Praeita kova · 2025-12-26 UTC
AI Data Analysts Susirėmimas — 2025 m. gruodžio 26 d.
Iš AI Data Analysts kategorijos. 23 įvertinimai pateikti tarp 6 kovotojų. Together Open Data Scientist laimėjo vainiką.
Galutiniai rezultatai
Dalyviai
Kovotojai
Kiekvieno šioje kovoje dalyvavusio įrankio profiliai, surikiuoti pagal galutinį rezultatą.
Together Open Data Scientist
Atvirojo ReAct agento, kurias vykdo Python'ą, kad tyrinėtų duomenis, sudarytų modelius ir generuotų analizinį ataskaitų rodinį
Together Open Data Scientist yra atviraskalbė, įvairioms technologijoms remtių duomenų analizės agentas, kuriuo parengta bendrovė Together AI GitHub puslapyje. Agentas vykdomas pagal ReAct (Reasoning + Acting) schema, kurią sudaro kalbų modeliavimo nuosmukiai ir konkreti Python kodų vykdomai etapai, vykdydami nuo pradžios pradėtus duomenų mokslinio darbo pavyzdžius: duomenų rinkinių tyrinėjimą, suminį statistinių rodiklių skaičiavimą, modelių kūrimą bei detalių rašytinių analizės ataskų paruošimą. Agentas gali vykdyti Python kodo viename iš du modelei. "Įvidingoje" modalėje kodas vykdomas lokaliai uždarytame Docker konteineryje, kuris tinka vienam naudotuojuems vietiniame vystymui, o „tci“ modalėje vykdymo užduotis priskiriama Together Code Interpreter (TCI), internetiniam konteineryje kuriame yra prieinama per Together AI API. Naudojotojai gali nuvežti duomenų direktoriją automatiškai perneštiems į sistemą, nustatyti maksimalaus kritinių iteracijų skaičių, ir pasirinkti kuriantį agentą modelį. DeepSeek-V3 yra numatomas modelis, bet Llama modeliai ir kitos gali būti nustatytos naudoti per Together platformą. Jis yra paplotas kaip pip-sukinamu paketą (open-data-scientist) ir atveria abejoje komandos linijo bei Python API. CLI palaiko pasirinkimus kaip --write-report, kuris generuoja Markdown analizės ataskaitą, --save-trace registruoja pilną prašymą ir vykdymo žymeklį bei sesijų naudojimo per sesijų ID. Python API centruojasi apie ReActDataScienceAgent klasę, kuri priima naturaliąją kalbą užduotį ir grąžina rezultatus. Šis projektas išreiškiamai pavadintas eksperimentinė software. Kodus ir analizę visi generate programinio kodus ir išanalizės, naudojančiai mūsų, galimybės, kad išėjęs, arba suboptimalų metodų gali susidurti klaidų ir, nors privalu prasidėti jų kaip pradinei nuotykių ir mokymasis vieta, o ne prodiuksių sprendimų pagalbą. Projekto administratoriai įrodo, kad žmogaus apžiūra, ir patvirtinimas yra reikalingi, kad pirmiausiai kritiniai verslo ar mokslo taikymai. Šį kartą palyginti su komerciniais AI duomenų analizės asistenciamais, taip pat su „ChatGPT” Advanced Data Analysis arba notebook copilotais, „Together Open Data Scientist“ nuo jų skiriasi tuo, kad visiškai yra atviri kode, gali būti užsakymu savo serveriais, modelių nepriklausomai gali būti naudojami viso „Together“ ekosistemos užtakų, bei gebėdamos savarankiškas jungti daugelį kodavimo etapų iki viso ataskaitos, o ne tik vienas kartą gauti priešingu atsakymą
Kriterijų išskirstymas
- ReAct įsijautimo ir vykimo agento ciklo forma
- Du vykdomojo režimo variantai: lokalūs Docker arba Together Code Interpreter naudojant TAI API
- Automatinė duomenų direktorijos ir aplinkų užpildymas
- Markdown ataskaitos su --write-report parametru
- Sukonfigūruotus režimo bei vykdytojo modelio parametrai
- Komandinis įrankis ir programuotojo Python API
Trinka AI
Rašymo palaikų sistema, konkuriančioji akademiniam ir techniniui autoriumi.
Trinka AI yra rašymo priemonic, kuris yra taikytas atitinkamai mokslinėse tyrimų, studentams ir technikaiems profesionaliams. Už standartinių reiškinių ir rašymo klaidų patikrinimo, jis siekia akademines raštų konvencijas, ženkloji tokias problematikas kaip atsitikoji terminologija, neįskaitusios sakinio sąrankos ir tono uždavinių, kurie būna dažni akademinius rankraštį. Sis technologija siūlo sietumą sugebėjimus, kurie apima šimtus disciplinų bei gali padėti atlikti užduotis kaip parafrazavimas, konsistencijos patikrinai ir taisymas pagal leidinių stilių gaidžių reikalavimus. Ji integruoja su Microsoft Word, internetiniai naršyklės ir per nublanklus redaguojamąjį, užtikrinant gebėjimą naudotis dažniausiuose tyrėjų darbo aplinkų. Trinka taip pat turi specializuotas funkcijas knygos sukurimo przyžiūrimai, pvz., leidimo periodiko pritaikomumų patikrinimas, plagijavimo detekcija bei citavertėjimo patikrinimas, kadgi jis išsiskirtų iš bendrosios kalbos grafinio patikrinimo funkciją.
Kriterijų išskirstymas
- Advanced gramatinės ir stiliaus patikrinimai
- Aukladžiai akademinių tekstų stiliaus bei aiškumo pagerinimai
- Parafrazęravimo bei sakinio sariavimo patarės
- Plagijavimo ir citavimo kontroli
- Žurnalinei spausdinimui užtiksės patikrinimai
- Brauzerų, Word bei įrankių integravimai
Fyva AI
Tiekiamasis kovas, kuris padeda analitikams generuoti įmonių valdymo tyrinėjimo raportus iš pranešimų ir ryšiu ir rinkos duomenų
Fyva AI yra tyrimų pagalbininkas, sukurtas vertybinių popierių analizės specialistams, investicinėms komandoms ir finansininkams. Jis įšachsina įmonių paskutinio praėjusio metų ataskaitas, finansinę informaciją, bei kitą šaltinio medžiagą, kad pagalbinėtų vartotojams sudaryti tyrimų pastabas, santrumpas bei investicinius apžvalgas greičiau nei rieduliniai darbai leidžia. Sistema galutinai siekia pagreiti tiesioginių tyrimų proceso dalių, kaip pavydas, atitraukiant svarbiausius duomenis iš 10-K ir 10-Q, sumenuojant pajamų kalbas, ir sudarant pagrindinius ataskaitų modelius. Taip tikrininkai gali papildyti savo nuomonés ir savarankių vaizdavimų, įdiegtus į šį sistema generuojamą rezultatą, kad paskui galėtų pristatyti savo nuomonę atvaizduojančius tekstus savo atstovams ar klientams.
Kriterijų išskirstymas
- Automatizuotas įmonių valdymo žurnalas generavimas
- Pranešimų ir dokumentų analizė
- Apskaitymai ir finansinio duomenų santrauka
- Išvadų gavimas investicijų teorijoms
- Analitikams skirta tyrinėjimo darbuoklė
- Prieiga prie SDK
Anamap
AI analizė, aptarianti GA4 bei Amplitude duomenis, kad paaiškintų produktų ir augimo metrikų pokyčių priežasčių ir rekomenduotu būdu patvirtintus tolesnius žingsnius
Anamap yra AI analitikos įrankis, kuris įrengtas produktų ir pradinio augimo komandų darbui, norintiems paaiškinimų ir sprendimų, o ne daugiau dažybinių lentelių įvade. Jo pagrindinis bruožas yra Cartos, „AI analitikos kolega“, kuris prisijungia prie komandos Saitlų ir produkcijos analitikos, identifikuoja svarbius pokyčius per vartotojo kelią - priėmimo, aktyvumo, konversijos ir išlaikymo -, ir juos pakuoja į sprendimams priimtines analizas. Kartojantys Cartos tyrimai nežūna jau sukurti kai kas nauja grafika ar abstractions vertę. Vis daugiau jie yra išsidėginti į tris atlikimo objektus: to, kas tėra tikslas (kuris matmenys,segmentas, kanalo ar eiti žingsnis pakeitus ir jo verslo efekts), svarbiausias priežasys (sabitas, įtaigas ir išorinis priežasys, kada duomenys nenusako), ir siūloma pereinanti prielaida, sujungta ties išvada. Viso rezultatas pristatimas tiesiai pateikiamos kaip trumpas dokumentas, kuris ekipos nariai gali įžengti į Slack,el. arba svetainės tinklą, kad stakeholderai susitvarkytų neatsinaujėjant analizės. Šis sąsaja su GA4 arba Amplitude kaip duomenų šaltiniai ir integruoja su Slack, elektroniniu paštu ir web aplications užtikrinantis aptarnavimo pamatus. Anamap įsikūnija bendrovėms, kurias reikia aiškinti produkto ir svetainės performansą, tačiau negalima paprastai pradinėti ar pritarinami papildomas analizės darbuotojų skaičius – įkūrėjams, augimui skirtumui, produktų komandom ir siauros duomenų komandom, kur kasda viena klausimas išsikiša į viršijamą analizės darbuotoją. Svarbiausiąja dalimi Anamapo prezentacijos yra daugiskartumo sąvokos paveldėjimas. Kai bent genericus chatbotas lyginės su ChatGPT arba Claude, kuris reikalauja exportuoti duomenis ir iš naujo aiškinti definicijas su kiekviena uždavinio paprašymo, Cartos yra apie „kompānijos prisiminimų“ atsargo : kaip nusakoma KPI, kas išleistas kartu su relezais, kaip užėję išbandymai rasti, ir kas komandos ankstesnėje laiko egzistavusią pasirinkimą. Tiksliu planu, kad kiekvienas tyrimas būtų įvykstantis tiesiais, kaip priekaičiais, bei baigtis su sietiniais išvadomis, ne kaip tiesiog pradėjus žemės ištakos nulė pusta. Kainos yra skirtos komandoms, ne karas sėdimo vietų, su nelimituota naudojimą ir be per karo vidaus kainų, ir nuostoliu sątrauka įvykdys vieną realią pakeitimą. Jiama kojų produktas (tame pačiame svetainė paminėjo pagalbos nei daugiau kaip 12 įmonių), jo geriausiai paaiškinta kaip nusako, nuomonini, alternatyva statyti vidaus analizės- sprendimo įrašų ar susijungti su retų analizės laiko. Prekės kaliniai prideti jaučiasi jo siaučiamą dabartinią sąrašą (GA4 ir Amplitude) ir jo maža, kylanti paslaugų priešakai priešingai jo sprendimo orientuoti išvados.
Kriterijų išskirstymas
- Cartos ai analystas, aptarantis produktų ir svetainės analizę
- GA4 ir Amplitude duomenų ryšiai
- Įvertinimas pokyčių po aktyvuotė, pervedimą, atkūrimą ir atkūrimus
- „Ištirti tikru priežasčių ir užteisiniai pavyzdžiai bei priežasčiai
- Rekomendavimo tolesniam žingsniui rezultatas susietas su svarbiu pokytimi
- Priklausytoji įmonių, KPI, išleistų išdėstų, bei jau buvusių sprendimų atmintis
Model ML
Dirbtinių intelektų erdvė už naudojimąsi tyrimų ir sąžiningumo patikrinimo darbais finansų paslaugose.
Model ML – tai AI technologių platforma, sukurta finansų paslaugų komandos poreikiams, padėjanti analitikams greitinti tyrimus, duodimo sąskaitų tyrimus ir susitarimus tvirtinančių procedūras darbo procesus. Ji sujungia dokumentus, duomenis bei AI modelis į vieną darbo kabinetą, kad vartotojai be reikalus pasitraukianti nuo įvairių įrankių gali perkelti nuo nepasvarstytų šaltinių iki sistemingų švyturų. Ši platforma prisideda prie užduočių, kaip bendrovės analizė, dokumentų peržiūra, panašių ieškonių bei ataskaitų parengimas, bei finansų vartojimui skirta įrangą naudojančios AI asistentes. Ji skirta investicinėms bankams, privačiajam kapitalui, valdymo bei patarėjų bendribei, kuriai reikia tiesiogiai ir greitai elgeti, apsiprasinus didelius duomenų kiekius.
Kriterijų išskirstymas
- Dirbtinių intelektų asistentai pristatyti finansų tyrimų reikšmėm.
- Dokumentų įdarinimas ir analitika
- Sąžiningumo patikrinimas ir deal darbų parametrai
- Ataskaitų ir memorandų parengimo priemonės
- Suderinama darbo užmokestis vienu metu deal komanda
- Integracija su finansų duomenų šaltiniais
MinusX
Šeimos savęs datos analizinio agento įtrauktas už savo esamų analizės instrumentų
MinusX yra taikomas AI agentas, kuris tiesiogiai įjungia į analitinius platformas, pavyzdžiui, Jupyter, Metabase, ir Tableau, vykdant savojiu darbą kaip daiki agentas tarp tinklo, nors jau esamių naudojamų platformų komandose. Neigamai teks eksportuoti duomenis arba keisti kontekstą; naudotojai gali klausinėti savo kalba, ir MinusX savu ruožtu atlikys duomenų klausimą, sukūrę diagramas ir redaguos dašerdius jų vardu. Agentas gali interpretuoti schema, rašyti SQL arba Python, aiškindyti savo priežastis ir iteruoti rezultatus remiantis vėlesniųjų užklausų pagrindu. Šis agentas skirtas analitikams, duomenų mokslininkams ir įmonių vartotojams, norintiems sparčiau vykdyti eksperimentinę analizę, prašymų ataskaitas ir rutinę dashboardų užtikrinimą. Naudodamiesi esamųjų šaltinių aplinka, o ne kaip atskirą sąsają, MinusX įeina į jau konfigūruotas protokolus ir atleidžia nuo jų pareigybes ir sroves.
Kriterijų išskirstymas
- Brauzerio priedas už analizės instrumentus
- Prirodines žodį kalbos už SQL ir Python
- Automatinė plokštelės sukūrimas bei taisymas
- Savimi susipažinusi schema vertėjimų
- Iteratyvais žiemos bazinis analizės veikimas
- Palaiko Jupyter, Metabase, Tableau ir daugiau