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
Scite AI: перестать верить фейковым научным ссылкам
ИИ‑ассистенты стали быстрее, умнее — и всё так же любят придумывать ссылки. В научной работе это превращается в хаос: citation spam, некорректные утверждения, «подтверждения», которых в статье нет. Scite решает эту проблему за счёт одной простой идеи — проверяемости.
Что делает Scite.ai?
Это научный поисковик с Smart Citations: он показывает не просто количество цитирований, а контекст. Статья действительно подтверждает тезис? Опровергает? Или просто упоминает? Плюс есть AI‑ассистент, который отвечает на вопросы только с реальными, проверяемыми источниками.
Ключевые возможности:
• Smart Citations — смысл цитирования, а не цифры.
• Reference Check — проверка библиографии на ошибки.
• Ассистент с верифицированными ссылками.
• Dashboards для анализа авторов, журналов, тем.
• API для RAG и LLM‑пайплайнов.
Чем лучше Google Scholar и других?
Scite не просто ищет статьи — он показывает, как их используют в научном поле. Это снижает риск галлюцинаций и делает инструмент полезным для due diligence, peer review, грантов и deeptech‑стартапов.
Помогу оформить подписку из РФ, пишите в лс канала.
#ИИвнауке #researchwithAI #поисковик@aingstrom
@aingstrom
ИИ‑ассистенты стали быстрее, умнее — и всё так же любят придумывать ссылки. В научной работе это превращается в хаос: citation spam, некорректные утверждения, «подтверждения», которых в статье нет. Scite решает эту проблему за счёт одной простой идеи — проверяемости.
Что делает Scite.ai?
Это научный поисковик с Smart Citations: он показывает не просто количество цитирований, а контекст. Статья действительно подтверждает тезис? Опровергает? Или просто упоминает? Плюс есть AI‑ассистент, который отвечает на вопросы только с реальными, проверяемыми источниками.
Ключевые возможности:
• Smart Citations — смысл цитирования, а не цифры.
• Reference Check — проверка библиографии на ошибки.
• Ассистент с верифицированными ссылками.
• Dashboards для анализа авторов, журналов, тем.
• API для RAG и LLM‑пайплайнов.
Чем лучше Google Scholar и других?
Scite не просто ищет статьи — он показывает, как их используют в научном поле. Это снижает риск галлюцинаций и делает инструмент полезным для due diligence, peer review, грантов и deeptech‑стартапов.
Помогу оформить подписку из РФ, пишите в лс канала.
#ИИвнауке #researchwithAI #поисковик@aingstrom
@aingstrom
❤4🔥3🤔2👍1
Synthetic Sciences: ИИ, который ведёт научные процессы
Сервис показывает, как ИИ выходит за рамки «умного чата» и начинает выполнять полноценные исследовательские циклы. Платформа объединяет агентов, вычисления и интеграции в единое рабочее пространство, где можно читать статьи, запускать эксперименты, обучать модели и собирать результаты в отчёты.
Четыре режима:
Core Research — гипотезы, обзоры, планирование и запуск ML‑экспериментов.
SOTA Biology — протеин‑дизайн, геномика, pathway‑анализ.
Flywheel — автоматическое улучшение моделей.
Write — подготовка научных текстов с проверяемыми ссылками.
Ключевая особенность — длинные процессы. Агенты работают в фоне, управляют GPU‑кластерами, восстанавливают окружения, продолжают задачи после закрытия браузера. Это уже не ассистент, а оркестратор научной инфраструктуры.
Важно: сервис особенно полезен продвинутым пользователям, которые умеют программировать, работать с Python‑окружениями, ML‑фреймворками и внешними API. Для них Synthetic Sciences становится инструментом автоматизации рутинных этапов и ускорения экспериментов.
Есть и ограничения: закрытая архитектура, зависимость от облачных GPU, необходимость контроля исследователя. Это пример того как ИИ постепенно становится частью научного цикла, а не просто генератором текста.
#ИИвнауке #researchwithAI #оркестратор@aingstrom
Помогу оформить подписку из РФ, пишите в лс канала.
Сервис показывает, как ИИ выходит за рамки «умного чата» и начинает выполнять полноценные исследовательские циклы. Платформа объединяет агентов, вычисления и интеграции в единое рабочее пространство, где можно читать статьи, запускать эксперименты, обучать модели и собирать результаты в отчёты.
Четыре режима:
Core Research — гипотезы, обзоры, планирование и запуск ML‑экспериментов.
SOTA Biology — протеин‑дизайн, геномика, pathway‑анализ.
Flywheel — автоматическое улучшение моделей.
Write — подготовка научных текстов с проверяемыми ссылками.
Ключевая особенность — длинные процессы. Агенты работают в фоне, управляют GPU‑кластерами, восстанавливают окружения, продолжают задачи после закрытия браузера. Это уже не ассистент, а оркестратор научной инфраструктуры.
Важно: сервис особенно полезен продвинутым пользователям, которые умеют программировать, работать с Python‑окружениями, ML‑фреймворками и внешними API. Для них Synthetic Sciences становится инструментом автоматизации рутинных этапов и ускорения экспериментов.
Есть и ограничения: закрытая архитектура, зависимость от облачных GPU, необходимость контроля исследователя. Это пример того как ИИ постепенно становится частью научного цикла, а не просто генератором текста.
#ИИвнауке #researchwithAI #оркестратор@aingstrom
Помогу оформить подписку из РФ, пишите в лс канала.
🔥8❤4❤🔥3👍1
Elicit.com — это уже не просто AI-поисковик статей, а почти «операционная система» для обзора литературы
Главная идея сервиса в том, что он закрывает не один шаг, а целый исследовательский workflow: поиск статей, screening, извлечение данных, черновой синтез статьи и работу со своей библиотекой. Elicit ищет по Semantic Scholar, PubMed и OpenAlex, отдельно умеет работать с clinical trials и загруженными документами.
Что по функционалу:
• AI Search — семантический поиск по научной литературе и evidence, а не только по ключевым словам (пример)
• Reports — автоматически собирает быстрые обзоры: ищет статьи, формирует критерии отбора, извлекает данные и пишет структурированный отчёт с источниками
• Systematic Review — пошаговый workflow для отслеживания и извлечения данных; в описании сервиса это вообще один из центральных сценариев
• Paper Chat / Extract Data — можно чатиться с выбранными статьями, сравнивать их и собирать таблицы по PDF
• Library / Alerts — хранение PDF, импорт из Zotero, теги и алерты по новой литературе
Кому может быть полезно:
— исследователям и RA, которые регулярно делают литобзоры;
— командам в biotech / medtech / pharma;
— тем, кто не хочет просто «ответ от ИИ», а хочет пройти путь от вопроса к таблице статей с настраиваемыми колонками сравнения и нормальному evidence-backed summary.
В обычном поиске Elicit помогает уточнить исследовательский вопрос и подсказывает, как его сделать более конкретным. А в новых agentic workflows / Research Agent Elicit уже явно задаёт уточняющие вопросы перед запуском работы, чтобы понять границы задачи, приоритетные источники и формат результата.
По деньгам: базовый план у Elicit бесплатный, а систематические обзоры и более серьёзные workflow уже вынесены в платные тарифы, где Pro сейчас указан от $49 в месяц при годовой оплате.
Elicit выглядит интереснее многих AI-инструментов для науки именно там, где нужен не «чат по статьям», а структурированная работа с литературой. Пробовать точно стоит — особенно если у вас узкое место не в написании текста, а в поиске, screening и сборке evidence.
#ИИвнауке #researchwithAI #экосистема@aingstrom
Помогу оформить подписку из РФ, пишите в лс канала.
Главная идея сервиса в том, что он закрывает не один шаг, а целый исследовательский workflow: поиск статей, screening, извлечение данных, черновой синтез статьи и работу со своей библиотекой. Elicit ищет по Semantic Scholar, PubMed и OpenAlex, отдельно умеет работать с clinical trials и загруженными документами.
Что по функционалу:
• AI Search — семантический поиск по научной литературе и evidence, а не только по ключевым словам (пример)
• Reports — автоматически собирает быстрые обзоры: ищет статьи, формирует критерии отбора, извлекает данные и пишет структурированный отчёт с источниками
• Systematic Review — пошаговый workflow для отслеживания и извлечения данных; в описании сервиса это вообще один из центральных сценариев
• Paper Chat / Extract Data — можно чатиться с выбранными статьями, сравнивать их и собирать таблицы по PDF
• Library / Alerts — хранение PDF, импорт из Zotero, теги и алерты по новой литературе
Кому может быть полезно:
— исследователям и RA, которые регулярно делают литобзоры;
— командам в biotech / medtech / pharma;
— тем, кто не хочет просто «ответ от ИИ», а хочет пройти путь от вопроса к таблице статей с настраиваемыми колонками сравнения и нормальному evidence-backed summary.
В обычном поиске Elicit помогает уточнить исследовательский вопрос и подсказывает, как его сделать более конкретным. А в новых agentic workflows / Research Agent Elicit уже явно задаёт уточняющие вопросы перед запуском работы, чтобы понять границы задачи, приоритетные источники и формат результата.
По деньгам: базовый план у Elicit бесплатный, а систематические обзоры и более серьёзные workflow уже вынесены в платные тарифы, где Pro сейчас указан от $49 в месяц при годовой оплате.
Elicit выглядит интереснее многих AI-инструментов для науки именно там, где нужен не «чат по статьям», а структурированная работа с литературой. Пробовать точно стоит — особенно если у вас узкое место не в написании текста, а в поиске, screening и сборке evidence.
#ИИвнауке #researchwithAI #экосистема@aingstrom
Помогу оформить подписку из РФ, пишите в лс канала.
👍6🔥2🤯1🆒1
На очереди ResearchRabbit.ai — сервис для научного дискавери, который за последнее время заметно прокачался
Спасибо автору канала «Дневник Андреевой» за напоминание — рекомендую подписаться, там много качественных находок про ИИ в образовании.
🐇 ResearchRabbit помогает не просто искать статьи, а ориентироваться в исследовательском ландшафте: следить за авторами, научными группами и целыми направлениями через удобную графовую визуализацию связей между публикациями.
Особенно полезно:
• искать релевантные работы на основе уже найденных статей;
• отслеживать новые публикации по интересующим темам;
• исследовать сети цитирований и авторов;
• подключать Zotero и работать со своей библиотекой литературы.
Если регулярно читаете статьи, готовите исследования, курсы или обзоры — определённо стоит попробовать.
#ИИвнауке #ИИвобразовании #researchwithAI #поисковик@aingstrom
Спасибо автору канала «Дневник Андреевой» за напоминание — рекомендую подписаться, там много качественных находок про ИИ в образовании.
🐇 ResearchRabbit помогает не просто искать статьи, а ориентироваться в исследовательском ландшафте: следить за авторами, научными группами и целыми направлениями через удобную графовую визуализацию связей между публикациями.
Особенно полезно:
• искать релевантные работы на основе уже найденных статей;
• отслеживать новые публикации по интересующим темам;
• исследовать сети цитирований и авторов;
• подключать Zotero и работать со своей библиотекой литературы.
Если регулярно читаете статьи, готовите исследования, курсы или обзоры — определённо стоит попробовать.
#ИИвнауке #ИИвобразовании #researchwithAI #поисковик@aingstrom
👍5❤3🤯2
ИИ и NMR: почему работа Anthropic — заслуживает внимания
Автоматическая расшифровка NMR – это давняя задача.
Её пытаются автоматизировать десятилетиями: ChemDraw, MestReNova, ACD/Labs, академические модели, нейросетки — всё это уже было. Но у всех один и тот же предел: инструменты либо требуют идеально подготовленных данных, либо работают только в прямом режиме, либо разваливаются на реальных спектрах.
Работа Anthropic отличается.
Они не изобрели анализ спектров заново. Они показали, что современная мультимодальная модель может работать с химическими данными в их естественном виде — со спектрами, текстом, схемами, SMILES и контекстом синтеза. Это уже ближе к тому, как работает живой химик.
Что сделали в Anthropic:
— сравнили Claude с ChemDraw и MestReNova на 20 новых молекулах из ChemRxiv
— оценивали не только химические сдвиги, но и сплиттинг и J‑константы
— дали модели обратную задачу: восстановить структуру по спектрам
— добавили контекст реакции, который в реальности всегда помогает
Что получилось:
Opus 4.7 стал самым точным по протонам (±0.079 ppm) и лучше всех определял форму пиков и расстояние между субпиками (≈80% против 26–35% у классических программ).
В обратной задаче модель уже способна предлагать разумные структурные кандидаты, а не просто симулировать спектр.
Препринты: раз, два, три, четыре
#ИИвнауке #researchwithAI #эксперимент@aingstrom
Автоматическая расшифровка NMR – это давняя задача.
Её пытаются автоматизировать десятилетиями: ChemDraw, MestReNova, ACD/Labs, академические модели, нейросетки — всё это уже было. Но у всех один и тот же предел: инструменты либо требуют идеально подготовленных данных, либо работают только в прямом режиме, либо разваливаются на реальных спектрах.
Работа Anthropic отличается.
Они не изобрели анализ спектров заново. Они показали, что современная мультимодальная модель может работать с химическими данными в их естественном виде — со спектрами, текстом, схемами, SMILES и контекстом синтеза. Это уже ближе к тому, как работает живой химик.
Что сделали в Anthropic:
— сравнили Claude с ChemDraw и MestReNova на 20 новых молекулах из ChemRxiv
— оценивали не только химические сдвиги, но и сплиттинг и J‑константы
— дали модели обратную задачу: восстановить структуру по спектрам
— добавили контекст реакции, который в реальности всегда помогает
Что получилось:
Opus 4.7 стал самым точным по протонам (±0.079 ppm) и лучше всех определял форму пиков и расстояние между субпиками (≈80% против 26–35% у классических программ).
В обратной задаче модель уже способна предлагать разумные структурные кандидаты, а не просто симулировать спектр.
Препринты: раз, два, три, четыре
#ИИвнауке #researchwithAI #эксперимент@aingstrom
👍5🤔2❤1