历史对决 · 2025-03-28 UTC
Research AI Agents 对决 — 2025年3月28日
来自Research AI Agents类别。 12个标记分布在5个参赛者中。 Cell2Sentence夺得桂冠。
最终排名
阵容
参赛工具
参加这场对决的每个工具的简介,按最终得分排序。
Cell2Sentence 是一个开源框架，将单细胞基因表达数据转换为“细胞句子”，以便通过大型语言模型（LLMs）进行分析和洞察生成。它提出了将表达向量按表达值降序转换为以空格分隔的基因名称组成的细胞句子的秩序化变换。这使得 LLM 能够以自然语言本地建模单细胞 RNA 测序（scRNA‑seq）数据。该框架包含 C2S-Scale 模型，统一了转录组和文本数据，并支持高级单细胞任务，如扰动预测、数据集摘要、聚类标题生成和生物学问题回答。C2S-Scale 模型已在 Hugging Face 上提供，并基于 Pythia、Gemma‑2 等架构。Cell2Sentence 主要面向使用单细胞转录组学数据的研究人员和科学家。 该框架已更新新模型和功能，包括支持在自定义提示模板上进行微调以及多细胞提示格式化。它还提供了一套 Pythia 模型，用于细胞类型预测、细胞类型条件生成，并包含一个训练于超过 5700 万人类和小鼠细胞的多细胞多任务模型。 Cell2Sentence 框架已被详细记录并提供使用教程，包括微调和多单元提示格式化的示例。 Cell2Sentence 的研发由 van Dijk Lab 参与，并已在 bioRxiv 上以预印本形式发布。 Cell2Sentence 通过 LLMs 赋能下一代单细胞发现。
标准细分
- 将表达向量转换为细胞语句
- 用于高级单细胞任务的C2S-Scale模型
- 支持自定义提示模板的微调
- 多细胞提示格式化
- 基于Pythia和Gemma-2架构的预训练模型
AlphaSense 是一款基于 AI 的市场情报平台，提供可信的洞察力以指导商业决策。它提供一套全面的精选来源，包括 Tegus 专家访谈记录、经纪人研究和公司文件。该平台利用先进的 AI 模型生成高质量的洞察，并提供句级引用。AlphaSense 集成工作流程，消除分散的来源，提供流畅且互联的洞察。其 GenAI 功能实时提供洞察，帮助决策基于可靠专业知识。该平台适用于投资银行、对冲基金、私募股权、资产管理、咨询、生命科学及其他行业。 AlphaSense 通过高度综合的洞察力脱颖而出，这些洞察力源自无可匹敌的内容集合。该平台还提供可自定义的智能代理，能够自动化重复的研究任务，将发现转化为面向高管的报告和幻灯片。其 Generative Search 为市场和公司提供 360 度全景视角，将定性洞察与结构化财务数据相结合。 AlphaSense 的主要优势之一是赋能用户以自信和速度做出大胆决策。该平台为团队提供精准答案、独特视角以及关键更新，帮助他们保持领先。
标准细分
- 精选来源
- Tegus 专家访谈记录
- 经纪人研究
- 公司文件
- 私有及公开财务数据
- GenAI 实时洞察
AMIE（Articulate Medical Intelligence Explorer）是由Google DeepMind和Google Research开发的研究型AI诊断代理。它旨在通过临床对话和医疗图像解读实现精准诊断。最初，AMIE是一种基于文本的医疗诊断对话AI代理，发表在《自然》杂志上。最新的多模态AMIE发展，通过在临床对话中智能地请求、解读和推理视觉医疗信息。这一发展旨在通过将图像和文档等多模态数据纳入诊断过程来提高诊断准确性。AMIE使用状态感知推理框架，基于多模态Gemini模型构建。通过专家评估，包括客观结构化临床考试（OSCEs），比较其在各种患者场景中的表现与初级医疗医生（PCPs）。
标准细分
- 多模态诊断对话
- 视觉医疗信息解读
- 状态感知推理框架
- 与Gemini模型的集成
- 用于对话评估的模拟环境
Autoresearch 是一个开源项目，允许 AI 代理自主运行 LLM 训练实验并保留最佳模型变更。该项目允许用户建立一个小型但真实的 LLM 训练环境，并让 AI 代理在夜间进行实验，修改代码，训练一短段时间，并检查结果是否有所改善。目标是自动化研究过程，让 AI 代理在无需人类干预的情况下探索不同的模型架构、超参数和优化策略。该项目包括 nanochat 的简化单 GPU 实现，并为使用 Markdown 文件编程 AI 代理的研究过程提供基本结构。该项目设计为可扩展的，允许用户添加更多代理并随着时间的推移改进研究过程。
标准细分
- 自主 LLM 训练实验
- AI 代理驱动的研究过程
- nanochat 的单 GPU 实现
- 基于 Markdown 的研究过程编程
- 5 分钟训练时间预算，附带评估指标（val_bpb）
Google AI Co-Scientist 是一个多智能体 AI 系统，旨在与科学家协作，推动生物医学研究的加速。它基于 Gemini 2.0 构建，扮演虚拟科研伙伴的角色，帮助生成新颖的假设和研究方案。该系统意在模拟支撑科学方法的推理过程，发掘全新且原创的知识。给定科学家以自然语言描述的研究目标，AI Co-Scientist 会生成创新的研究假设、详细的研究概览及实验方案。系统采用包含生成、反思、排名、演化、邻近、元评审等专门代理的协同体系，利用自动化反馈迭代生成、评估并完善假设。科学家可以通过多种方式与其互动，包括提供探索种子想法或对生成结果提供自然语言反馈。AI Co-Scientist 还运用网页搜索和专用 AI 模型等工具，提升生成假设的根基与质量。该系统设计能灵活扩展计算资源，并迭代改进其针对指定研究目标的科学推理能力。 Google AI Co-Scientist 对那些在快速增长的科学出版物中导航并整合陌生领域洞察的科学家尤为有用。借助最新的 AI 进展，包括跨复杂学科的综合能力以及长期规划和推理的能力，Google AI Co-Scientist 旨在加速科学与生物医学发现的进程。 该系统已在多种应用中进行了测试，包括基因转移发现和转移再发现。 虽然 AI Co-Scientist 具有多项优势，但其有效性取决于输入研究目标的质量以及科学家提供有意义反馈的能力。 AI Co-Scientist 是一款新的工具，具有对科学界产生重大影响的潜力，但它的局限性和潜在偏见需要被仔细评估。 AI Co-Scientist 的开发是一个持续进行的工作，其未来的应用和改进将取决于持续的研究和测试。
标准细分
- 假设生成
- 研究概述创建
- 实验方案开发
- 科学推理专用代理
- 自动反馈循环
- 网络搜索集成