用于系统评价·荟萃分析·ML数据集

停止搜索静态数据库。使用 Kateeb AI 在几分钟内从 2 亿多篇论文构建您的 自定义参数数据库。

See why we excel in this task compared to our competitors→
免费开始 · 150 篇论文🔍  Explore Marketplace▶  查看如何跟踪值

无需信用卡 · 永久免费套餐 · 导出至 Excel、CSV 和 JSON

输入 100 多种语言 → 输出一个经过验证的数据库

定价

一学分等于一篇论文。这就是整个公式。

根据您的架构需要提取尽可能多的字段。一百张纸通常会产生 1,000–2,000 个干净的行。

960论文

→ the Researcher Pro ($79 for 2,000 papers) plan covers this comfortably.

尝试一下

免费

$0

150 篇论文·无需卡片

  • 150 积分
  • 自定义架构设计
  • Excel、CSV 和 JSON 导出
  • 标准支持
免费开始
Best price in market

Starter

$29

500 papers · one-time package

  • 500 credits (~500 papers)
  • Parallel batch queueing
  • Discrepancy arbitrator
  • DOI / PMID full-text resolver
Get Starter
最适合单个评论

研究员

$79

每月 · 1,000 篇论文

  • 每月 1,000 个积分
  • 自定义架构设计
  • DOI 和 PMID 导入
  • 标准支持
开始您的评论
最适合实验室和数据集

专家

$299

每月 · 10,000 篇论文

  • 每月 10,000 个积分
  • 并行作业提交
  • 高级可视化
  • 优先支持
选择专家
采购就绪

机构

我们来谈谈

实验室·部门·大学

  • 自定义信用分配
  • 本地部署
  • DPA 和安全审查
  • 专职客户经理
联系我们

每个计划都包括三遍准确性引擎、页面级跟踪和结构化导出。

研究人员使用

它是如何运作的

一堆 PDF 和可发布数据集之间的三个步骤。

步骤01

搜索并添加论文

使用我们的自动搜索引擎搜索超过 2 亿篇论文，或者拖入 PDF 并粘贴 DOI 或 PMID。

步骤02

描述您的架构

用通俗易懂的语言说出您的需求。我们的人工智能专家提出类型字段和单位；你可以编辑一切。

样本量优势比塞贝克系数 (μV/K)生长方法+ 自己的领域
步骤03

审核和导出

人工智能法官会标记分歧，但绝不会默默地解决它们。将验证结果导出至Excel、CSV或JSON。

信任循环

它不只是提取。它收敛了。

独立模型提取并重新读取您的来源。当他们不同意时，您可以优化架构并再次运行循环，直到数据库超过信任阈值。

01下载论文

粘贴DOIs；获取全文并且每一行都保持 DOI 链接。

02生成架构

中的简单语言；输入字段和控制单位。

03构建数据库

每个值都固定到页面级源坐标。

04人工智能法官

独立模型重新阅读来源和评分协议。

↻优化并重新运行

收紧法官不同意的定义，然后再次运行。

通过 3 · 人工智能法官

0%

90% 信任阈值

running cross-model verification…

✓ 可信数据库 · DOI 链接 · 价值追踪

免费开始 · 150 篇论文无需信用卡·免费 150 篇论文

零综合数据

每个数字都知道它来自哪里。

单击表中的任意值可检查源中的确切段落。如果一篇论文没有报告一个值，数据库会说 N/A 而不是发明一个值。

☝ 尝试一下：检查任何提取的值

提取·高血压_rct_007.pdf
研究Value
1样本大小418 名参与者
2平均差−5.3 毫米汞柱
395% 置信区间-7.1 至 -3.5

click a value → see its source ↗

来源 · 第 6 页 · 结果

3.2 主要结果

在 418 名随机参与者中，干预组与对照组的平均差异为 -5.3 mmHg（95% CI -7.1 至 -3.5；p < 0.001），与预先注册的分析计划一致。


cross-model agreement confirmed
Cross-model agreementInspired by duplicate extraction workflows, providing an automated quality-control signal.
Coordinate-anchoredThe audit trail attaches straight to your PRISMA supplementary materials.
Abstention by designEmpty stays empty. No generative fill or plausible inventions.

提取后

电子表格只是一个开始。

查找您所在领域的趋势，为您的手稿创建图表，并生成您的模型可以信任的训练数据。

0.40.81.2246thermal conductivity κ (W/mK)ZTκ 5.0 · ZT 0.61κ 4.2 · ZT 0.86κ 2.1 · ZT 0.95κ 1.4 · ZT 1.12κ 3.2 · ZT 0.78κ 2.8 · ZT 0.90κ 1.8 · ZT 1.05κ 4.6 · ZT 0.70κ 3.6 · ZT 0.82κ 2.4 · ZT 1.00κ 1.1 · ZT 1.20κ 5.4 · ZT 0.55Bi₂Te₃/Sb₂Te₃ · 1.12
探索文献中的关系筛选字段、比较单位，并将可供发布的趋势图导出为 PNG 或 SVG。illustrative data · export PNG / SVG
FAIR-Aligned ExportExport your database with persistent identifiers (DOI), reference files (RIS / BibTeX), and structured schema definitions (CSV / JSON) conforming to FAIR data principles.
Open Standard FormatsDirect export to CSV and JSON formatted for immediate analysis in Python, R (meta), Stata, or spreadsheet tools with zero lock-in.
Source ProvenanceEvery extracted data point preserves source paper titles, DOIs, and extraction metadata for complete auditability and replication.

免费开始 · 150 篇论文包括趋势、数据和 ML 导出

Scientific Data Marketplace · Reusable Schemas · Verified Datasets

Explore, reuse, and publish research data with complete provenance.

Discover ready-to-plot scientific databases extracted from papers with AI Judge cross-validation, reusable domain schemas, and open datasets from global research repositories (DataCite, Zenodo, Dataverse).

FREE VERIFIED DATABASEAI JUDGE™ CHECKED
Version 1.0 · Static Release

marketplace · generative-ai-evaluation-benchmarks

生成式 AI 评估和安全性

快速发展的评估、安全、安保、硬件和自主系统研究。

DOI Coverage100% (73 of 73)
AI Cross-Validation27% (20 papers)
AI Agreement93.4% (8 Resolved)
LicenceCC BY 4.0
7 Research Opportunities:
生成式 AI 评估和安全性AI-代理可靠性和工具使用AI 用于科学发现网络安全和 IoT 漏洞量子计算、传感和材料机器人和自主系统半导体和边缘 AI
model_namestringmodel_versionstringbenchmark_namestringtask_typeenumevaluation_scorenumbersafety_dimensionenumevaluation_languagestringdoistring
Sample Extracted Evidence Row (Provenance-Grounded)
model_namemodel_versionbenchmark_nametask_typeevaluation_scoresafety_dimensionevaluation_languagedoi
Llama-3-70B-Instructv1.0MMLU-ProReasoning68.4TruthfulnessEnglish10.48550/arXiv.2407.21783
Every dataset version includes: source_doi, validation_summary.csv, data_dictionary.csv, manifest.json (SHA-256), README.md
Explore in Marketplace →免费构建此数据库
🔍 Browse Full Scientific Data Marketplace Catalog (500+ Items)→

使用 Sci-database 构建

伊斯兰墨水图集：3,300 多个历史食谱变成了一个活生生的研究门户。

该地图集将手稿、成分、食谱、地点和日期连接到一个根据科学和历史来源构建的可探索数据库中。

这是我们自己团队在 QEERI-Materials 的项目：演示，而不是客户故事。现场评判吧

探索实时地图集
The Islamic Ink Atlas: Geographical & Temporal Visualization of ink and pigment recipes across time and space

研究人员实际提出的问题

在您信任我们的评论之前

期刊审稿人会接受 AI 提取的数据吗？
是的，当提取可审核时。独立模型提取并比较每个值，而页面坐标突出显示让第二个审阅者可以验证而不是重新输入。导出的审计跟踪将每个单元格链接到其 DOI、页面和源位置。
当 AI 输错数字时会发生什么？
在值到达您的分析之前，分歧会被标记。您看到源区域旁边的候选者并做出决定；平台永远不会默默地解决模型分歧。
我如何知道我的数据库是否准确？
AI Judge 衡量独立重读来源的一致性。细化字段定义和单位，然后重新运行，直到验证的一致性分数超过 90%。每个值都可以手工审核。
你们会在我上传的内容上训练模型吗？
不会。您的 PDF 和提取的数据绝不会用于训练模型。上传的内容在传输过程中和静态时都会加密，您可以随时删除论文或项目。
我不是学医的。这是给我的吗？
是的。活跃的用例包括材料科学、物理学、天文学、气候、教育、网络安全、牙科和医学。如果您可以定义字段，引擎就可以提取它们。
我可以在不上传 PDF 的情况下导入论文吗？
是的。粘贴DOIs或PMIDs，平台将获取可用记录。您可以在同一项目中混合导入和上传的论文。
积分如何运作？
无论您的架构包含多少个字段，一个学分都会处理一篇论文。计划的不同主要在于每月的纸张津贴和支持水平。
最后我会得到什么？
结构化 Excel、CSV 或 JSON 数据集，可用于 R、Stata、RevMan、可视化或机器学习，以及将每个值与其源页面联系起来的审计跟踪。

统一人类知识，
一次一个数据库。

将文件夹中已有的论文转换为经过验证的数据集，您可以检查、分析、发布和重复使用。

免费构建您的数据库

150 张免费论文 · 无需信用卡 · 每个值均可追踪