📱TextGAN-Researcher.

TextGAN-Researcher — это агент глубокого исследования, построенный на архитектуре TextGAN-D, которая объединяет принципы состязательных нейросетей (GAN) и управляемого состояния.

✅TextGAN-Researcher способен не просто генерировать текст, а синтезировать знания, анализировать информацию, учиться на собственных ошибках и пошагово совершенствовать результат благодаря взаимодействию специализированных LLM-агентов.

🔹В основе — архитектура TextGAN-D:

🔘 Execution State — единый источник правды и памяти.

🔘Роли агентов:
✔️Генератор (создаёт гипотезу).
✔️Награждающий (оценивает быстро и дёшево).
✔️Рецензент (проводит глубокую интерпретируемую проверку).

🔘Цикл: чтение состояния → генерация → критика → обновление состояния → повтор

💡TextGAN-Researcher открывает путь к следующим возможностям:

🔘Настоящее долговременное обучение.

🔘Интерпретируемая обратная связь.

🔘Надёжное устранение повторяющихся ошибок.

🔘Комплексный анализ и интеграция знаний.

✅Это шаг к ИИ, который понимает, запоминает и совершенствуется — а не просто генерирует текст.

#TextGANResearcher #TextGAN #DeepResearch #AI #LLM #GAN #KnowledgeSynthesis #NLP #IntelligentAgents #MachineLearning #GenerativeAI #StateManagement #AGI

📱Ссылка на репозиторий:
https://github.com/imbue-bit/TextGAN-Researcher

📱UltraRAG.

UltraRAG — это легковесный фреймворк для разработки RAG‑систем на базе Model Context Protocol (MCP), созданный совместно THUNLP (Tsinghua University), NEUIR (Northeastern University), OpenBMB и AI9stars.

🔹Основные особенности:

🔘Низкий барьер входа — сложные пайплайны с ветвлениями, циклами и итерациями описываются в десятках строк YAML вместо сотен строк кода.

🔘Визуальный IDE, а не чат — конструктор пайплайнов с двунаправленной синхронизацией «Canvas ↔️ Code», интерактивной отладкой, настройкой промптов и встроенным управлением базами знаний.

🔘Модульная архитектура — Retriever, Generation и другие компоненты работают как независимые MCP-серверы, легко интегрируются и переиспользуются.

🔘Один клик до продакшена — пайплайн мгновенно превращается в интерактивный веб-интерфейс без лишнего кода.

🔘Для исследователей — готовые датасеты, стандартные воркфлоу, визуальная аналитика экспериментов и Case Study для отладки каждого шага.

🔘Deep Research Pipeline — интеграция с AgentCPM-Report позволяет автоматически собирать многошаговый поиск в длинные аналитические отчёты.

#UltraRAG #RAG #MCP #LLM #AI #DeepResearch #Python #NoCode #MLOps #RetrievalAugmentedGeneration #OpenSource

📱Ссылка на репозиторий:
https://github.com/OpenBMB/UltraRAG

📱Hyperresearch.

Hyperresearch - это специализированная среда и фреймворк (research harness) для Claude Code, превращающий ассистента в автономного агента глубоких исследований (Deep Research Agent) с автоматической верификацией источников и защитой от галлюцинаций.

Инструмент берет один исследовательский промпт и прогоняет его через адаптивный 16-шаговый пайплайн: от декомпозиции запроса и поиска сотен источников до параллельной критики черновиков и точечного патчинга финального отчета. Все собранные материалы сохраняются в локальное постоянное хранилище, благодаря чему агент «умнеет» от сессии к сессии.

🔹Главные фичи и архитектурные решения:

🔘250+ источников за один прогон: Масштабный охват предметной области с автоматическим поиском пробелов (gap-fill) и отслеживанием цепочек цитирований (citation chasing).

🔘Аудит независимости (Independence Audit): Система группирует синонимичные копии и перепечатки — пять повторов одного пресс-релиза в разных СМИ считаются за один источник, исключая иллюзию консенсуса.

🔘Верификация цитат и проверка отзывов (Retraction Check): Встроенный скептический модуль проверяет, действительно ли источник подтверждает написанный тезис. Выдуманные цитаты или ссылки на отозванные научные статьи блокируют выпуск отчета.

🔘Враждебная критика (Adversarial by design): Четыре агента-критика параллельно атакуют готовый драфт (по диалектике, глубине, ширине охвата и соответствию задаче). Агент-патчер ограничен правами [Read, Edit] и может вносить только точечные хирургические правки — переписать отчет целиком он физически не может.

🔘Академический поиск в один запрос: Команда hpr scholar search одновременно опрашивает OpenAlex, Crossref, CORE, DOAB, ClinicalTrials.gov, SEC EDGAR и FRED, возвращая единый дедуплицированный список (статьи, монографии, клинические испытания, отчеты регуляторов).

🔘Легальный доступ к полным текстам (Open Access): При обнаружении пейволла Hyperresearch автоматически ищет легальные открытые копии через Unpaywall, Europe PMC и CORE, выгружая полный текст вместо короткого абстракта.

🔘Постоянное хранилище (Vault): Статьи и заметки сохраняются в формате Markdown + SQLite (с поддержкой FTS, PageRank-графа ссылок и векторного поиска). Хранилище доступно вне Claude Code через встроенный MCP-сервер и локальный веб-интерфейс.

🔘Защита от Prompt Injection: Весь спарсенный веб-контент изолируется в теги <untrusted-source>, гарантируя, что внедренные на страницах инструкции не перехватят управление агентом.

⏱️Режимы работы (Tiers):

🔘Light (~30–40 мин): Компактный 5-шаговый маршрут для фактологических справок и экспресс-сравнений.

🔘Full (~1.5–2.5 ч): Полный 16-шаговый цикл с глубоким анализом, оппонирующими критиками и аудитом цитирований (55–130 источников).

🔘Dissertation (экспериментальный, ~4–8 ч): Разбивка на 4–10 глав, анализ 300–450 источников и формирование объемных документов на 25 000 – 80 000 слов.

💻Быстрый старт:

Установка:

cd your-project
pip install hyperresearch && hyperresearch install

Запуск исследования в интерфейсе Claude Code:

/hyperresearch Объясни состояние рынка квантовых вычислений на ионных ловушках

✅Проект написан на Python (3.11–3.14) и распространяется под открытой лицензией MIT.

#Hyperresearch #ClaudeCode #DeepResearch #AIAgents #Anthropic #Python #Research #LLM #OpenSource #DevTools #DataScience

📱Ссылка на репозиторий:
https://github.com/jordan-gibbs/hyperresearch