Distribird to nowa aplikacja webowa, która automatyzuje tworzenie prior do modelowania Bayesowskiego poprzez przetwarzanie literatury naukowej. Zamiast ręcznego przeszukiwania publikacji i budowania rozkładów prior - co tradycyjnie wymaga zarówno ekspertyzy domenowej jak i statystycznej - system korzysta z multi-agentowego pipeline'u, który przeszukuje literaturę, ekstrahuje raportowane wartości, waży je według istotności domenowej i dopasowuje rozkład probabilistyczny za pośrednictwem selekcji modelu AIC.
Problem, który rozwiązuje Distribird, jest fundamentalny w statystyce Bayesowskiej. Mimo dziesięcioleci prac metodologicznych naukowcy wciąż sięgają po uniformne prior - nie dlatego, że to optymalne, ale dlatego że budowanie prior opartych na wiedzy z literatury to proces czasochłonny i wymagający specjalnych umiejętności. Aplikacja oceniono na 24 parametrach across 10 dziedzin naukowych, porównując trzy modele open-weight: Qwen3.6 27B, Gemma 4 31B i Mistral Small 4 119B.
Kluczowa cecha systemu to transparentność - każdy wygenerowany prior jest wytracalny do konkretnych artykułów i wartości, na których go zbudowano. Aplikacja posiada również wbudowaną warstwę walidacyjną, która odmawia produkcji prior dla zapytań poza zakresem. Gdy literatura jest niedostępna, system przechodzi na rozsądne alternatywy neinformatywne, wyraźnie raportując zarówno dowody stojące za każdym prior, jak i poziom pewności systemu.