ಆಳಗಿನ ಸಂಶೋಧನೆ, ಈಗ Computer ನಲ್ಲಿ

ಆಳಗಿನ ಸಂಶೋಧನೆ ಎನ್ನುವುದು ಏಜೆಂಟ್ ಆಧಾರಿತ, ಪುನರಾವರ್ತಿತ ಹುಡುಕಾಟವಾಗಿದ್ದು, ಇದು ಸಾಂಪ್ರದಾಯಿಕ ಸಂಶೋಧನಾ ವಿಶ್ಲೇಷಕರಂತೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಇದು ಕ್ರಮ ಕೈಗೊಳ್ಳುವ ಮೊದಲು ಯೋಜನೆ ಮಾಡುತ್ತದೆ. ಇದು ಒಂದರ ಬದಲಿಗೆ ಬಹು ಹುಡುಕಾಟಗಳನ್ನು ನಡೆಸುತ್ತದೆ, ಮುಂದಿನ ಏನು ಹುಡುಕಬೇಕು ಎಂದು ತರ್ಕಿಸುವ ಮೊದಲು ಪ್ರತಿ ಬಾರಿ ಫಲಿತಾಂಶಗಳನ್ನು ಓದುತ್ತದೆ. ಇದು ಸಾಕಷ್ಟು ಸಾಕ್ಷ್ಯವಿದೆಯೇ ಎಂದು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ ಮತ್ತು ಸಂಘರ್ಷಗಳನ್ನು ಗಮನಿಸುತ್ತದೆ, ಆಳವಾಗಿ ಓದುತ್ತದೆ, ಮತ್ತು ನಂತರ ಫಲಿತಾಂಶಗಳನ್ನು ಏಕೈಕ ವಿಶ್ವಾಸಾರ್ಹ ಉತ್ತರವಾಗಿ ಸಂಶ್ಲೇಷಿಸುತ್ತದೆ.

ಈ ಆಳವಿರುವುದಕ್ಕಾಗಿಯೇ ಆಳಗಿನ ಸಂಶೋಧನೆ ಗೆ ಹೆಚ್ಚು ಸಮಯ ಹಿಡಿಯುತ್ತದೆ ಮತ್ತು ಪ್ರಮಾಣಿತ ಹುಡುಕಾಟಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಕಂಪ್ಯೂಟ್ ಅನ್ನು ಬಳಸಬಹುದು.

ಆಳಗಿನ ಸಂಶೋಧನೆ ಅನ್ನು Computer ಗೆ ಸೇರಿಸಲು ಇದುವೇ ಕಾರಣ. ಕಠಿಣ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರ ಸಿಗುವುದು ಆರಂಭ ಮಾತ್ರ. ಆಳಗಿನ ಸಂಶೋಧನೆ ತ್ವರಿತವಾಗಿ ವರದಿ, ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಅಥವಾ ಕೆಲಸಕ್ಕೆ ಬೇಕಾದ ಬೇರೆ ಯಾವುದಕ್ಕಾದರೂ ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ. ಅದು ನಡೆಯುವ ಸ್ಥಳವೇ Computer.

Search as Code ಎನ್ನುವ ಹೊಸ ವಿಧಾನದ ಮೂಲಕ ಆಳಗಿನ ಸಂಶೋಧನೆ ತನ್ನದೇ ಆದ ಹುಡುಕಾಟ ಕಾರ್ಯಕ್ರಮಗಳನ್ನು ಬರೆಯಬಹುದು ಎಂಬುದನ್ನು ಇಂದು ನಾವು ಪ್ರಕಟಿಸುತ್ತಿದ್ದೇವೆ. ಏಕಕಾಲದಲ್ಲಿ ಒಂದು ಪ್ರಶ್ನೆಯನ್ನು ರನ್ ಮಾಡುವ ಬದಲು, Computer ಪ್ರತಿ ಪ್ರಶ್ನೆಗೆ ಕಸ್ಟಮ್ ಹುಡುಕಾಟ ಯೋಜನೆಯನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ ಮತ್ತು ಸಮಾನಾಂತರವಾಗಿ ಸಾವಿರಾರು ಹಂತಗಳನ್ನು ರನ್ ಮಾಡುತ್ತದೆ. ಒಟ್ಟಾಗಿ, ಈ ಬದಲಾವಣೆಗಳು ಆಳಗಿನ ಸಂಶೋಧನೆ ಏನು ಮಾಡಬಹುದು ಎಂಬುದನ್ನು ವಿಸ್ತರಿಸುತ್ತವೆ.

ವ್ಯವಹಾರದ ಸಂದರ್ಭಕ್ಕೆ ಹೆಚ್ಚು ಹತ್ತಿರವಿರುವ ಉತ್ತರಗಳಿಗಾಗಿ ಇದು ಈಗ ಆಂತರಿಕ ಫೈಲ್‌ಗಳು ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಂದ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುತ್ತದೆ. Computer ಆ ಉತ್ತರಗಳನ್ನು PDFಗಳು, ಡೆಕ್‌ಗಳು, ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ಗಳು, ವೆಬ್‌ಸೈಟ್‌ಗಳು ಮತ್ತು ಹೆಚ್ಚಿನವುಗಳಂತಹ ಕೆಲಸಕ್ಕೆ ಸಿದ್ಧವಿರುವ ಸ್ವರೂಪಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ. ಇದು ಹೆಚ್ಚು ಎಚ್ಚರಿಕೆಯಿಂದ ತರ್ಕಿಸುತ್ತದೆ ಮತ್ತು ಇತರ Computer ಕಾರ್ಯಪ್ರವಾಹ ಗಳೊಂದಿಗೆ ಸಂಯೋಜನೆಗೊಳ್ಳುತ್ತದೆ.

ಉತ್ತಮ ಇನ್‌ಪುಟ್‌ಗಳು, ಉತ್ತಮ ಔಟ್‌ಪುಟ್‌ಗಳು

ಜ್ಞಾನದ ಕೆಲಸಕ್ಕೆ ಆಳಗಿನ ಸಂಶೋಧನೆ ಅಡಿಪಾಯವಾಗಿದೆ. ಜ್ಞಾಪಕ ಪತ್ರ, ಸಂಕ್ಷಿಪ್ತ ಟಿಪ್ಪಣಿ, ಯೋಜನೆ ಅಥವಾ ವಿಶ್ಲೇಷಣೆಯ ಗುಣಮಟ್ಟವು ಅದರ ಹಿಂದಿನ ಮೂಲಗಳು ಮತ್ತು ತರ್ಕದ ಗುಣಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.

Computer ಒಳಗೆ ಆಳಗಿನ ಸಂಶೋಧನೆ ತರುವುದು ಆ ಅಡಿಪಾಯವನ್ನು ಕೆಲಸವು ಈಗಾಗಲೇ ನಡೆಯುವ ಸ್ಥಳದಲ್ಲಿ ಇರಿಸುತ್ತದೆ. ಇತ್ತೀಚಿನ ಅಧ್ಯಯನವು ಸುಮಾರು 26% ರಷ್ಟು Computer ಕಾರ್ಯಗಳು ಸಂಶೋಧನೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಒಳಗೊಂಡಿವೆ ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ, ಇದು ಕೋಡಿಂಗ್, ಅಸೆಟ್ ರಚನೆ ಮತ್ತು ಹೆಚ್ಚಿನವುಗಳಿಗಿಂತ ಮುಂದಿರುವ ಏಕೈಕ ಅತಿ ದೊಡ್ಡ ವರ್ಗವಾಗಿದೆ.

ಇಂದಿನ ಮೊದಲು, Computer ಮತ್ತು ಆಳಗಿನ ಸಂಶೋಧನೆ ಪ್ರತ್ಯೇಕವಾಗಿದ್ದವು. ಬಳಕೆದಾರರು ತಮ್ಮ ಆಳಗಿನ ಸಂಶೋಧನೆ ಪ್ರಶ್ನೆಯನ್ನು ಒಂದು ಥ್ರೆಡ್ ನಲ್ಲಿ ರನ್ ಮಾಡಬೇಕಾಗಿತ್ತು, ನಂತರ ವಿತರಿಸಬಹುದಾದ ವಸ್ತುವನ್ನು ತಯಾರಿಸಲು Computer ನಲ್ಲಿ ಮತ್ತೊಂದನ್ನು ತೆರೆಯಬೇಕಾಗಿತ್ತು.

ಈಗ ಬಳಕೆದಾರರು ಸಂಕೀರ್ಣ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಬಹುದು ಮತ್ತು Computer ಅದನ್ನು 20+ ಗಡಿ ಮಾದರಿಗಳಲ್ಲಿ ವಿತರಿಸಲಾದ ಉಪಕಾರ್ಯಗಳಾಗಿ ವಿಭಜಿಸುತ್ತದೆ. ಬಳಕೆದಾರರು ಸಂಶೋಧಿತ ಉತ್ತರಗಳನ್ನು ಪಡೆಯಬಹುದು, ಫಾಲೋ-ಅಪ್‌ಗಳನ್ನು ಕೇಳಬಹುದು, ಸಂಪರ್ಕಿತ ಸಂದರ್ಭವನ್ನು ಎಳೆದುತರಬಹುದು ಮತ್ತು ಸಂಶೋಧನೆಗಳನ್ನು ಸಿದ್ಧಪಡಿಸಿದ ಸ್ವತ್ತುಗಳಾಗಿ ಪರಿವರ್ತಿಸಬಹುದು, ಎಲ್ಲವನ್ನೂ ಒಂದೇ ಪ್ರಶ್ನೆಯಲ್ಲಿ ಮಾಡಬಹುದು.

ಹುಡುಕಾಟವು ಅಗತ್ಯವಿದ್ದಾಗ, Statista, PitchBook ಮತ್ತು CB Insights ನಂತಹ ಪ್ರೀಮಿಯಂ ಮೂಲಗಳಿಂದ Computer ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯುತ್ತದೆ, ಅಧಿಕೃತ ಡೇಟಾದೊಂದಿಗೆ ಉತ್ತರಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ.

ಒಂದು ಕೌಶಲ್ಯ, ಅನೇಕ ಮಾರ್ಗಗಳು

Computer ನಲ್ಲಿ, ಆಳಗಿನ ಸಂಶೋಧನೆ ಯು ಸಾರ್ವತ್ರಿಕ ಹುಡುಕಾಟ ಕೌಶಲ್ಯಕ್ಕೆ ಪ್ರವೇಶ ಬಿಂದುವಾಗಿದೆ. ಒಂದೇ ಪ್ರಶ್ನೆಯು ಸರಿಯಾದ ಮರುಪಡೆಯುವಿಕೆ ಮಾದರಿಗೆ ಮಾರ್ಗದರ್ಶನ ನೀಡುತ್ತದೆ. ನಂತರ, ಇದು ಫಲಿತಾಂಶಗಳನ್ನು ಏಕೀಕೃತ ಉತ್ತರಕ್ಕೆ ಮರುಹೊಂದಿಸುತ್ತದೆ.

“ನಾವು ಈಗಷ್ಟೇ ಸ್ವಾಧೀನಪಡಿಸಿಕೊಂಡಿರುವ ಟೆಕ್ಸಾಸ್ ಸ್ಟಾರ್ಟ್‌ಅಪ್‌ನ ಉದ್ಯೋಗಿಗಳ ಸ್ಪರ್ಧಾತ್ಮಕವಲ್ಲದ ಒಪ್ಪಂದಗಳು ನಾವು ಕ್ಯಾಲಿಫೋರ್ನಿಯಾ ಕಂಪನಿಯಾಗಿರುವುದರಿಂದ ಈಗಲೂ ಜಾರಿಗೆ ತರಲು ಸಾಧ್ಯವೇ?” ಎಂಬಂತಹ ಪ್ರಶ್ನೆಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ.

Computer ಸಮಾನಾಂತರವಾಗಿ ನಾಲ್ಕು ಮಾರ್ಗಗಳನ್ನು ರನ್ ಮಾಡುತ್ತದೆ. ಇದು ಸ್ಪರ್ಧಾತ್ಮಕವಲ್ಲದ ಒಪ್ಪಂದಗಳ ಮೇಲಿನ ಕ್ಯಾಲಿಫೋರ್ನಿಯಾದ ಸಂಪೂರ್ಣ ನಿಷೇಧವನ್ನು ಮತ್ತು ಅದರ ನ್ಯಾಯಾಲಯಗಳು ರಾಜ್ಯგಾಳದ ಒಪ್ಪಂದಗಳನ್ನು ಹೇಗೆ ಪರಿಗಣಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ. ಇದು ಟೆಕ್ಸಾಸ್ ಜಾರಿಗೆ ತರುವ ಮಾನದಂಡಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತದೆ, ಅಲ್ಲಿ ವಿಶೇಷ ತರಬೇತಿ ಅಥವಾ ವ್ಯಾಪಾರ ರಹಸ್ಯಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ್ದರೆ ಸ್ಪರ್ಧಾತ್ಮಕವಲ್ಲದ ಒಪ್ಪಂದಗಳು ಮಾನ್ಯವಾಗಿರುತ್ತವೆ. ಇದು ಸ್ವಾಧೀನದ ನಂತರದ ಒಪ್ಪಂದದ ನಿಯೋಜನೆ ಪ್ರಕರಣದ ಕಾನೂನು ಮತ್ತು ಸ್ಪರ್ಧಾತ್ಮಕವಲ್ಲದ ಒಪ್ಪಂದಗಳ ಕುರಿತು FTC ಯ ಇತ್ತೀಚಿನ ನಿಯಮ ರೂಪಣೆಯನ್ನು ವಿಮರ್ಶಿಸುತ್ತದೆ.

ಅಂತಿಮ ಔಟ್‌ಪುಟ್ ನಾಲ್ಕು ಮಾರ್ಗಗಳನ್ನು ಏಕೈಕ ಅಪಾಯದ ಮೌಲ್ಯಮಾಪನವಾಗಿ ಮರುಹೊಂದಿಸುತ್ತದೆ, ಯಾವ ಒಪ್ಪಂದಗಳು ಶೂನ್ಯವಾಗುವ ಸಾಧ್ಯತೆಯಿದೆ, ಯಾವುದು ಉಳಿಯಬಹುದು ಮತ್ತು ಹೊರಗಿನ ಸಲಹೆಯು ಎಲ್ಲಿ ಸಮರ್ಥಿಸಲ್ಪಟ್ಟಿದೆ ಎಂಬುದನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತದೆ.

AI ಹುಡುಕಾಟಕ್ಕಾಗಿ ಹೊಸ ಆರ್ಕಿಟೆಕ್ಚರ್

Computer ನಲ್ಲಿರುವ ಆಳಗಿನ ಸಂಶೋಧನೆ ಯು Search as Code ಎಂದು ನಾವು ಕರೆಯುವ ಆರ್ಕಿಟೆಕ್ಚರ್ ಮೇಲೆ ನಿರ್ಮಿಸಲಾಗಿದೆ.

AI ವ್ಯವಸ್ಥೆಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಹುಡುಕಾಟವನ್ನು ಒಂದೇ ಹಂತವಾಗಿ ಪರಿಗಣಿಸುತ್ತವೆ: ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿ, ಫಲಿತಾಂಶಗಳನ್ನು ಹುಡುಕಿ. Computer ಹುಡುಕಾಟವನ್ನು ಪ್ರೋಗ್ರಾಂ ಎಂದು ಪರಿಗಣಿಸುತ್ತದೆ. ಮಾದರಿಯು ಕೋಡ್ ಅನ್ನು ಬರೆಯುತ್ತದೆ ಅದು ಸಮಾನಾಂತರವಾಗಿ ಸಾವಿರಾರು ಮರುಪಡೆಯುವಿಕೆ ಹಂತಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ರನ್ ಮಾಡುತ್ತದೆ, ಪ್ರತಿಯೊಂದೂ ಬಳಕೆದಾರರು ಕೇಳಿದ ಪ್ರಶ್ನೆಗೆ ರೂಪುಗೊಂಡಿರುತ್ತದೆ.

ಕೋಡ್ ಮಾದರಿಯ ಪಕ್ಕದಲ್ಲೇ ಸುರಕ್ಷಿತ ಸ್ಯಾಂಡ್‌ಬಾಕ್ಸ್‌ನಲ್ಲಿ ರನ್ ಆಗುತ್ತದೆ, ಆದ್ದರಿಂದ ಮಾದರಿಯು ಫಲಿತಾಂಶಗಳು ಬಂದಂತೆ ನೋಡಬಹುದು ಮತ್ತು ಯಾವ ಮೂಲಗಳನ್ನು ಎಳೆದುಕೊಳ್ಳಲಾಗಿದೆ ಮತ್ತು ಅವು ಹೇಗೆ ಸ್ಕೋರ್ ಮಾಡಿವೆ ಎಂಬುದನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡಬಹುದು. ಗುಣಮಟ್ಟ ಇನ್ನೂ ಇಲ್ಲದಿದ್ದರೆ ಅದು ಹುಡುಕಾಟದ ಮಧ್ಯದಲ್ಲಿ ಕೋರ್ಸ್ ಅನ್ನು ಬದಲಾಯಿಸಬಹುದು.

ವ್ಯವಹಾರದಲ್ಲಿ, ಇದರರ್ಥ ಒಂಟಿ ಆಳಗಿನ ಸಂಶೋಧನೆ ರನ್ ಮಾಡಬಹುದು:

ಪ್ರಶ್ನೆಯನ್ನು ನೂರಾರು ಅಥವಾ ಸಾವಿರಾರು ಗುರಿಪಡಿಸಿದ ಮರುಪಡೆಯುವಿಕೆಗಳಾಗಿ ವಿಭಜಿಸಿ

ಸಮಾನಾಂತರವಾಗಿ ಹುಡುಕಾಟಗಳನ್ನು ರನ್ ಮಾಡಿ, ಹೊಸ ಥ್ರೆಡ್‌ಗಳು ಕಾಣಿಸಿಕೊಂಡಾಗ ಅವುಗಳನ್ನು ಅನುಸರಿಸಿ, ಮತ್ತು ಉತ್ತರಗಳು ಕಡಿಮೆಯಾದಾಗ ಮತ್ತೆ ಪ್ರಯತ್ನಿಸಿ

ಕೋಡ್‌ನಲ್ಲಿ ಡಿಡೂಪಿಂಗ್, ಸೇರುವಿಕೆ ಮತ್ತು ಫಿಲ್ಟರಿಂಗ್ ಮಾಡುವ ಮೂಲಕ ಮಾದರಿಯು ಅವುಗಳನ್ನು ನೋಡುವ ಮೊದಲು ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ

ಅದೇ ಹುಡುಕಾಟದಲ್ಲಿ ಅಧಿಕೃತ ಕನೆಕ್ಟರ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಲೈವ್ ವೆಬ್ ಮತ್ತು ಆಂತರಿಕ ಮೂಲಗಳಿಂದ ಎಳೆದುತನ್ನಿ

विक्रेता सुरक्षा सूचनाओं में 200 सॉफ़्टवेयर कमजोरियों के ऑडिट को शक्ति प्रदान करने वाला वही आर्किटेक्चर चार अलग-अलग न्यायक्षेत्रों में गैर-प्रतिस्पर्धी समझौते के परिदृश्य का विश्लेषण कर सकता है।

ಉತ್ತಮ ಗುಣಮಟ್ಟದ, ಉಲ್ಲೇಖಿತ ಡೇಟಾ

Perplexity ನ ಆಳಗಿನ ಸಂಶೋಧನೆ ಅನ್ನು Computer ಒಳಗೆ ಸರಿಸುವುದರಿಂದ ಅದರ ಕಾರ್ಯಕ್ಷಮತೆ ಸುಧಾರಿಸುತ್ತದೆ ಎಂದು ಮೂರು AI ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳು ಕಂಡುಕೊಂಡಿವೆ. ಸ್ಥಳಾಂತರದ ನಂತರ, Humanity's Last Exam, BrowseComp ಮತ್ತು DeepSearchQA ಪ್ರಕಾರ, ವಾಸ್ತವಿಕ ನಿಖರತೆ, ವಿಶ್ಲೇಷಣೆಯ ಆಳ ಮತ್ತು ಉಲ್ಲೇಖದ ಗುಣಮಟ್ಟ ಎಲ್ಲವೂ ಹೆಚ್ಚಾಗಿದೆ.

ಆಳಗಿನ ಸಂಶೋಧನೆ ನಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ವಾಸ್ತವಿಕ ਦਾवा ಇನ್‌ಲೈನ್ ಉಲ್ಲೇಖವನ್ನು ಹೊಂದಿದೆ. ಪ್ರತಿಯೊಂದು ಸಂಖ್ಯೆಯ ಮೇಲುಲಿಪಿಯು ನೇರವಾಗಿ ಲೈವ್ ಮೂಲ URL ಗೆ ಲಿಂಕ್ ಮಾಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಬಳಕೆದಾರರು ಕ್ಲಿಕ್ ಮಾಡಿ ಮೂಲವನ್ನು ಪರಿಶೀಲಿಸಬಹುದು.

ಉದಾಹರಣೆ ಪ್ರಶ್ನೆಗಳು

Computer ಒಳಗೆ ಆಳಗಿನ ಸಂಶೋಧನೆ ಏನು ಮಾಡಬಹುದು ಎಂಬುದು ಇಲ್ಲಿದೆ:

ಖರೀದಿ-ಬದಿ ನಿಯುಕ್ತ ಪರಿಶೀಲನೆ (ಹಣಕಾಸು): ಸಾರ್ವಜನಿಕವಾಗಿ ಪಟ್ಟಿ ಮಾಡಲಾದ ಮೂರು ಯುರೋಪಿಯನ್ ಕಿರಾಣಿ ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳ ಮೇಲೆ ಖರೀದಿ-ಬದಿ ನಿಯುಕ್ತ ಪರಿಶೀಲನೆಯನ್ನು ನಡೆಸಿ. ಅವರ ಹಣಕಾಸಿನ ಕಾರ್ಯಕ್ಷಮತೆ, ಅಂಗಡಿ ಸ್ವರೂಪಗಳು, ಖಾಸಗಿ-ಲೇಬಲ್ ನುಗ್ಗುವಿಕೆ, ಪೂರೈಕೆ-ಸರಪಳಿ ಸ್ಥಿತಿಸ್ಥಾಪಕತ್ವ, ಕಾರ್ಮಿಕ ವೆಚ್ಚದ ಒ출ಿಕೆ ಮತ್ತು ಇತ್ತೀಚಿನ ಪುನರ್ರಚನೆ ಕ್ರಮಗಳನ್ನು ರಚನಾತ್ಮಕ ಕೋಷ್ಟಕದಲ್ಲಿ ಕಂಪೈಲ್ ಮಾಡಿ, ಜೊತೆಗೆ ಪ್ರಮುಖ ಅಪಾಯಗಳು ಮತ್ತು ಅಪ್‌ಸೈಡ್ ದೃಶ್ಯಗಳನ್ನು ಎತ್ತಿ ತೋರಿಸುವ ಸಣ್ಣ ಜ್ಞಾಪಕ ಪತ್ರವನ್ನು ನೀಡಿ.

ಪೈಪ್‌ಲೈನ್ ಸ್ಪರ್ಧಾತ್ಮಕ ವಿಮರ್ಶೆ (ಆರೋಗ್ಯ ರಕ್ಷಣೆ): ಆಂತರಿಕ ಕಾರ್ಯಕ್ರಮದ ಕಾರ್ಯತಂತ್ರವನ್ನು ತೀಕ್ಷ್ಣಗೊಳಿಸಲು ಮರುಕಳಿಸಿದ/ವೈಫಲ್ಯಗೊಂಡ ಬಹು ಮೈಲೋಮಾದಲ್ಲಿ ಸ್ಪರ್ಧಿಯ ಪ್ರಾಯೋಗಿಕ CAR-T ಚಿಕಿತ್ಸೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. ಹಂತ 1/2 ಪ್ರಯೋಗದ ರೀಡೌಟ್‌ಗಳು, ವಿಷತ್ವ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆ ಡೇಟಾ, ಅನುಮೋದಿತ ಪರ್ಯಾಯಗಳ ವಿರುದ್ಧದ ತುಲನಾತ್ಮಕ ಫಲಿತಾಂಶಗಳು, ಪೇಯರ್ ಕವರೇಜ್ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಸಕ್ರಿಯ ಪ್ರಯೋಗ ಸೈಟ್‌ಗಳನ್ನು ಸಂಶ್ಲೇಷಿಸಿ. ಆಂತರಿಕ ಪ್ರಿಕ್ಲಿನಿಕಲ್ ಡೇಟಾ, ಹಿಂದಿನ ಪ್ರೋಟೋಕಾಲ್ ವಿನ್ಯಾಸಗಳು ಮತ್ತು ನಿಯಂತ್ರಕ ಫೈಲಿಂಗ್‌ಗಳಿಗೆ ಆಪ್ ಕನೆಕ್ಟರ್‌ಗಳು A ಮೂಲಕ ಸಂಪರ್ಕಿಸಿ, ನಂತರ ಅಭಿವೃದ್ಧಿ ಸಮಿತಿಗೆ ಸ್ಥಾನಿಕ ಶಿಫಾರಸುಗಳು ಮತ್ತು ಮುಕ್ತ ವೈಜ್ಞಾನಿಕ ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ರಚನಾತ್ಮಕ ಬ್ರೀಫಿಂಗ್ ಅನ್ನು ಉತ್ಪಾದಿಸಿ.

ನಮ್ಮ ಬಳಕೆಯ ಸಂದರ್ಭದ ಲೈಬ್ರರಿಯಲ್ಲಿ ಹೆಚ್ಚಿನ ಮಾದರಿ ಆಳಗಿನ ಸಂಶೋಧನೆ ಪ್ರಶ್ನೆಗಳನ್ನು ವೀಕ್ಷಿಸಿ.

ಈಗ ಲಭ್ಯವಿದೆ

Computer ನಲ್ಲಿ ಆಳಗಿನ ಸಂಶೋಧನೆ ಇಂದು ಲಭ್ಯವಿದೆ. ಸಂಕೀರ್ಣ ಪ್ರಶ್ನೆಯೊಂದಿಗೆ ಥ್ರೆಡ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು ಫಲಿತಾಂಶದಿಂದ ಕೆಲಸ ಮಾಡುವುದನ್ನು ಮುಂದುವರಿಸಿ.

Computer ನಲ್ಲಿ ಆಳಗಿನ ಸಂಶೋಧನೆ ಅನ್ನು ಪ್ರಯತ್ನಿಸಿ.