Geçmiş savaş · 2026-05-10 UTC
Research AI Agents Hesaplaşma — 10 Mayıs 2026
Research AI Agents kategorisinden. 10 savaşçıya 35 işaret yerleştirildi. Google AI Co-Scientist tacı aldı.
Nihai sıralama
Kadro
Savaşçılar
Bu savaşta yarışan her aracın profilleri, nihai puanlarına göre sıralandı.
Google AI Co-Scientist
Yeni hipotez üretmek ve biomedical araştırmayı hızlandırmak için bilim insanlarıyla iş birliği yapan bir çok agent AI sistemi.
Google AI Co-Scientist bir bilim insanlarıyla iş birliği için tasarlanmış bir multi-agents AI sistemidir ve biyomedikal araştırma hızlandırılmasına yardımcı olarak çalışır. Gemini 2.0 ile inşa edilen sistem, yeni araştırma hipotezleri ve araştırma teklifleri oluşturmada sanal bir bilimsel işbirlicidir. Sistem, bilim metodunun altında yatan mantığı yansıtmayı amaçladığından, mevcut bilginin ötesinde yeni, orijinal bilgi keşfetmeyi amaçlar. Bir bilim insanının belirli bir araştırma amacını doğal dilde belirtmesine dayanan AI Co-Scientist, yeni araştırma hipotezleri, ayrıntılı bir araştırma ana hatları ve deneme protokolleri oluşturur. Sertifikasyon, Geri İnceleme, Sıralama, Evrim, Yakınlık ve Meta-İnceleme gibi özel ajanslar oluşturulur ve otomatik geri bildirim kullanılarak hipotezleri iteratif olarak oluşturmak, değerlendirmek ve gözden geçirmek için kullanılır. Sistem, bilimsel işbirliğinin çeşitli şekillerde çalışmasına izin verir, bunlara araştırma amaçlarının belirtimi için fikir sağlayan veya doğal dilde üretilen çıkacakların geri bildirimine izin verilmesi dahildir. AI Co-Scientist ayrıca web-arayüşleri gibi özel AI modellerini kullanarak üretilen hipotezlerin sağlamlaştırılmasını ve kalitesini artırmayı amaçlar. Sistem, belirtimi amaçlanan araştırma konusuna ilerlerken hata düzeltme ve hesaplamayı flexibly scale ve ilerleyici bilimsel mantık geliştirmektedir. AI Ko-İlhamci özellikle bilim insanları için faydalı, çünkü bunlar hızlanan bilimsel yayınlarda karşılaşılan zorlukları ve bilinmeyen alanlardan gelen ipuçlarını entegre edebilmek için sıkıntı çekiyor. Yeni AI gelişmelerini kullanarak, özellikle karmaşık konularda sentezlemeyi ve uzun vadeli planlama ve akıl yürütmeyi yapabilme yeteneğini kullanan AI Ko-İlhamcı, bilimsel ve biyomedikal keşiflerin saatinin hızlanmasını amaçlıyor. Sistemin birçok uygulamada, gen transfer keşfi ve yeniden keşfi gibi farklı uygulamalarda test edilmesi gerçekleşmiştir. AI Co-Scientist, çeşitli avantajlar sunsa da, verilerin kalitesi ve araştırmacıın anlamlı geri bildirimde bulunabilme yeteneği etkisini önemli ölçüde etkiler. AI Co-Katılımcı, bilimsel topluluğa önemli bir etkisi olacağı öneden bir araç olmakla birlikte sınırlamaları ve potansiyel taraflılıklarını dikkatle değerlendirilmeleri gerekmektedir. Google AI Co-Scientist'in geliştirilmesi sürekli bir çabadır. Gelecek uygulamaları ve iyileştirmeleri devam eden araştırma ve testlere bağlıdır.
Kriterlerin ayrıştırılması
- Hipotez oluşturma
- Araştırma özet oluşturma
- Deneysel protokol geliştirme
- Bilimsel argümanlar için uzman agentler
- Otomatik geri döngü
- Web-arama entegrasyonu
GLM-4.6V
Z.ai'den çok modlu GLM, vizyon, metin ve araç çağırmasının bir araya gelerek uzun-kon-text akla neden, arama, kodlanma ve UI-код oluşturma için açık kaynaktır.
GLM-4.6V, 128.000 token boyutundaki bağlam penceresini ölçeklendirerek görsel anlamayı en iyi performanslı hale getirir. native işlev çağrı olanaklarına sahip olduğu için, gerçek dünya iş senaryolarındaki bileşik modellenler için tek bir teknik temel sağlar. GLM-4.6V görsel girdi kabul edebilir ve yüksek kaliteli, yapılı metin-görsel çapraz katmanlı içeriği otomatik olarak oluşturabilir, karmaşık belge anlayışını ve görsel arama-geri döndürme gibi karmaşık görevleri gerçekleştirebilir. Bu model, zeka ömrü yüksek bir dil modeli ve zengin medya rapor oluşturması yanı sıra görsel web araması ve layout, zengin medya rapor oluşturma, uzun metin içi anlama gibi çeşitli kabiliyetler ve senaryolar sunar. Mikserdeki metin-görsel inputları kabul edebilmeye, yüksek kaliteli içerik oluşturabilme ve aday resimleri üzerinde görsel taramalar yapabilme gibi fonksiyonlarda güçlü bir LLM'dir. GLM-4.6V'nin görsel algıdan çevrimiçi retrieval ve yapılandırılmış rapor oluşturmaya doğru çok modlu arama ve analiz akışı, kolayca görsel algıydan çevrimiçi retrieval ve yapılandırılmış rapor oluşturmaya doğru akışkan bir dönüşüm sağlar. Çok modluk bağlam bilgisi tutar ve hem metinsel hem de görsel informasyonun temellerinde zekâsalı akıl yürütür. Bu model, niyet tanıma ve arama planlama gibi beberapa yetenek ve senaryolar sunmaktadır. Multimedya sonuçların birleştirilmesine dayanan zengin medya rapor oluşturması da bunlara dahildir.
Kriterlerin ayrıştırılması
- Çok modlu girişe destek
- İnsan-üstü araç çağırması
- 128k kon-text uzunluğu
- İşlev çağırma kabiliyeti
- Uzun-kon-text anlama
- Görsel anlama ve araç alma
AlphaSense
Özgür olarak uzman görüş ve yatırım analiz seviyesi araştırmalarını ölçekli teslim eden bir AI destekli pazar istihbaratı platformu.
AlphaSense, iş kararlarını rehberlik etmek için güvenilir bilgiler sağlayabilmesi için AI destekli pazar istihbaratı platformudur. Tegus uzman raporları, yatırım bankacılığı, hedge fonları, özel sermaye, varlık yönetimi, danışmanlık, life sciences ve diğer sektörler için gelişmiş AI modellerini kullanarak kapsamlı kaynakları derlenmiş halde sağlar. Platformun GenAI yetenekleri, güvenilir bilgiye dayalı kararları desteklemek için gerçek zamanlı bilgiler sağlar ve bu sayede işlem süreçleri entegre hale gelebilir. Platform, parçalanmış kaynakların ortadan kaldırılmasını ve tutarlı, akıcı bilgiler sunmayı amaçlar. AlphaSense kendini highly synthesizel anket sonuçları ile farklılaştırmaktadır. Platform, yüksek bir içerik setinden tereccüz eden yüksek dereceli analitik sonuçlar sunmaktadır. Ayrıca platform, tekrar tekrar yapılan araştırma task'larını otomatikleştirmek amacı ile kullanıcı tarafından özelleştirilebilir agajlar sunmaktadır. Bu agajlar, keşif sonuçlarını yürütücü raporlar ve sunumlar olarak dönüştürmektedir. Genarative Search özelliği, şirketler ve pazarlardan 360 derece bir görüş sunmaktadır. Nitel anket sonuçlarını, yapılandırılmış finansal verilerle bağlayarak, kullanıcıların ihtiyaç duyduğu bilgileri elde edilebilir hale getirir. "AlphaSense'in bir numaralı güçlerinden biri, kullanıcıları güvenle ve hızla hızlı adımlar atabilme kabiliyetidir. Platform, takımlara rekabeti geride bırakmak için needed gerek duydukları doğru cevaplar, benzersiz bakış açıları ve kritik güncellemeleri sağlar."
Kriterlerin ayrıştırılması
- Kategorilenmiş kaynaklar
- Tegus uzman transkripsiyonları
- Broker research
- Şirket dosyaları
- Kamu ve özel finansal veri
- GenAI için gerçek zamanlı yararlanma
Autoresearch
Açık kaynak bir proje, AI ajanları bağımsız olarak LLM eğitim denemelerini çalıştırmalarını ve en iyi model değişikliklerini belirlemelerini sağlar.
Autoresearch, bağımsız AI agentlerinin LLM eğitim denemeleri yürütüp en iyi model ayarlarını saklanması için açık kaynaklı bir projedir. Kullanıcılar, bir gece boyu AI agentinin deneyip codeünü güncelleyip kısa bir süre eğitim verip sonuçların iyileştirilmesini kontrol etmesinin olabileceği küçük ama gerçek LLM eğitim ortamlarını kurabilirler. Amaç, insan müdahalesi olmadan AI agentinin farklı model mimarilerinde, hiperparametrelerde ve optimizasyon stratejilerinde keşif yapma sürecini otomatikleştirmektir. Proje, nanochat'ın basitleştirilmiş bir tek-GPU implementasyonunu sağlar ve Markdown dosyalarını kullanarak AI agentinin araştırma sürecinde programlama yapma temellerini veren temel bir yapı sağlar. Proje tasarımcılar için uzantılı bir yapıya sahiptir ve kullanıcılar zamanla araştırma sürecini geliştirip daha fazla agent ekleme olanağı vardır.
Kriterlerin ayrıştırılması
- Otonom LLM eğitim denemeleri
- Aİ işçi tarafından yönlendirilen araştırma süreci
- Tek-GPU nanochat uygulamasının single-GPU gerçeklemesi
- Araştırma süreci için markdown tabanlı programlama
- Aşağıda belirtilen eğitim zaman bütçesi ile val_bpb değerlendirme metriği (5 dakika)
Cell2Sentence
Yeni-öncü bir framework ki tek-hücre gen ifadelerini 'hücre cümleleri' haline dönüştürür, böylece LLM'lar verilerdeki biyolojik çıkarımları analiz ve yaratmak için kullanabilir.
Cell2Sentence, açık kaynaklı bir çerçevedir ki tek hücre gen ifade verilerini analiz ve kafa patlasma için hücre cümleleri haline dönüştürür. Büyük Dil Modelleri (LLM'ler) için bir sıralaması olan ifadesin vektörlerini hücre cümlelerine dönüştürür. Bunlar, açık ifadelendirme ile ifadenin azaldığı şekilde gen isimleriyle oluşturulurlar. Bu, doğalgaz dilini kullanarak tek hücre RNA sekanslama verileri (scRNA-seq verileri) üzerinde LLM'ler gibi bütünsel dil modellemesine olanak tanır. Çerçeve, C2S- Ölçek modellerini de içerir ki, transkripomik ve metin tabanlı verileri birleştirir ve karmaşık hücre içi görevleri destekliyordur gibi perturasyon predictionsi, veri toplaması, kümle etiketi ve biyolojik soruları cevaplandırılması gibi. C2S-Scale modelleri, Hugging_face'te sunuluyorlar ve mimariler gibi Pythia ve Gemma-2 ile ilişkilendirilmiştir. Cell2Sentence, tek hücre transkriptomik veriler ile çalışan araştırmacılar ve bilim insanlarına amaçlanıyor. Yalıtımı Framework yeni modeller ve özellikler ile güncellenmiştir, bu da özel uyarı şablonları ve multi-cell uyarı şekli formatlama desteği için yüksek doğruluk üzerinde eğitimlere uygunluk sunmaktadır. Ayrıca Pythia modellerinin bir koleksiyonunu da içerir, hücre tipi tahmini, hücre tipi koşullaşmış üretim ve 57 milyondan fazla insan ve fare hücresi üzerinde eğitimlenmiş çoklu hücğe dayalı çok görevli hücre modelini barındırır. Cell2Sentence framework, kullanımını belgeleyen dokümantasyon ve öğreticilerle birlikte, örnek fine-tuning ve multi-cell prompt dizaynı içermektedir. Cell2Sentence geliştirme sürecinde Van Dijk Laboratuarı yer almakta ve bioRxiv'de öne sürülen bir ön basım yayınlanmıştır. Cell2Sentence, ileri nesil single-cell keşfi için LLM'ler (ÖlÇütli Dil Modelleri) ile sağlar.
Kriterlerin ayrıştırılması
- İfades vektörlerini hücre cümlelerine dönüştürme
- C2S-ölçek modelleri için ileri seviye tek-hücre görevleri
- Ergonomik öntanımlı ve özelleştirilmiş promt şablonları ve multi-hücre promt formata sahip destek
- Pythia ve Gemma-2 mimarilerine dayanan önceden öntanımlı modeller
- Öntanımlı modellerle Hugging Face'ta mevcudur
THEUS (Aigora)
Şirket içi AI araştırma platformu olan THEUS, özel araştırmaları izlenebilir çıkarımlara dönüştüren fak id'leri, referansları ve uzman avatarları ile sentez yapmalarına olanak tanıyan bir sistemdir.
THEUS, bir iş yerleri AI araştırma sistemi olarak tüzel çalışmalarda eşsiz içgörülere yol açan izlenebilir sonuçlar oluşturmak için Fact ID'ler, alıntılar ve uzman avatarlar kullanır. Google Agent Development Kit (ADK) üzerine kuruludur ve bidiriyonal modelleme ile veri-tutan bilgileri için modelleme kullanır. Kullanıcılar, araştırma verilerinden çıkmış olan verileri çekebilir, sentezlebilir ve keşfedebilir, her talebe bir özellikle bir Fact ID'sinin yanı sıra sayfayı içeren alıntılar eşlik eder. THEUS, Dr. Reed ile yeni içgörüler oluşturmak ya da Dr. Sinclair ile var olan bilgileri analiz etmek için iki farklı yola sahiptir. Bu platform, stratejik yetenek oluşumu değerlendiren Çeşitlilik İfa Edicisi Başkanları, Global Algılama Liderleri ve İnovasyon liderleri için tasarlanmıştır. Generic enterprise AI yerine özel olarak tasarlanmış bir araştırmaya dayalı yöntem kullanır ve gerçek kurumsal veriye DAYANILIR olarak eğitimlendirilmiş data-grounded bilgi ajanları oluşturur. Ürünlerin %85'inin iki yıllık süre içinde başarısız olduğuna dair bulgularla (Nielsen), kanıtlara dayalı bir inceleme, karar kalitesi üzerinde büyük bir etkiye sahiptir. THEUS, aylık 30 belgeyi ve aylık 1.500 sayfa okunmasını, aylık 500 soru sormayı içerir. THEUS'nun önemli avantajlarından biri, AI güçlendirilmiş bilgi ajanları ile yüzyıllar süren özelleştirilmiş verileri izlenebilir, karar verilmesine hazır bilgilere dönüştürmektir.
Kriterlerin ayrıştırılması
- Araştırma verileri çıkarmak, sentezlemek ve keşfetmek
- Dr. Reed ile yeni çıkarımlar üretilerek mevcut bilgilerin analiz edilmesi
- İlgili bilgilerin data-zemininde bilgi ajanları için bidireksel modelleme
- Ürün ve tüketicinin bilgileri için iki yönlü bir anlayış
- Çok çalışmanın sentezlenmesi ve araştırma boşluğu analizi
StartupValidator
Startup fikri validatoru ile canlı Twitter sinyalleri ve web araştırması kullanmak, riskler, güçler ve taviz önerileri üretmek için puanlama kararı ile.
StartupValidator, Twitter canlı sinyalleri ve web araştırmaları kullanılarak startup fikirlerini doğrulamak için bir AI aracı olarak tasarlanmıştır. Bu araç, bir startup fikirinin canlılıklarını söylemek için puanlanmış bir karar vermesi, riskleri vurgulamak, güçleri vurgulamak ve olası dönüşümler önermek amaçlarıyla tasarlanmıştır. Bu aracı, büyük kaynakları önceden yatırmadan fikirlerinin gerçekçi olup olmadıklarını değerlendirmek isteyen girişimciler ve startup kurucularının hedef aldığı görülmektedir. Twitter ve web'ten gerçek zamanlı veriler kullanan StartupValidator, startup geçerliasyonuna veritabanı tabanlı bakış açısını sunar. Ancak bu aracı kullanmadan önce daha detaylı bilgi eksikliği olmadan, güvenilirliği ve doğruluğunun belirsiz olduğunu belirtmek gerekir. Aracı muhtemelen Twitter API'si ve web verileri kaynaklarıyla entegre edilmiş durumdadır.
Kriterlerin ayrıştırılması
- Canlı Twitter sinyal analizi
- Web araştırması entegrasyonu
- Başlangıç şirketi geçerlilik sıñası
- Risk ve güç tanımlaması
- Geliştirme için öneriler ile taviz önerileri
Kosmos
Zaman içinde süren araştırmalı kampanyalar için otomatik AI bilim insanı, veriyi ve yazarlıklarla analiz ederek tamamen citing edilmiş bilimsel raporlar oluşturur.
Kosmos, biyoteknik R&D ekipleri ve araştırmacılara yönelik otomatik bir AI bilim insanıdır. Veri ve literatürü analize tabi tutarak tam bir literatür gönderilmek suretiyle üretilebilen bilimsel raporlar oluşturur. İlaç geliştirme süreci, hipotezden kayda yönelik günler, değil aylar sürmeden hızlandırılır. Kosmos bağımsız olarak çalışır, literatür okurer, hipotez oluşturur, araştırmaları yönlendirir, bilimsel süreçleri yürütür. İlaç geliştirme döngüsünün tam bir yaşam döngüsünü destekler, hedef tanımlamaından klinik gelişime ve dosya oluşturma işlemine kadar devam eder. AI aracı Slack, Teams ve e-posta üzerinden insan bilim insanlarıyla işbirliği içerir ve organizasyonun bilgisinden öğrenir, denemsel geçmişten ve özel bilimsel verilere dayanan şekilde ilerler.
Kriterlerin ayrıştırılması
- Otantisiz hipotez oluşturma
- Literatür analizi
- Veri analizi
- Bilimsel akla geçiş işleme
- Slack, Teams ve e-posta üzerinden işbirliği
- Gelecekteki en gelişmiş modeller için model bağımsız
Table Agent, tablolardaki araştırmanın gücüne sahip bir AI yardımcı programıdır. Amacı, herhangi bir konuyla ilgili veri toplama sürecini otomatikleştirmektir, araştırma daha verimlidir. Çalışma aracı, özelleştirilebilir veri şemaları sunar, bu da kullanıcıların belirli needslerine göre veri toplanmasını şekillendirmesini sağlar. Bu esneklik, çeşitli data yapısı çok farklı olabilen uygulamalar ve sektörlerin faydalı olduğunu göstermektedir. Table Agent'in temel fonksiyonelliğini oluşturan AI agent-bağımlı veri arama yeteneğidir. Bu demektir ki, araç artifical intelligence kullanır ve aktif olarak ilgili verileri arar ve derler, potansiyel olarak el ile aramalara ilişkin zaman ve çabanın düşürülmesini sağlar. Çalışmanın iş akışı ve entegrasyonlarının spesifik ayrıntıları açıklanmasa da, AI'ye dayalı veri yardımcı işlevi, farklı veri analiz araçlarıyla sorunsuz bir şekilde entegre olup genel araştırma sürecini geliştirebileceği kavramını öne sürebilir. Tablo Agent'in güçlü olduğu alanlar muhtemelen veri toplama görevlerini otomatikleştirmesinin ve farklı veri yapılarına adaptasyonunun muhtemel olduğu. Ancak daha spesifik bilgi olması halinde sınırlarını belirlemek ya da alternatif veri yardımcısı Araçlarını karşılaştırma zor.
Kriterlerin ayrıştırılması
- Otomatize verileri toplama
- Mevcutlanabilir veri şemaları
- AI ajanı tarafından yönlendirilen veri araması
- Hızlı ve doğru veri alma
AMIE
Çok yönlendirilmiş bir AI tanılama aracı, akıllıca diagastik klinik konuşmalar ve tıbbi resimlerin doğru tespiti için tıbbi görüntüleri yorumlamaktadır.
AMIE (Medyum Bilimi Akıllı Aracı), Google DeepMind ve Google Research tarafından geliştirildi. Tıbbi görüşmeler ve hastalıkların doğru teşhislerini doğrulamak için tıbbi resimlerin yorumlanmasında tasarlanmıştır. Orijinal olarak, AMIE Nature dergisinde yayımlanan bir metin tabanlı tıbbi tanılama konuşma AI aracı olarak basıldı. En son ilerleme olarak, multimodal AMIE,clinical konuşmalar sırasında tıbbi görüntüleri yorumlama, görsel tıbbi bilgilere akıllıca talep etme ve akıl yürütme yeteneklerini entegre ediyor. Bu gelişme, teşhis sürecine görüntüler ve belgeler gibi multimodal verilerin dahil edilmesini içererek tanıya daha yüksek doğruluk sağlamak amacıyla yapılır. AMIE, bir durum ayarlar akıllıca akıl yürütme framework'ini kullanır ve multimodal Gemini modelleri üzerinde inşa edilmiştir ve deneyimleri sırasında, çeşitli hasta senaryolarında birinci basamak hekimler (PCPs) ile karşılaştırmak üzere objektif yapılandırılmış tıp uygulama sınavları (OSCEs) ile değerlendirilmiştir.
Kriterlerin ayrıştırılması
- Çok yönlendirilmiş tanılama diyalogu
- Tıbbi görüntüleri yorumlayabilme
- Durum bilincine sahip bir akıl yürütme çerçevesi
- Gemini modelleriyle entegrasyon
- Diyalog değerlendirmesi için simülasyon ortamı