Praeita kova · 2026-05-10 UTC
Research AI Agents Susirėmimas — 2026 m. gegužės 10 d.
Iš Research AI Agents kategorijos. 35 įvertinimai pateikti tarp 10 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
GLM-4.6V
Atvirųjų kodus multimodalų GLM, kuris Z.ai integracija unifikuja regėjimą, sąmokslo tekstą ir įrankio įvykdyti ilgą tekstų perdavimo prieš, paieskos, kodavimo, ir UI iki kodai
GLM-4.6V yra daugiaspecifiko anglų kalbos modelis, skaidriai įtraukiantis savo konteksto rodinį iki 128k žodžių ir pasiekstant aukščiausią įvertinimą vizualiųjų supratimų srityje. Ji integruoja savos Funkcijų Skambučio funkcionalumą, leisianti vienodomą technikos pagrindą daugiaspecifikų agentų realiuose verslo scenarijauose. GLM-4.6V gali priimti daugiaspecifikų įėjimus ir automatiškai generuoti aukštos kokybės, struktūruotą vaizdo-teksto perlietinį turinį, vykdant kompleksų dokumentų supratimą ir vykdydama vizualią paiešką bei atkūrimą. Šis modelis teikia kelias galimybes ir scenarijus, įskaitant žmogiško protėžinio pobūdžio vaizdo-žodynį turinio kūrimą bei dizainą, vaizdinei svetainės paieška ir gausų medijų ataskaitų generavimą, bei ilgas kontekstą suprantantis protinis modelis. Jis gali priimti mišrus tekstas-bevaizdis inputus, generuoti aukštos kokybės turinį, bei atlikti vizualią auditoriją kandidatų vaizdams. GLM-4.6V multimodinis ieškojimosi ir analizės procesas leidžia lengvai judėti iš matminiųjų pajutimo iki interneto duomenų apdorojimo ir raiškos struktūrintai ataskaitų sukūrimui. Tai saugo multimodinę kontekstą ir vykdo išvadavimą, kuriuo pagrįsta nei tekstinis nei matminiųjų informacija. Šis modelis teikia kelias gebas ir scenarijus, įskaitant šiukšlių nustatymą ir tyrimą planavimą, dažnių rezultatų sąnašas sutarimą, ir šioje informacijoje apytiksliai nustatymą su plastiške medija ataskaitų kūrimu.
Kriterijų išskirstymas
- Multimodalų įvesties apdorė,
- Natūralus multimodalūs įrankių įvykdyti
- 128k konteksto garso ilgis
- Įrankių pranešimų galimybės
- ILGAS konteksto apdorė
- Regėjimo supratimas ir įrankių apsauga
AlphaSense
Intelligentausis Siaiškumo platiforcas, kurias autonomiškas žinojimas šaltinių sursukt ir teiki analysto lygio tyrinėjimai pagal poreikius.
AlphaSense yra šių dienų rinkos intelektualių platforma, kurios naudojama tiesioginės žinių siekimo prieigai reikia priimti verslo sprendimus. Platformos kuriasi saugus, išsamus žinių kūrinių rinkinį, įskaitant Tegus ekspertų transkripcijas, brokerių tyrinas, bei įmonių dokumentus. Platformos, kuriasi išraiškingi AI modeliai, generuojantis aukštos kokybės žinių, kadangi kiekvieną sakinio nuspėtą citatas. AlphaSense integravus darbo sričių siasenas, eliminuojas skaidrumo šaltinių išsišakojimą ir suteikia vientisomis ir sąryšiumi žinių. GenAI galių suteikia tikri, tiesioginės žinių, kad reikia priimti sprendimus saugumoje. Platforma suprojektuota investiciniam bankininkystei, hedge fondams, privatai kapitalo fondams, investicinių rinkų valdymui, konsultavimo bei gyvensenos mokslų bei kitoms šakoms. AlphaSense savo išskirtine nuostabiomis išvadais skiriasi, sintetizuotas iš netikėtai didelės turinio rinkinio. Platforma taip pat turi naudojamąsias agentas, kurios padeda automatizuoti atkartoto požiūrio mokslinio tyrimų užduotis, perduodamas rasta tiesiogiai atliktis parengtas valdoninkų ataskaitos ir šliuzai. Generacinio Ieškimo funkcija pateikia 360- laipsniu raiškio turinio ir bendrovei, jungiant kokybiškas įžvalgas su struktūrišku finansinę duomenis. Vienas iš čiemos galių AlphaSense yra jos galimybė padėti vartotojams darė bausių žingsnių pasiryžimai su tikėtina ir greičiu. Platforma suteikia komandomiems sudėliams tiesioginius atsakymus, unikalias perspektyvas ir kritiškas naujienas, kurios reikalingos, kad jių galėtų praeiti konkurencijos atgal.
Kriterijų išskirstymas
- Kuratoriški šaltiniai
- Tegus ekspertų transkripcijos
- Brokerio tyrimai
- Kompanijų failai
- Privati bei publcijų finansiški duomenys
- GenAI realiai tiesiogines šaltinius
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)
Cell2Sentence
Atvirojo rėžiamojo įtaiso, kuris apie vienaskelės genų ekspresijos rodiklius sujūsime „kelionėms“ kad mažųjų anglies molėjų mąsto analizė ir biologinis skaistymas
Cell2Sentečiai yra atviraskaito kūrinys, kuris keičia vienspalvių genų ekspresijos duomenis į 'kelionės apie sąrašą' analizei ir išvadų generavimui didelės kalbos modelio (LLM) pagrindu. Jis svarsto keitimo tvarkymo prieigą eksprezijos vektorius į sąrašą užrašų, kuriuose yra pertrauktos genų pavadinimai, surikiuoti pagal didėjusią ekspresiją. Tai leidžia LLMs modeliuoti natūralios kalbos pagrindu vienosėlius RNA sekvančių (scRNA-seq) duomenis. Šio kūrinio sudėtyje yra C2S-Scale modeliai, kuri kerta transkriptomikos ir tekstualių duomenų sritis ir leidžia papildomus vienspalvių uždavinius, pvz., perturbacijų prognozavimo, duomenų santraukų, klasterių aprašymo bei biologinio klausimo šaldymo. C2S-Scale modeliai prieinami Hugging Face ir yra paremti architektūra, pvz., Pythia ir Gemma-2. Cell2Sentečiai yra skirtas mokslovei ir mokslininkams, dirbantiems vienosėlių transkriptomikoje. Šioje sistema buvo atnaujinta, pridėjo naujas modelius ir funkcijas, kaip, pavyzdžiui, rizikingos naudojimo patvirtinimas ant specializuotų užtrūkščio formuotės šablono ir multiplovės užtrūkščio formuotės formavimo funkciją. Taip pat ji apima Pythia modelio komplektą užtrūkščio tipų prognoze, užtrūkščio tipų sąlygotoji generacija bei platią multiplovės užtrūkščio-tipų kompleksų modelį, kuris buvo treniruotas virš 57 milijonų humanistinių ir myšių požeminių šūkų pavyzdžio. Cell2Sentence sistema dokumentuota ir turi turorius naudoti, užėjantis pavyzdžius fine-tuning ir įvairių cellų formatavimą iš anksto. Cell2Sentence kūrimas susijęs su van Dijk laboratorija bei jau buvo publikuotas bioRxiv žurnalui priešprintuose. Cell2Sentence leidžia kartą užbaigtą vienviečių celulės atradimą naudodama LLM.
Kriterijų išskirstymas
- Transformacija ekspresijų vektorių į celio frazes
- C2S-Skalės modeliai užtikrina papildomas vienaskelės poreikį
- Atvirojo rėžiamojo įtaiso sugeba naudojimo custom prompt šablonų
- Pirmas užklausos formatas
- Pre-treniruoti modeliai pareme Pythia ir Gemma-2 arhitektūra
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
StartupValidator
Šiandien naudojamas Twitter signalų ir internetinės vertinimo AI modelis, kuriant įvertinimą su rizikomis, stiprumais ir siūlomių permainų idėjomis
StartupValidator - tai AI taikiklis, kuris pagal live Twitter signalus ir internetinę vertinimą apžiūra pradžios idėją ir teikia įvertinimą, svarstydami rizikas, privalumus ir siūloma permainų galimybes. Šis taikiklis skirtas pramonės šakos pradininkams ir verslo bendrovių steigėjams, norėjantią pagalbai tikrinti savo idėjų galimybes prieš investuodami daugumą resursų. Naudojant realų laiką duomenis iš Twitter ir interneto, StartupValidator teikia duomenų nukrypimą įmonės taikymui.
Kriterijų išskirstymas
- Įvykio analizė live Twitter signalais
- Web vertinimo integracija
- Prie vertinamo įvertinimo pateikimas už numerinis įvertinimas
- Risku ir stipriųjų identifikavimas
- Siūloma permainų galimybės gerinti
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
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
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