Miniona bitwa · 2023-12-16 UTC
Research AI Agents Pojedynek — 16 grudnia 2023
Z kategorii Research AI Agents. 33 ocen oddanych na 10 zawodników. Atelier Ruixen zdobył koronę.
Klasyfikacja końcowa
Zestawienie
Zawodnicy
Profile każdego narzędzia, które rywalizowało w tej bitwie, uszeregowane według ich wyniku końcowego.
Atelier Ruixen
Współtowarzysz wiedzy AI, który doprecyzowuje pytania i tworzy listy czytania, aby zamienić rozproszone informacje w działne wnioski.
Atelier Ruixen to platforma pomagająca użytkownikom doprecyzować pytania i kuratować listy czytania, aby przekształcić rozproszone informacje w działne wnioski. Oferuje rozległy archiwum wiedzy, zbudowane z 11 897 nici w 1 063 unikalne wątki poznawcze. Te wątki są wynikiem pracy 'Masters', którzy wykorzystują kontynuację wzorców, aby złożoną informację przekształcić w zrozumiałe formy. Platforma nie jest formą dokumentacji typu Wikipedia, lecz kuratorowaną kolekcją wiedzy prezentowaną w unikalnym, opartym na wzorcach formacie. Łączy mądrość przeszłej wiedzy z potęgą przyszłej inteligencji. Użytkownicy mogą wchodzić w interakcje z platformą poprzez interfejs konwersacyjny, zadając pytania i otrzymując w odpowiedzi kuratowane listy czytania. Ogólnie Atelier Ruixen ma na celu zapewnienie potężnego narzędzia do poszukiwania działnych wniosków z złożonych informacji.
Podział kryteriów
- Doprecyzowane zadawanie pytań
- Kuratorowane listy do czytania
- Format oparty na wzorcach do prezentacji złożonej informacji
- Interfejs konwersacyjny
- Ekosystem wiedzy
Cell2Sentence
Otwartoźródłowy framework, który zamienia ekspresję genów pojedynczych komórek w ‘zdania komórkowe’, pozwalając LLM-om na analizę i generowanie wniosków biologicznych.
Cell2Sentence to otwarty framework, który przerabia pojedyncze dane wyrażenia genów na 'zdania komórek' w celu analizy i generowania wglądu przez Duże Modele Językowe (LLMs). Zaproponował on w kolejności zrębkowanie wektorów ekspresji do zdania komórkowego, składające się z nazw genów podane w spacjach, które są zakresowo ustalone w opadaniu ekspresji. To pozwala LLM-om natywnie modelować pojedyncze dane sekwencji RNA (scRNA-seq) za pomocą naturalnego języka. Framework zawiera model C2S-Scale, który scalą mechanizmy transkryptomiki i danych tekstowych i czyni dostępne zaawansowane zadania pojedynczych komórek, takie jak predykcja perturbacji, podsumowanie danych, opisowanie klastrów i odpowiedzi na pytania biologiczne. Modele C2S-Scale są dostępne na Hugging Face i powstają na architekturach jak Pythia i Gemma-2. Cell2Sentence został stworzony głównie dla badaczy i naukowców zajmujących się danymi transkryptomiki pojedynczych komórek. Framework został zaktualizowany za pomocą nowych modeli oraz funkcji, w tym wsparcia dla fine-tuning w określonych szablonach instrukcji i formacji promt wielocelutowej. Zawiera również zestaw modeli Pythia dla predykcji typu komórki, generowania z warunkiem typu komórki, oraz różnorodny model wielocelutowo-czarowany, który został przeszkolony na 57 milionach komórek ludzkich i mysich. Framwork Cell2Sentence jest udokumentowany i zawiera instrukcje użytkowe, w tym przykłady fine-tuningu oraz formowania promtów wielocellowych. Podczas rozwoju Cell2Sentence są zaangażowani Laboratorium van Dijk'a i publikacja została opublikowana w preprint na bioRxiv. Cell2Sentence umożliwia przełomową odkrywkę pojedynczych komórek za pomocą modeli LLM.
Podział kryteriów
- Transformacja wektorów ekspresji w zdania komórkowe
- Modele C2S-Scale dla zaawansowanych zadań na pojedynczych komórkach
- Wsparcie dla dostrajania na własnych szablonach promptów
- Formatowanie promptów dla wielu komórek
- Modele wstępnie wytrenowane oparte na architekturach Pythia i Gemma‑2
Company Status Agent
Natychmiast weryfikuj rejestrację i aktywność firm w globalnych oficjalnych rejestrach.
Company Status Agent to narzędzie weryfikujące zasilane AI, które sprawdza, czy firma jest oficjalnie zarejestrowana i aktywna. Wykonuje zapytania do zaufanych rejestrów rządowych i korporacyjnych na całym świecie, zwracając przejrzysty raport w ciągu kilku sekund zamiast ręcznych wyszukiwań w wielu jurysdykcjach. Narzędzie jest przeznaczone do procesów due diligence, zgodności, onboardingu i oceny ryzyka. Zespoły mogą wykorzystać je do weryfikacji dostawców, partnerów czy klientów przed podpisaniem umów, otwarciem kont czy udzieleniem kredytu, zmniejszając ryzyko oszustw i podmiotów typu shell. Automatyzując kontrole rejestrów, usprawnia procesy KYB (Know Your Business) i daje profesjonalistom spójny sposób potwierdzania statusu prawnego na terenie całego świata.
Podział kryteriów
- Wyszukiwania rejestrów wspomagane AI
- Zakres globalnych jurysdykcji
- Sprawdzenie statusu aktywnego vs nieaktywny
- Weryfikacja tożsamości firmy
- Wsparcie dla zgodności i onboardingu
- Szybkie raporty na żądanie
Table Agent jest asystentem danych zasilanym AI, zaprojektowanym do wspomagania badań w formie tabel. Ma na celu automatyzację procesu zbierania danych na dowolny temat, zwiększając efektywność badań. Narzędzie umożliwia dostosowywanie schematów danych, co pozwala użytkownikom na dopasowanie zbierania danych do konkretnych potrzeb. Ta elastyczność jest korzystna dla szerokiego zakresu aplikacji i branż, w których struktura danych może znacznie się różnić. W podstawie funkcjonalności Table Agent leży zdolność wyszukiwania danych sterowana agentem AI. Oznacza to, że narzędzie wykorzystuje sztuczną inteligencję do aktywnego poszukiwania i kompilacji odpowiednich danych, co może zmniejszyć czas i wysiłek potrzebny do ręcznych poszukiwań. Chociaż szczegóły jego przepływu pracy i integracji nie są opisane, koncepcja AI‑napędzanego asystenta danych sugeruje, że mógłby bezproblemowo integrować się z różnymi narzędziami do analizy danych, poprawiając ogólny proces badawczy. Silne strony Table Agent prawdopodobnie obejmują zdolność do automatyzacji nużących zadań zbierania danych oraz jego adaptacyjność do różnych struktur danych. Brakuje jednak bardziej szczegółowych informacji, co utrudnia określenie ograniczeń lub porównanie z alternatywnymi narzędziami asystującymi w pracy z danymi.
Podział kryteriów
- Zautomatyzowane zbieranie danych
- Konfigurowalne schematy danych
- Wyszukiwanie danych napędzane przez agenta AI
- Szybkie i precyzyjne pobieranie danych
Bright Data Web MCP
Serwer MCP, który zapewnia agentom AI niezawodne przeszukiwanie internetu, scrapowanie oraz automatyzację przeglądarki z 5 000 darmowych żądań miesięcznie.
Bright Data Web MCP to serwer umożliwiający agentom AI niezawodne przeszukiwanie, scrapowanie i automatyzację przeglądarek internetowych. Dostarcza 5 000 darmowych żądań miesięcznie. Narzędzie pozwala agentom skutecznie przeszukiwać internet, wydobywać dane i nawigować po witrynach bez blokad. Oferuje funkcje takie jak wyniki wyszukiwania w czasie rzeczywistym, ekstrakcja danych, crawling witryn oraz automatyzacja przeglądarki. Web MCP jest zaprojektowany do obejścia blokad i ograniczeń, i jest zaufany przez ponad 20 000 klientów na całym świecie.
Podział kryteriów
- Wyszukiwanie w czasie rzeczywistym
- Crawling witryn i ekstrakcja danych
- Automatyzacja przeglądarki
- Omijanie geo‑restrykcji i CAPTCHA
- Renderowanie JavaScript dla dynamicznej zawartości
- Symulacja zachowań prawdziwego użytkownika
Google AI Co-Scientist
Wielooagentowy system AI współpracujący z naukowcami w generowaniu hipotez i przyspieszaniu badań biomedycznych.
Google AI Co-Scientist to wielooagentowy system AI zaprojektowany do współpracy z naukowcami i przyspieszania badań biomedycznych. Zbudowany w oparciu o Gemini 2.0, działa jako wirtualny współpracownik naukowy, pomagając generować nowe hipotezy i propozycje badań. System ma odzwierciedlać proces rozumowania leżący u podstaw metody naukowej i odkrywać nową, oryginalną wiedzę. Na podstawie celu badawczego określonego w języku naturalnym, AI Co-Scientist generuje nowe hipotezy badawcze, szczegółowy przegląd badań oraz protokoły eksperymentalne. Wykorzystuje koalicję wyspecjalizowanych agentów, w tym Generation, Reflection, Ranking, Evolution, Proximity i Meta-review, które przy użyciu zautomatyzowanego sprzężenia zwrotnego iteracyjnie generują, oceniają i udoskonalają hipotezy. System umożliwia naukowcom interakcję na różne sposoby, w tym podawanie pomysłów wyjściowych do eksploracji lub udzielanie informacji zwrotnej w języku naturalnym. AI Co-Scientist korzysta także z narzędzi takich jak web‑search i specjalistyczne modele AI, aby zwiększyć wiarygodność i jakość generowanych hipotez. System jest zaprojektowany tak, aby elastycznie skalować moc obliczeniową i iteracyjnie poprawiać swoje rozumowanie naukowe w kierunku określonego celu badawczego. AI Co-Scientist jest szczególnie przydatny dla naukowców, którzy mają trudności w poruszaniu się po szybkim wzroście liczby publikacji naukowych oraz integrowaniu wiedzy z nieznanych dziedzin. Wykorzystując najnowsze osiągnięcia AI, w tym zdolność do syntezy w złożonych tematach oraz planowania i rozumowania długoterminowego, AI Co-Scientist ma przyspieszyć tempo odkryć naukowych i biomedycznych. System testowano w różnych zastosowaniach, w tym w odkrywaniu i ponownym odkrywaniu transferu genów. Choć AI Co-Scientist oferuje wiele korzyści, jego skuteczność zależy od jakości wprowadzonego celu badawczego oraz od zdolności naukowca do dostarczania znaczącej informacji zwrotnej. AI Co-Scientist jest nowym narzędziem, które może mieć znaczący wpływ na społeczność naukową, ale jego ograniczenia i potencjalne uprzedzenia muszą być dokładnie ocenione. Rozwój AI Co-Scientist jest procesem ciągłym, a przyszłe zastosowania i ulepszenia będą zależały od dalszych badań i testów.
Podział kryteriów
- Generowanie hipotez
- Tworzenie przeglądu badań
- Opracowywanie protokołów eksperymentalnych
- Specjalistyczne agenty do rozumowania naukowego
- Automatyczna pętla sprzężenia zwrotnego
- Integracja wyszukiwania w sieci
Kosmos
Autonomiczny naukowiec AI dla długofalowych kampanii badawczych, analizujący dane i literaturę oraz tworzący w pełni cytowane raporty naukowe.
Kosmos to autonomiczny naukowiec AI zaprojektowany dla zespołów R&D w biopharmaceutyce oraz badaczy. Analizuje dane i literaturę, aby tworzyć w pełni cytowane raporty naukowe, przyspieszając proces opracowywania leków od hipotezy do rejestracji w kilka dni, a nie miesięcy. Kosmos działa samodzielnie, czytając literaturę, generując hipotezy, kierując badaniami i realizując przepływy pracy naukowej. Wspiera pełny cykl życia rozwoju leku, od identyfikacji celu po rozwój kliniczny i wnioski rejestracyjne. Narzędzie AI współpracuje z ludzkimi naukowcami przez Slack, Teams i e-mail oraz uczy się na podstawie wiedzy organizacji, budując się na historii eksperymentalnej i własnych danych naukowych.
Podział kryteriów
- Samodzielne generowanie hipotez
- Analiza literatury
- Analiza danych
- Wykonywanie przepływów pracy naukowej
- Współpraca przez Slack, Teams i e-mail
- Niezależność od modelu, obsługa najnowszych modeli
ResearchClaw
Agent oparty na OpenClaw, który znajduje i rankuje badaczy na podstawie publikacji, pisze proste w języku angielskim tezy rekrutacyjne oraz przygotowuje cold emails odnoszące się do ich pracy.
ResearchClaw to narzędzie oparte na AI, zaprojektowane do pomocy w identyfikacji i kontaktowaniu się z badaczami. Wykorzystuje technologię OpenClaw do znajdowania i rankingu badaczy na podstawie ich publikowanych prac. Narzędzie generuje podsumowania w prostym języku angielskim pracy badacza, które można wykorzystać do tworzenia tez rekrutacyjnych. Dodatkowo, ResearchClaw redaguje zimne e-maile z odniesieniem do pracy badacza, ułatwiając początkowy kontakt. Narzędzie ma na celu usprawnienie procesu znajdowania i łączenia się z potencjalnymi kandydatami na stanowiska badawcze. Automatyzując odkrywanie i kontakt, ResearchClaw oszczędza czas i wysiłek dla osób zaangażowanych w rekrutację badaczy. Możliwości narzędzia mogą być korzystne dla instytucji, organizacji i firm poszukujących badaczy. Funkcje ResearchClaw mogą pomóc uprościć proces rekrutacji, ale jego skuteczność może zależeć od jakości danych, na których jest trenowany, oraz od konkretnych potrzeb użytkownika. Umiejętność redagowania e‑maili i tez może być jednocześnie oszczędnością czasu i potencjalną ograniczeniem, ponieważ spersonalizowane akcenty mogą zostać utracone. Podobnie jak w przypadku każdego narzędzia opartego na AI, mogą wystąpić ograniczenia w jego zrozumieniu i reprezentacji złożonych tematów badawczych. Ogólnie rzecz biorąc, ResearchClaw ma potencjał, by być cennym zasobem dla osób chcących identyfikować i kontaktować się z badaczami, ale należy wziąć pod uwagę jego ograniczenia przy korzystaniu z narzędzia.
Podział kryteriów
- Identyfikacja i ranking badaczy
- Generowanie tez rekrutacyjnych w prostym angielskim
- Tworzenie zimnych wiadomości e‑mail
- Integracja technologii OpenClaw
- Automatyczne możliwości kontaktu
- Podsumowanie pracy badaczy
THEUS (Aigora)
System badawczy AI dla przedsiębiorstw, który przekształca własne badania w śledzalne wnioski z identyfikatorami faktów, cytatami i awatarami ekspertów do syntezy.
Aigora to system badawczy AI do przedsiębiorstw, który przekształca wewnętrzne analizy w przenikliwe wnioski z identyfikatorami faktów, cytacjami i awatarami ekspertów. Jest zbudowany na podstawie Agent Development Kit (ADK) Googla oraz wykorzystuje modelowanie dwukierunkowe dla agentów wiedzy opartych na danych. Użytkownicy mogą wydzielić, syntezyzować i eksplorować swoje dane badawcze, a każda twierdzenie jest potwierdzone przez określonyą Fact ID z cytacjami na poziomie strony. Aigora oferuje dwie możliwości eksploracji: generowanie nowych wglądów za pomocą Dr. Reeda lub analiza istniejących wiadomości za pomocą Dr. Sinclaira. Ten platforma została zaprojektowana dla dyrektorów Insygniów, Globalnych Liderów Sensorycznych oraz liderów Innowacji, którzy oceniają potencjał budowy strategii firmy. Utilizuje one wskazaną metodologię badawczą, a nie ogólne rozwiązanie AI biznesu, i tworzą agentów wiedzy opartych na danych, uwarunkowano na rzeczywistem danych instytucjonalnych. W związku z tym, że 85% nowych produktów nie powoduje powyżej dwóch lat (Nielsen), eksploracja powiązana z danymi znacznie poprawia jakość decyzji. THEUS oferuje wersję dla jednego użytkownika, zawierającą funkcje takie jak ingest do 30 dokumentów na miesiąc, parsing do 1 500 stron na miesiąc oraz możliwość zadawania do 500 pytań Dr. Sinclairowi na miesiąc. Jednym z najważniejszych zalet THEUS jest możliwość przekształcenia dekad danych wrażliwych na ochronę w czytelny, gotowy do podjęcia decyzji inteligentny z wykorzystaniem agentów wiedzy opartych na sztucznej inteligencji.
Podział kryteriów
- Wyodrębniaj, syntezuj i eksploruj dane badawcze
- Generuj nowe wnioski z Dr. Reed lub analizuj istniejącą wiedzę z Dr. Sinclair
- Modelowanie dwukierunkowe dla agentów wiedzy opartych na danych
- Łącz wiedzę produktową i konsumencką dla dwukierunkowego wglądu
- Obsługuje syntezę międzystudialną i analizę luk badawczych
OpenAI Deep Research
Autonomiczny agent AI, który prowadzi wieloetapowe badania internetowe i dostarcza ustrukturyzowane raporty
OpenAI Deep Research to funkcja agencji wewnętrznej w ChatGPT służąca do przeglądania przez siebie internetu w Twoim imieniu, czytania i syntetyzowania informacji z wielu źródeł w celu wytworzenia dokumentu długiej formy z cytowaniami. Zamiast pojedynczej szybkiej odpowiedzi planuje kurs badań, przełącza się między linkami, porównuje odkrycia i iteruje przez kilka minut w celu obsługi pytań, które normalnie potrafiłoby wyjaśnić jedynie ludzkość po wielu godzinach pracy. Ma na celu obsługiwanie zadań, takich jak konkurencyjna analiza, badania rynkowe i akademickie, sprawdzanie należności i porównywanie szczegółowych produktów lub polityk. Użytkownicy wysyłają pytanie, opcjonalnie odpowiedzi na pytania, aby uzyskać zrozumienie, i otrzymują pisany raport z podanymi cytacjami, które mogą potwierdzić. Narzędzie jest dostępne dla płacących użytkowników ChatGPT z ograniczeniami w zależności od poziomu dostępu.
Podział kryteriów
- Autonomiczne wieloetapowe przeglądanie Internetu
- Długie raporty z wbudowanymi cytatami
- Wyjaśniające pytania przed rozpoczęciem badań
- Rozumowanie przez tekst, obrazy i pliki PDF
- Aktualizacje postępu podczas sesji badawczych
- Eksportowalne wyniki w ramach ChatGPT