Высокоточный поисковик научных статей Undermind.ai
Самое важное в поисковиках — это покрытие информации за счет подключенных баз данных БД. Согласно данным из их whitepaper проекта, Undermind находит в 5-10 раз больше высокорелевантных результатов по сравнению с Google Scholar.
На данный момент Undermind имеет доступ к следующим БД:
1. Semantic Scholar - основная база, содержащая более 200 миллионов научных статей
2. PubMed - крупнейшая база данных по медицинским и биомедицинским исследованиям
3. ArXiv - архив препринтов научных статей (полные тексты 2.3 миллиона статей из ArXiv)
Ключевая особенность Undermind — инновационный четырехэтапный подход к научному поиску — ребята очень хорошо поработали над своим алгоритмом.
Как работает Undermind?
Пример.
- Вы пишете свой поисковый запрос
- Сервис последовательно задает два уточняющих вопроса для формирования наиболее полного и точного запроса
- Запрос отправляется в модели и происходит углубленный поиск по базе статей
- В результате (в базовой версии) вы получаете список из наиболее релевантных статей с описанием причины совпадения с поисковым запросом
- Также вам доступен чат с ИИ-экспертом на основе найденных статей
- Вся история общения и запросов хранится в Истории
Несмотря на заявленные возможности, по словам основателя Тома Хартке: “На данный момент Undermind использует только абстракты и метаданные статей, а не полные тексты. Поиск по полным текстам планируется добавить в будущем.”
Undermind ищет медленно. Это связано со стремлением выдать максимально релевантный ответ и объясняется тем, что сервис адаптирует и меняет методы поиска в процессе работы.
Поисковик предлагает весьма обширный базовый функционал бесплатно, а Pro версия стоит 20$/мес. Также доступен командный доступ.
Основатели — Джошуа Раметт и Том Хартке — выпускники Массачусетского технологического института (MIT) со степенями PhD в области квантовой физики. Их участие в программе Y Combinator, одного из самых престижных стартап-акселераторов в мире, действительно вселяет оптимизм.
Такие аффилиации значительно повышают шансы Undermind на заключение всеобъемлющих договоров сотрудничества с крупными американскими научными издательствами. Это открыло бы доступ к полным текстам статей, а не только к абстрактам, и существенно углубило возможности поиска и анализа научной литературы.
Поэтому, советую присмотреться и попробовать Undermind, пока это становится мейнстримом.
#ИИвнауке #researchwithAI #поисковик@aingstrom
@aingstrom
Самое важное в поисковиках — это покрытие информации за счет подключенных баз данных БД. Согласно данным из их whitepaper проекта, Undermind находит в 5-10 раз больше высокорелевантных результатов по сравнению с Google Scholar.
На данный момент Undermind имеет доступ к следующим БД:
1. Semantic Scholar - основная база, содержащая более 200 миллионов научных статей
2. PubMed - крупнейшая база данных по медицинским и биомедицинским исследованиям
3. ArXiv - архив препринтов научных статей (полные тексты 2.3 миллиона статей из ArXiv)
Ключевая особенность Undermind — инновационный четырехэтапный подход к научному поиску — ребята очень хорошо поработали над своим алгоритмом.
Как работает Undermind?
Пример.
- Вы пишете свой поисковый запрос
- Сервис последовательно задает два уточняющих вопроса для формирования наиболее полного и точного запроса
- Запрос отправляется в модели и происходит углубленный поиск по базе статей
- В результате (в базовой версии) вы получаете список из наиболее релевантных статей с описанием причины совпадения с поисковым запросом
- Также вам доступен чат с ИИ-экспертом на основе найденных статей
- Вся история общения и запросов хранится в Истории
Несмотря на заявленные возможности, по словам основателя Тома Хартке: “На данный момент Undermind использует только абстракты и метаданные статей, а не полные тексты. Поиск по полным текстам планируется добавить в будущем.”
Undermind ищет медленно. Это связано со стремлением выдать максимально релевантный ответ и объясняется тем, что сервис адаптирует и меняет методы поиска в процессе работы.
Поисковик предлагает весьма обширный базовый функционал бесплатно, а Pro версия стоит 20$/мес. Также доступен командный доступ.
Основатели — Джошуа Раметт и Том Хартке — выпускники Массачусетского технологического института (MIT) со степенями PhD в области квантовой физики. Их участие в программе Y Combinator, одного из самых престижных стартап-акселераторов в мире, действительно вселяет оптимизм.
Такие аффилиации значительно повышают шансы Undermind на заключение всеобъемлющих договоров сотрудничества с крупными американскими научными издательствами. Это открыло бы доступ к полным текстам статей, а не только к абстрактам, и существенно углубило возможности поиска и анализа научной литературы.
Поэтому, советую присмотреться и попробовать Undermind, пока это становится мейнстримом.
#ИИвнауке #researchwithAI #поисковик@aingstrom
@aingstrom
👍5👾4❤1🤝1
aiXiv: Платформа для AI-ученых
Вышла статья о aiXiv — концепции платформы, где AI-агенты полностью автономно генерируют исследования, рецензируют их и публикуют. Звучит весьма футуристично.
aiXiv решает конкретную проблему: традиционные журналы не готовы к потоку AI-контента, а препринт-серверы вроде arXiv не имеют механизмов контроля качества. В результате качественные AI-исследования остаются без подходящих площадок для публикации.
Платформа построена на мультиагентной архитектуре с полным циклом оркестрации:
Решение опубликовать или отправить на доработку принимается механизмом голосования несколькими LLM моделями.
В полностью автономный цикл AI-ученых не очень верится — слишком много подводных камней с галлюцинациями и качеством контента. Сами авторы честно признают ограничения текущих AI-Scientist систем.
Но вот human-in-the-loop подход может стать революционным для журналов!
И вот только часть возможного функционала:
Потенциальная экономия огромна:
Представьте, если создать такой всеобъемлющий российский научный журнал! Учитывая растущие объемы информации и недостаток времени и самих исследователей в России, это могло бы кардинально ускорить этап проверки и валидации научных открытий и отчетов.
Кстати, aiXiv открыл лист ожидания для исследователей, но уже сейчас статья (пдф ниже) дает понимание развития индустрии.
Наверное, пока полностью автономные AI-ученые — далекое будущее, а вот гибридные системы с участием человека точно изменят процесс работы ведущих научных журналов и научную публикацию уже в ближайшее время.
#ИИвнауке #researchwithAI #платформа@aingstrom
Вышла статья о aiXiv — концепции платформы, где AI-агенты полностью автономно генерируют исследования, рецензируют их и публикуют. Звучит весьма футуристично.
aiXiv решает конкретную проблему: традиционные журналы не готовы к потоку AI-контента, а препринт-серверы вроде arXiv не имеют механизмов контроля качества. В результате качественные AI-исследования остаются без подходящих площадок для публикации.
Платформа построена на мультиагентной архитектуре с полным циклом оркестрации:
🤖 Агенты-исследователи генерируют proposals и целые статьи🤖 Агенты-рецензенты проводят peer review с использованием RAG🤖 Агенты-редакторы координируют итеративный процесс улучшения
⚒️ В разработке API и MCP интерфейсы для интеграции разнородных агентов
🔐 Разработчики также подумали и о модуле защиты от prompt injection атак.
Решение опубликовать или отправить на доработку принимается механизмом голосования несколькими LLM моделями.
В полностью автономный цикл AI-ученых не очень верится — слишком много подводных камней с галлюцинациями и качеством контента. Сами авторы честно признают ограничения текущих AI-Scientist систем.
Но вот human-in-the-loop подход может стать революционным для журналов!
И вот только часть возможного функционала:
🤖 AI делает первичный скрининг заявок✅ Автоматически проверяет методологию и литобзор📄 Генерирует черновики рецензий для экспертов с подкреплением на научные публикации⚡️ Ускоряет итеративные доработки🔄 Проводит aiXiv цикл на основе предоставленного человеком proposal и сравнивает выводы (если работа уже сделана, если нет - нужен отдельный пост про валидацию гипотез с ИИ)
Потенциальная экономия огромна:
✅ Сокращение времени рецензирования с месяцев до недель✅ Снижение нагрузки на экспертов — фокус на содержательной оценке✅ Повышение качества за счет стандартизированных проверок✅ Масштабирование обработки растущего потока заявок
Представьте, если создать такой всеобъемлющий российский научный журнал! Учитывая растущие объемы информации и недостаток времени и самих исследователей в России, это могло бы кардинально ускорить этап проверки и валидации научных открытий и отчетов.
Кстати, aiXiv открыл лист ожидания для исследователей, но уже сейчас статья (пдф ниже) дает понимание развития индустрии.
Наверное, пока полностью автономные AI-ученые — далекое будущее, а вот гибридные системы с участием человека точно изменят процесс работы ведущих научных журналов и научную публикацию уже в ближайшее время.
#ИИвнауке #researchwithAI #платформа@aingstrom
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍4🤝3🤔1
🔬 ИИ для поиска надежной медицинской информации: знакомимся с MediSearch
Поиск качественной медицинской информации остается серьезной проблемой как для специалистов, так и для пациентов. Традиционные поисковики часто выдают информацию из недостоверных источников, а профессиональные базы данных требуют специфических навыков работы с ними.
MediSearch.io представляет собой специализированный ИИ-поисковик медицинской информации, который работает исключительно с проверенными медицинскими источниками и предоставляет структурированные ответы на медицинские вопросы.
🗄 Какие базы данных использует:
• PubMed — крупнейшая база рецензируемых медицинских публикаций
• MedlinePlus — официальная медицинская информация от Национальной библиотеки США
• Drugs.com — подробные данные о лекарствах и взаимодействиях
• CDC.gov — информация от Центра контроля заболеваний США
(Еще бы Cochrane Library и Embase...)
На экзамене USMLE (лицензирование врачей в США) MediSearch показал выдающиеся результаты:
• MediSearch Pro+ — 97%
• MediSearch Pro — 94%
• GPT-4 — 89%
• Для сравнения: проходной балл ~60%
💡 Применения по сегментам пользователей как заявляют MediSearch:
Для ординаторов и интернов:
• Быстрая верификация дифференциально-диагностических гипотез
• Подготовка к аккредитации и сертификационным экзаменам
• Изучение редких клинических случаев
Для практикующих врачей:
• Проверка лекарственных взаимодействий в сложных схемах терапии
• Доступ к актуальным клиническим рекомендациям
• Поддержка принятия решений при нестандартных клинических ситуациях
Для научной работы:
• Быстрый анализ современной доказательной базы
• Поиск релевантных исследований для мета-анализов
• Валидация гипотез на основе опубликованных данных
❓ Знаете ли российские медицинские базы данных с открытым API? Пишите в ДМ канала:)
#ИИвнауке #AIresearch #поисковик@aingstrom
@aingstrom
Поиск качественной медицинской информации остается серьезной проблемой как для специалистов, так и для пациентов. Традиционные поисковики часто выдают информацию из недостоверных источников, а профессиональные базы данных требуют специфических навыков работы с ними.
MediSearch.io представляет собой специализированный ИИ-поисковик медицинской информации, который работает исключительно с проверенными медицинскими источниками и предоставляет структурированные ответы на медицинские вопросы.
🗄 Какие базы данных использует:
• PubMed — крупнейшая база рецензируемых медицинских публикаций
• MedlinePlus — официальная медицинская информация от Национальной библиотеки США
• Drugs.com — подробные данные о лекарствах и взаимодействиях
• CDC.gov — информация от Центра контроля заболеваний США
(Еще бы Cochrane Library и Embase...)
На экзамене USMLE (лицензирование врачей в США) MediSearch показал выдающиеся результаты:
• MediSearch Pro+ — 97%
• MediSearch Pro — 94%
• GPT-4 — 89%
• Для сравнения: проходной балл ~60%
💡 Применения по сегментам пользователей как заявляют MediSearch:
Для ординаторов и интернов:
• Быстрая верификация дифференциально-диагностических гипотез
• Подготовка к аккредитации и сертификационным экзаменам
• Изучение редких клинических случаев
Для практикующих врачей:
• Проверка лекарственных взаимодействий в сложных схемах терапии
• Доступ к актуальным клиническим рекомендациям
• Поддержка принятия решений при нестандартных клинических ситуациях
Для научной работы:
• Быстрый анализ современной доказательной базы
• Поиск релевантных исследований для мета-анализов
• Валидация гипотез на основе опубликованных данных
❓ Знаете ли российские медицинские базы данных с открытым API? Пишите в ДМ канала:)
#ИИвнауке #AIresearch #поисковик@aingstrom
@aingstrom
👍3🤔2❤1💯1
Начинаем цикл постов про ИИ-инструменты в ВУЗах
Первый на очереди — Paperpal, относительно простой редактор для работы с научными текстами. Смотрим, что он умеет и кому реально пригодится.
Для исследователя или студента:
1. Пишешь статью — жмёшь "/" и выбираешь что нужно: набросать структуру, развить мысль, найти источники по теме.
2. Работа с литературой — ищешь статьи прямо в редакторе, добавляешь в библиотеку, вставляешь цитаты. Форматирование в нужный стиль (их там 10 000+) происходит автоматически, можно добавить наш ГОСТ.
3. Chat with PDF — загружаешь статью на сотню страниц, спрашиваешь "какую методологию использовали авторы?" или "какие основные выводы?" — и получаешь ответ с указанием страниц. Реально экономит время на первичное ознакомление.
4. Перед отправкой в журнал — проверяешь на плагиат, смотришь similarity score, получаешь 30+ технических проверок соответствия стандартам журналов. Снижаешь риск desk rejection из-за формальных косяков.
Для преподавателя:
1. Подготовка материалов — переводишь источники с 30+ языков, причём можно сразу адаптировать под академический стиль. Нашёл интересную немецкую статью? Перевёл, причитал, использовал в лекции.
2. Редактура текстов — вставляешь текст, видишь все грамматические и стилистические неладности. Highlight на предложение → выбираешь режим: "сделать академичнее", "упростить", "сократить" или "улучшить читаемость".
3. Обратная связь студентам — выделяешь параграф, жмёшь "Review with AI" и получаешь развёрнутый фидбек по языку, читаемости, логике изложения. Можно копировать и отправлять студенту с комментариями. Конечно спорно - но интересно будет ли работать качественно и быстрее + с учетом твоих источников.
4. Интеграции — действительно удобно, что есть и плагин для Word, и расширение для Chrome. Работаешь в привычной среде, не нужно осваивать новый интерфейс.
Нашел промокод
Могу помочь оформить подписку из РФ, пишите в лс канала.
#ИИвнауке #AIresearch #редактор@aingstrom
@aingstrom
Первый на очереди — Paperpal, относительно простой редактор для работы с научными текстами. Смотрим, что он умеет и кому реально пригодится.
Для исследователя или студента:
1. Пишешь статью — жмёшь "/" и выбираешь что нужно: набросать структуру, развить мысль, найти источники по теме.
2. Работа с литературой — ищешь статьи прямо в редакторе, добавляешь в библиотеку, вставляешь цитаты. Форматирование в нужный стиль (их там 10 000+) происходит автоматически, можно добавить наш ГОСТ.
3. Chat with PDF — загружаешь статью на сотню страниц, спрашиваешь "какую методологию использовали авторы?" или "какие основные выводы?" — и получаешь ответ с указанием страниц. Реально экономит время на первичное ознакомление.
4. Перед отправкой в журнал — проверяешь на плагиат, смотришь similarity score, получаешь 30+ технических проверок соответствия стандартам журналов. Снижаешь риск desk rejection из-за формальных косяков.
Для преподавателя:
1. Подготовка материалов — переводишь источники с 30+ языков, причём можно сразу адаптировать под академический стиль. Нашёл интересную немецкую статью? Перевёл, причитал, использовал в лекции.
2. Редактура текстов — вставляешь текст, видишь все грамматические и стилистические неладности. Highlight на предложение → выбираешь режим: "сделать академичнее", "упростить", "сократить" или "улучшить читаемость".
3. Обратная связь студентам — выделяешь параграф, жмёшь "Review with AI" и получаешь развёрнутый фидбек по языку, читаемости, логике изложения. Можно копировать и отправлять студенту с комментариями. Конечно спорно - но интересно будет ли работать качественно и быстрее + с учетом твоих источников.
4. Интеграции — действительно удобно, что есть и плагин для Word, и расширение для Chrome. Работаешь в привычной среде, не нужно осваивать новый интерфейс.
Нашел промокод
PAP20 — скидка 20% на все тарифы, забирайте!Могу помочь оформить подписку из РФ, пишите в лс канала.
#ИИвнауке #AIresearch #редактор@aingstrom
@aingstrom
🔥5👍3✍2
𝐏𝐚𝐩𝐞𝐫𝐁𝐚𝐧𝐚𝐧𝐚 — опенсорсный agentic фреймворк, который превращает ваш текст в готовые Рисунки для научных статей — прямо из раздела «Методы» вашей статьи.
Примеры из публикации действительно хороши и не ошибаются в фактологии статей, на которую опираются.
PaperBanana создан для визуализации исследований, но способ, которым он превращает структурированный текст в диаграммы и графики, позволяет использовать его также для инфографики, информационных панелей и других видов работы с большими объемами данных.
𝐇𝐨𝐰 𝐢𝐭 𝐰𝐨𝐫𝐤𝐬:
Команда ИИ-агентов работает за кулисами
→ Один находит хорошие примеры диаграмм
→ Один планирует структуру
→ Один оформляет макет
→ Один генерирует изображение
→ Один критикует и улучшает его
Интересно, что в слепых сравнениях люди фактически предпочитали результаты PaperBanana примерно в 3 из 4 случаев!
Статья и информация по проекту:
dwzhu-pku.github.io/PaperBanana
#ИИвнауке #AIresearch #фреймворк@aingstrom
@aingstrom
Примеры из публикации действительно хороши и не ошибаются в фактологии статей, на которую опираются.
PaperBanana создан для визуализации исследований, но способ, которым он превращает структурированный текст в диаграммы и графики, позволяет использовать его также для инфографики, информационных панелей и других видов работы с большими объемами данных.
𝐇𝐨𝐰 𝐢𝐭 𝐰𝐨𝐫𝐤𝐬:
Команда ИИ-агентов работает за кулисами
→ Один находит хорошие примеры диаграмм
→ Один планирует структуру
→ Один оформляет макет
→ Один генерирует изображение
→ Один критикует и улучшает его
Интересно, что в слепых сравнениях люди фактически предпочитали результаты PaperBanana примерно в 3 из 4 случаев!
Статья и информация по проекту:
dwzhu-pku.github.io/PaperBanana
#ИИвнауке #AIresearch #фреймворк@aingstrom
@aingstrom
❤4👍2🔥1🍌1🍓1