 불순 정보를 실천 가능한洞见으로 변환하는 것을 돕는 것이 목표입니다. 아틀리에 루이셴은 광대한지식 아카이브를 제공하며, 이 아카이브는 11,897개의 단위에 의해 구성된 고유한 1,063개의 인지적 단위에 의해 구성됩니다. 이 인지적 단위는 "마스터"들이 복잡한 정보를 이해 가능한 형식으로 tinh란화하는 '패턴 연속성' 기법을 사용하여 생성됩니다. 이 플랫폼은 위키피디아와 같은 문서화 형태가 아닌, 유니크하고 패턴 기반의 형식으로 제안된 커에이트된 지식의 集합이다. 그것은 과거의 지식에 대한 지혜와 미래의 지능력의 힘을 결합하는 것이다. 유저는 대화 인터페이스를 통해 플랫폼과 상호작용할 수 있으며, 질문을 입력하면 관련된 책 리스트를 받을 수 있다. Atelier Ruixen은 복잡한 정보에서 actionable insights를 찾는 데 있어 강력한 도구를 제공하기로 목표를 잡고 있습니다.
평가 기준 분해
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
회사 상태 요원은 사업자가 공식적으로 등록되어 활성 상태인지 확인하는 AI 기반 인증 도구입니다. 국제적 표준 기관들과의 협약을 통해 정부 및 기업 신고서를 일관적으로 조회할 수 있습니다. 이는 일회성 수동 조회가 필요하던 것에 비해 1~2초 만에 명확한 상태 보고서를 반환합니다. " 회사 신원 확인 도구 Company Status Agent 는 등록 체크를 자동화함으로써, KYB (Know Your Business)를 간소화해 세계적인 경계를 뛰어넘어 기업의 법적인 상태를 일관되게 확인할 수 있는 전문가에게 균일한 수단을 제공합니다.
평가 기준 분해
- 인공지능 기반 공보실 조회
- 글로벌 주권 범위 커버리지
- 활성/비활성 상태 검증
- 기업 식별 정보 검증
- 합規 및 온보딩 지원
- 빠른 원격 보고서
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
Bright Data Web MCP AI . 5,000 . AI , , . , , , . 20,000
평가 기준 분해
- JavaScript
"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
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
ResearchClaw
OpenClaw-powered 에이전트가 논문을 통해서 연구자를 발견하고 등급付け하고, 평소에 영어로 고용의 설문지를 만들고, 연구자의 작품에 대한冷_EMAILdrafts를 작성한다.
리서치클로우는 연구자 인식 및 접촉을 보조하기 위해 개발된 AI 파워드 툴입니다. 연구자가 발표한 논문을 기반으로 연구자를 찾아 랭크하는 오픈클로우 기술을 사용합니다. 툴은 연구자의 работу에 대한 평범한 영어 요약을 생성하고, 이 요약을 이용하여 고용 주장을 작성할 수 있습니다. 또한, 툴은 연구자의 작업에 대한 도장을 포함하는 초기 접촉을 위한 이메일 초안을 작성하여 초첨을 맞출 수 있습니다. 연구자를 선발하는 과정에서 발견하고 접촉하는 과정을 streamlining하는 툴의 목표는 리서치클로우로 시간과 노력을 절약하는 것입니다. 인스튜션, 기관 및 회사의 리서처를 선발하는 데 도움이 되는 기능을 제공합니다. 리서치 클로우의 기능은 Recruitment Process를 단순화할 수 있지만 툴에 제공된 데이터의 품질 및 사용자의 특정 요구 사항에 따라 효과가 달라질 수 있습니다. 이메일과 주장을 작성하는 툴의 능력을 시간 절약과도 볼 수 있지만, 친환경적인 터치가 무너질 가능성도 있다. AI 파워드 툴의 한계점으로는 복잡한 연구 주제의 이해와 표현에 한계가 있으므로, 이러한 한계를 고려해서 툴을 사용해야 합니다. 리서치 클로우는 연구자를 식별하고 접촉하는 데 소중한 리소스로 될 수 있습니다.
평가 기준 분해
- 연구자 식별 및 랭킹
- 일상어 채용 이념 제안
- 냉각 이메일 초안
- OpenClaw 기술 통합
- 자동 연락 능력
- 연구자 일자리 요약
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
OpenAI Deep Research는 ChatGPT 내에서 작용하는 제어 기능으로, 웹 브라우징을 위해 사용자 이름 대신 정보를 수집하고 합성하여 길게 표기 및 인용 표기를 포함한 보고서를 생성한다. 단순한快速한 답변 말고는 연구 경로를 정의하고 링크를따라가고, 연구 결과를 비교하고 여러 분 단위로 반복하여 몇 시간이 걸릴 만약의 질문을 처리한다. 대량 데이터를 분석하는 competitiveness, 시장에 대한 연구, 심층 제품 분석, 정책 비교 등 다양한 업무에 적합한 서비스입니다. 사용자는 임의의 프롬프트를 제출하거나 추가 질문을 제출한 후, 이 TOOL은 확인 가능한 내장 참조문헌과 함께 자세한 보고서를 전달합니다. TOOL은 지불하는 ChatGPT 사용자에게 이용한 제한이있는 서비스입니다. TOOL은 각 요금제에 따라 이용한 제한이 다릅니다.
평가 기준 분해
- 자체 조정 가능한 멀티 스텝 웹 브라우징
- Inline서명이 포함된 장문의 리포트
- 조사 시작 전에 명확한 질문
- 텍스트, 이미지, PDF에 대한 사유
- 조사 실행중 진행 업데이트
- ChatGPT에서 내보내기 가능한 결과