Praeita kova · 2024-05-31 UTC
Research AI Agents Susirėmimas — 2024 m. gegužės 31 d.
Iš Research AI Agents kategorijos. 34 įvertinimai pateikti tarp 8 kovotojų. Google AI Co-Scientist laimėjo vainiką.
Galutiniai rezultatai
Dalyviai
Kovotojai
Kiekvieno šioje kovoje dalyvavusio įrankio profiliai, surikiuoti pagal galutinį rezultatą.
Google AI Co-Scientist
Multiagente AI sistema, kuris bendradarbiauja su mokslininkais išgauti hipotezes ir greitinti biomedicinę tyrimą.
Google AI Co-Scientist yra daugiašalįs AI sistemos, kurios kuoja su mokslininkais ir išbandžia padėti padidinti biomedicinę tyrimą. Ji sukurta pagal Gemini 2.0 technologiją ir veikia kaip virtuales mokslininko partneris, kuris pagalba generuoja naujas hipotezes ir tyrimo projektų idėjas. Sistemai tikslas - atimti mokslo metodo pagrindinę logiką ir aptikti naujas, autentiškas gyvenimą. Priešingai mokslininko specifikuoto tyrimo tikslą pažymėjus iš prigimtinio kalbos, AI Co-Scientist generiuoja naujas tyrimo hipotezes, detalią tyrimo apžvalgą ir eksperimentinius protokolus. Ji naudoja savaites kompiuterių specialistų būrangas agentui, kurie automatiškai peržiūrėja pagamintus paparčius, bei iteratyviai peržiūrėjamas ir priešingai pagamintus hipotezes. Sistemai leidžia mokslininkui ryšiui ir taip sudainuoti pagal jo viltis, arba papilti iš jau turimo, iš kai kur prasčiausias papasaulio gauti. Tai paprastai leidsi visais būdais, tašku naudojantis savitas būras, pvz, savitas idėjos ar papasaulio iš pagilvintų gautų papasaulių. AI Co-Scientist taip pat naudoja savito modeliui bei pagrindinti papasaulio hipotežų ir jos kokybi išbandžia. Ji yra sukurta kad paprastai pridengusi kompiuterinę jėgą ir iteratyviai pagerinti savaitos mokslines išmanvias veiklas. AI Co-Scientist labai gerai padeda mokslininkams, kurie pavyksta kovojant su greitai augančia mokslinių publikacijų dalis ir įvertinant nuobodžias naujamokslių sričių įpročas. Ikišaudoma naujausių AI pažangų, kad išjungtų daugiaspriegendinę sintezę ir pradedančią ilgalaikę planavimo ir suvokimo sistemą, AI Co-Scientist siekia sukaupti mokslines ir biomedicinos žinias ir atradimus greičiau. Sistema buvo patikrinama skirtinguosiuose aplikacijose, ypač genų pernašos atradimuose bei pertraukų pernašos iš naujo rasti. Tokiai kaip AI Co-Scientist suteikia kelias avantažus, jo efektyvum priklauso nuo tyrimo tikslų tikslumo ir mokslo darininko gebėjimo teikti reikalingą atsakymą. Naujas žaidėjas, vardėtas kovas, yra nauja priemonė, kuri gali greitai padidinti mokslinių bendruomenių įtaką, tačiau jos ribos ir galimos prejudicijos turi būti išsamiai įvertintos. AI Co-Scientist plėtroya yra besiklostanti procesas, o jo ateities taikymai ir pagerinimai visiškai priklauso iki tolesnio tyrimo ir testavimo.
Kriterijų išskirstymas
- Hipotezų generavimas
- Tyrimo visumos užkėlimas
- Eksperimentų protokolų vystymas
- Specializuoti agentai mokslo derinimui
- Automatiška pakeitimo ciklas
- Įžanginė apžiūra prikimtaiemis
Bright Data Web MCP
MCP serveras, kuris suteikia AI agentams tiksliai web paiešką, kopa, bei naršyklės automatizaciją su 5 000 netauktais mėnesiniuose prašymais.
Mūsų Bright Data Web MCP yra serveris, kuris leidžia AI agentams tiksliai ieškoti, kopa, bei automatizuoti naršyklę. Žranda 5 000 netauktaus mėnesinio prašymo. Ši įranga leidžia AI agentams efektyviai ieškoti Interneto, atskauti duomenis bei manevuotis tarp svetainių be jokių blokavimų. Jis pasiūlė daugybės požymių, tokių kaip real-time paieškos rezultatai, duomenų atskautis, svetainių kopa bei naršyklės automatizacija. Bright MCP pasitelktina blokavimus ir išvengia restricijų, ir jis yra patvirtintas daugiau kaip 20 000 klientų visame pasaulyje.
Kriterijų išskirstymas
- Real-time web paieška
- Svetainių kopa ir duomenų atskautis
- Naršyklės automatizacija
- Blokavimų ir restrikcijų išvengimas
- JavaScript atvaizdavimas dinamiškamėjantems turinio
- Realaus vartotojo elgesio imitavimas
Kosmos
Automatinis AI mokslinis tyrininkas ilgaamžėms tyrimų kampanijoms, analizijavęs duomenis ir literatūrą, kad pagamintų savybiškai atsiskyrimai moksliniai ataskaitos,
Kosmos yra automatizuotas AI mokslininkas, specialiai sukurtas biotechnologijų ir farmacijos R&D komandų ir mokslo tyrimų organizacijų poreikiams. Jos analizuoja duomenis ir literatūrą, norėdama įkvėpti pilnai nuorodytas mokslines ataskaitas, kelerius metros greičiai pagreitindamas naudojimo žmonių pačiam nuo hipotezų iki registro laiko, o ne kelerius mėnesius. Kosmos dirbo nepriklausomai, skaitydama literatūrą, gaminančios hipotezes, nukreipiančios tyrimų, ir vykdančios mokslinius darbus. Kosmos palaiko kompletų mokslo priėmimo cirkulą, prasidedant nuo taiklų nustatymo iki klininio kūrimo ir pateikimo. Kosmos suteikia saugus komunikacijų tinklus, bendrusi su žiniasklaida naudojantis Slack, Teams, ir el. paštu, ir moko nuo organizacijos žinose, savęs taisyklingu eksperimentų istorija ir savita mokslinę duomenų bazę.
Kriterijų išskirstymas
- Nepriklausoma hipotezų gavimas
- Literatūros analizė
- Duomenų analizė
- Mokslinių darbų vykdytojas
- Bendradarbiavimas per Slack, Teams, ir el. paštu
- Modelių nepriklausomas gavimas dėl futūristų modelių būsena
THEUS (Aigora)
Įmonių lygio AI tyrinėjimo sistema, kuri siekia pasaulinių tyrinėjimų priešaivių su faktinių identifikacijų, citele ir eksperto avatare, siekiant sintezės.
Aigora yra bendrojo naudojimo kompetencijų tyrimų sistema, kurianti savitaresnis, traciškindamas įžystines su faktų ID, citatų ir ekspertų skulptūrų pagalba. Ji pagaminta įvairių platformų Agent Development Kit (API) ir naudoja dviprasmišką modeliavimą, tuo tikslinant duomenų-gruntos žinias agentai. Naudojotojai gali ištraukti, sintetinti ir nagrinėti savo tyrimų duomenys; visą teiginį atlieka konkrečias Faktų ID, susijęs su puslapyje nurodytais citatais. Aigora teikiama dviejų būdų nagrinėti: sugeneruoti naujas įžystines su DocReed arba analizę esamų žinių su Dr. Sinclair. Ši platforma sudaroma viceprezidentų Analitikos, pasaulio Sensorių vadovų ir Innovacijos vadovų, kurie vertina strateginę gebėjimų stiprinimo galimybes. Jį sudaro tikru, specialiai sukurtas tyrimo metodas, ne visur naudojamas įmonių AI. Jis sukuria duomenų grindžių žinonei agentus, mokami tiesiogiais įstaigų duomenimis. Dėl to, kad 85% naujų produktų negali išlikti iki du metų (Nielsen), duomenų grindžių tyrimas drastiškai pagerina sprendimų kokybę. Aigora teikia individualią vietą, kuri užsakyje yra priemonių, kaip iki 30 dokumentų per mėnesį, ingestintų, iki 1 500 pusečių per mėnesį parsito, bei iki 500 klausimų Dr. Sinclairo per mėnesį. Vienas svarbų naudingųjų THEUS funkcionalumo ypatybių yra jo galimybė perduoti dešimtis metų savininkijų duomenų į tiksliai nurodytus, sprendimams priimdamos, naudotuvius sužinoti, agentų, kurie naudoja šaltinių, kintamuosius technologijas bei algoritmus.
Kriterijų išskirstymas
- Tyrimų duomenų iščiaupyti, sintetinti ir vykdyti
- Sugeneruoti naujas įžvalgas naudojant Dr. Reed ar analizuoti esamia žinias naudojant Dr. Sinclair
- Dujų kryptių modeliavimui siekiant tiesiogiai susijungti žinias su duomenimis
- Prisijungti produktų ir vartotojų žinias siekiant tiesiogiai susijungti žinias ir duomenis
- Palaikyti kryžminiu tyrimu ir tyrinėjimų pertraukų analizę
AMIE
Suvoki šimtinis multimodalųjų derinimo diagnozinis agentas, vykdančias klinines konversacijas ir tariantis medicinines vaizdines vaizdas už tikrų diagnozų.
AMIE (Artikulatingoji medicinos žinių narys) yra Google DeepMind ir Google tyrėjų vadovaujamas medicinos diagnozinių agentų tyrimas. Jame privalumai vykdomi klininės konversacijos ir interpretuojamos medicinos vaizdai diagnozų tikrumui. Jame privalumai tekstų bazinis medicinos diagnozinis pokalbis, publikuotas Nature žurnale. Šiandieninė multimodalų AMIE, integruoja galimybę intelektingai prašomų, interpretuoja ir kalba apie vizualinę medicinos informaciją vykdančius klinines konversacijas. Šis tyrimas tikriausiai labiau pagerins diagnozų tikrumą, įtraukdamas multimodalųjų duomenų, kaip vėliavos ir dokumentų, į diagnozuojamą procesą. AMIE naudoja būsimųjųjų sąmonės jutimų ką tikra ir yra statyta Gemini multimodalųjų modeliais. Jame privalumai įvertinti specialistų įvertinimai, tarp jų objektyviai susieviniai praktiškai klininės vertinimo egzaminai (OSCEs), palyginant jų performansą su pagrindinių gyv. sveikatos specialistų (PCP) reaktyvioms pacientų scenarijams.
Kriterijų išskirstymas
- Multimodal diasoginis pokalbis
- Vaizdų medicinos informacijės interpretacija
- Būsimųjų sąmonės jutimų ką tikra
- Integracija su Gemini modeliais
- Simuliacijos aplankyje, skirta pokalbio vertinimui
QualiaInterviews
Pirmosios platformos, naudojanti AI, kad vyktų daugiaskalbė, vartojimo ir įvertinimo interjus, išsamiais, pokyčius ir vartojimo interjusių kalbos, už visą mažai, užsienio kalbų tarp ryšį
QualiaInterviews yra tyrimų platforma, naudojanti AI technologijas interviu vykdymui dalyviai su prirodžiu, konversaciniai pokalbiai. Jis leidžia komandoms surasti kvalitatinį tyrimų rodiklius iš didesnių pavydų nei tradiciniai vieno vieno interviu leidžia, tuo pačiu išsaugodamas atvirų peticijų gylį ir skaidrumbę. Šis įrankis suportuoja intervius daugyvių kalbomis, padedamas jos jutikiniems tyrinėjimams, tarptautiniam rinkos tyrinėjimams ir programų vertinimui. Mokslininkai gali sukurti interviu vadovus, priskyrius juos dalininkams, ir mechanizingai struktūrinti randžius bei nereikės juos visiems sąveikai atlikti kasdien. QualiaInterviews dažniai naudojamas socialinių tyrėjų, ekspertų vertintojų, UX komandų bei organizacijų atlikusių poveikio vertinimų narys, kurie norėtų skalėjamas kokybinę duomenų be nuskamba savo susijaudinimo gylio priešinamojo.
Kriterijų išskirstymas
- Automatinis pokyčio pokyčius ir paklausimas piktuvusius
- Pokyčius atskiruočių kalbų supportas
- Automatiniai prieigų ir paklausimas nuo pokyčių
- Atskiruočių analize pokyčio atsakų
- Pokyčiu atkraštiniai dalyvių išleidimas
- Tyrimas užsiėmimo ir įvertinimo kėdžiu
Table Agent
AI galių pagrįstas informacijos pagalbininkas tabuliniam tyrinėjimui
Agentas Table yra ai-powers data asistentas, suprantantis padėti tabulių tyrinėjimams. Jis skirtas automatizuoti duomenų rinkimą bet kurios tema, padeda užtikrinti efektyviausią tyrinėjimą. Šis taikinys leidžia sukurti atsitiktinius duomenų schema, kas leidžia vartotojams sukonfigūruoti duomenų rinkimą pagal specifiškas poreikius. Šis klausimas yra svarbus daugelio priemonių ir pramoninčių atvejams, kur duomenų struktūra gali skirtis gana didelį skaičių. Pagrindinis funkcionalumo, pagrindinis elementas yra pagrįstas įvairių agentų funkcija tiesioginio duomenų paieškos galimybės, kas leidžia naudoti techninę inteligenciją ir įvairius duomenis, galįsim tikrinti. Šis proceso metu, tiesioginio paieškos, reikia laiko sumažinti ir laiko sumažinti, tiesioginis duomenų rinkimas Jeigu darbai ir integracija yra neapibudinama sąvoka apie AI pagrįstą duomenų asistentą sugalvota galbūt lengva sutelkti įvairius duomenų analizės priemones, pagerinti bendrą tyrimų procesą. Table Agent gali būti atspindėjusi jo galimybės automatizuoti monotoniškas duomenų rinkimui nukrypiančius darbus ir priklausomybę skirtingų duomenų struktūrų. Tačiau netrukus neįgyvendintų informacijų be to, tai yra nepasisekantis sprendimas nustatyti ribų arba taip nustatyti, kaip jis vertina alternyves duomenų pagalbotas prieiga.
Kriterijų išskirstymas
- Automatizuotas duomenų rinkimas
- Individualizuojami duomenų schemos
- AI pagrįstas duomenų peržiūra
- Greitas ir tikslus duomenų gavimas
Autoresearch
Atverta šaltinio projektas, kuris leidžia AI agentams savarankiškas veikti LLM treniravimo tyrimus ir priimti geriausias modelio pakeitimus.
Autoresearch yra atviro šaltinio projektas, kuris leidžia AI agentams savarankiškas veikti LLM treniravimo tyrimus ir išsaugoti geriausius modelio pakeitimus. Projektas leidžia naudotojams konfigūruoti mažą, bet tikrą LLM treniravimo aplinką ir paleisti AI agentą, kuris tyrimus įvykdo per naktį, keičia kodą, treniruoja trumpą laiką ir tikrina, ar rezultatai pagerėja. Tikslas – automatiškai vykdyti tyrimų procesą, leidžiant AI agentui ištirti skirtingas modelio architectūras, hipertreniravimo strategijas ir optimitavimo strategijas be žmoggelės dalyvavimo. Projektas apima paprastosios single-GPU nanočiatos implementaciją ir teikia bazinę struktūrą programuoti AI agento tyrimo procesą naudojant Markdown failus. Projektas yra suprojektuotas taip, kad būtų paprasta įdiegti daugiau agentų ir tobulinti tyrimų procesą per laiką.
Kriterijų išskirstymas
- Autonomiški LLM treniravimo tyrimai
- AI agento srovi tyrimo procesas
- Single-GPU nanočiatos implementacija
- Markdown-basede programavimas tyrimo procesui
- 5 minutes treniravimo laiko bugetas su įvertinimo matmuo (val_bpb)