历史对决 · 2023-12-16 UTC
Research AI Agents 对决 — 2023年12月16日
来自Research AI Agents类别。 33个标记分布在10个参赛者中。 Atelier Ruixen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。
Atelier Ruixen 是一个平台，帮助用户精炼提问并策划阅读清单，将碎散的信息转化为可执行的洞见。平台拥有庞大的知识档案，由 11,897 条线索编织成 1,063 条独立的认知线索。这些线索由“导师”通过模式延续，将复杂信息结晶化为易于理解的形式。 该平台不同于 Wikipedia 等文档型资料，而是以独特的基于模式的形式呈现的精选知识集合。它将过去的智慧与未来的智能相结合。 用户可以通过对话界面与平台交互，提出问题并获得相应的策划阅读清单。 总体而言，Atelier Ruixen 旨在为用户提供从复杂信息中获取可执行洞见的强大工具。
标准细分
- 精炼的提问
- 策划的阅读清单
- 基于模式的复杂信息呈现格式
- 对话界面
- 知识生态系统
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
Company Status Agent 是一款由 AI 驱动的验证工具，能够检查一家企业是否已正式注册并且目前处于活跃状态。它会查询全球可信赖的政府和企业注册机构，并在数秒内返回清晰的状态报告，无需在多个司法管辖区进行手动查询。 该工具旨在满足尽职调查、合规、入职以及风险评估工作流程。团队可用它来验证供应商、合作伙伴或客户，在签署合同、开立账户或授信之前，从而降低欺诈和空壳实体的风险。 通过自动化注册查询，它简化了 KYB（Know Your Business）流程，为专业人士提供了一种在跨境范围内一致确认法律地位的方法。
标准细分
- 基于 AI 的登记查询
- 全球司法管辖区覆盖
- 活跃/非活跃状态检查
- 公司身份验证
- 合规与入职支持
- 快速按需报告
Table Agent 是一款 AI 驱动的数据助理，专为表格化研究而设计。它旨在自动化收集任意主题数据的过程，使研究更加高效。 该工具支持可定制的数据模式，使用户能够根据特定需求定制数据收集方式。这种灵活性对数据结构差异显著的各种应用和行业都非常有益。 Table Agent 的核心功能是其基于 AI 代理的数据搜索能力。这意味着该工具利用人工智能主动寻找并汇总相关数据，有望减少手动搜索所需的时间和精力。 虽然没有详细说明其工作流程和集成方式，但AI驱动的数据助理的概念表明，它可以与各种数据分析工具无缝对接，提升整体研究过程。 Table Agent 的优势可能在于它能够自动化繁琐的数据收集任务，并且能够适应不同的数据结构。然而，由于缺乏更具体的信息，要确定它的局限性或与其他数据助理工具的比较仍然比较困难。
标准细分
- 自动化数据采集
- 可定制的数据模式
- AI 代理驱动的数据检索
- 快速准确的数据检索
Bright Data 的 Web MCP 是一款服务器，能够让 AI 代理可靠地进行网页搜索、抓取和浏览器自动化。它提供每月 5,000 次免费请求。该工具帮助 AI 代理有效地搜索网络、提取数据并在不被拦截的情况下浏览网站。功能包括实时搜索结果、数据提取、网站爬取和浏览器自动化。Web MCP 旨在绕过封锁和限制，已获得全球超过 20,000 家客户的信赖。
标准细分
- 实时网页搜索
- 网站爬取与数据提取
- 浏览器自动化
- 绕过地区限制和验证码
- 渲染 JavaScript 以获取动态内容
- 模拟真实用户行为
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
科莫斯是一款面向生物医药研发团队与科研人员的自动化 AI 科学家。它分析数据和文献来生成有源注证的科学报告，减短从假设到注册药物开发整个过程，从天到几天，不再是需要几个月。
标准细分
- 自主性猜想生成
- 文献分析
- 数据分析
- 科学工作流执行
- 通过 Slack、Teams 和电子邮件合作
- 对未来最先进模型无关
ResearchClaw 是一款 AI 驱动的工具，旨在帮助进行研究人员的识别与联络。它基于 OpenClaw 技术，能够根据研究人员的已发表论文进行检索并进行排名。该工具可生成研究人员工作内容的简明英文摘要，供撰写招聘论述使用。此外，ResearchClaw 还能草拟引用研究人员成果的冷邮件，促进首次联系。该工具旨在简化寻找并与潜在研究岗位候选人建立联系的流程。通过自动化发现和 outreach（外联）过程，ResearchClaw 为招聘研究人员的相关人员节省时间和精力。其功能对高校、科研机构、组织和企业在招聘研究人员时具有帮助。ResearchClaw 的特性可以让招聘流程更简便，但其效果可能取决于训练数据的质量以及用户的具体需求。工具能够草拟邮件和论述既是时间节省，也可能成为局限，因为可能会失去个性化的细节。与所有 AI 驱动的工具一样，它在理解和表达复杂研究主题方面可能存在局限。总体而言，ResearchClaw 对于想要识别并与研究人员建立联系的人来说具有潜在价值，但在使用时应考虑其局限性。
标准细分
- 研究人员识别与排名
- 生成通俗易懂的招聘论点
- 冷邮件撰写
- OpenClaw 技术集成
- 自动化外联功能
- 研究人员工作摘要
THEUS 是一款企业级 AI 研究系统，能够将专有研究转化为可追溯的洞察，配有 Fact ID、引用以及专家化身。系统基于 Google 的 Agent Development Kit (ADK) 构建，采用双向建模实现数据驱动的知识代理。用户可以提取、合成并探索自己的研究数据，每一条主张都有对应的 Fact ID 并附有页级引用。THEUS 提供两种探索方式：通过 Dr. Reed 生成新洞察，或通过 Dr. Sinclair 分析已有知识。 该平台面向洞察副总裁、全球感官负责人以及评估战略能力建设的创新领袖而设计。它采用专门构建的研究方法论，而非通用企业 AI，并创建基于数据的知识代理，使用真实机构数据进行训练。根据尼尔森的数据，85% 的新产品在两年内失败，基于证据的探索显著提升决策质量。 THEUS 提供单用户席位，包含每月最多可上传 30 份文档、解析最多 1,500 页，以及向 Dr. Sinclair 提出最多 500 次问题的功能。 THEUS 的关键优势之一是能够将数十年的专有数据转化为可追溯、可直接用于决策的情报，借助 AI 驱动的知识代理。
标准细分
- 提取、综合和探索研究数据
- 使用Dr. Reed生成新的见解或使用Dr.Sinclair分析现有知识
- 双向建模，为数据驱动的知识代理
- 连接产品和消费者知识进行双向见解
- 支持跨研究综合和研究差距分析
OpenAI Deep Research 是 ChatGPT 内部的一项代理功能，它可以代表您在网络上进行浏览，读取并综合来自多个来源的信息，生成一份长篇且有引用的报告。它不只是给出一个快速答案，而是规划研究路径，跟随链接，比较发现，并在数分钟内反复迭代，处理那些通常需要人类数小时才能挖掘的问题。 它旨在执行竞争分析、市场与学术研究、尽职调查，以及详细的产品或政策比较等任务。用户提交提示，必要时回答澄清问题，并获得一份包含可验证引用的书面报告。此工具向付费的ChatGPT用户开放，使用次数上限因订阅套餐层级而异。
标准细分
- 自动化多步 web 浏览
- 长篇幅报告具备 inline citations
- 在研究开始前回答问题
- 文本、图像和 PDF 合理推理
- 在 ChatGPT 中呈现研究过程
- 可导出结果