BCER 代理：通过编译、信令绑定与有界局部恢复实现可靠的长期 MRI 工作流执行
图像与视频处理
2026-05-29 v1
摘要
许多近期的医学视觉语言模型和代理研究是在 2D 图像或相对较短的工具调用交互上进行基准测试的，而实际的 MRI 分析通常需要在 3D/4D 体数据上运行的长期、相互依赖的管道。 在这种条件下，反应式工具调用代理容易因有故障的中间引用、不匹配的工具参数以及跨步骤依赖受限而引发级联性中断。 为了解决这一问题，我们提出了 BCER（脑-小脑-四肢-反射器），一种旨在实现可靠的长期 MRI 工作流执行的控制器架构。 BCER 将高层规划与执行解耦，并提供有界的局部恢复。 我们在覆盖脑部、前列腺和心脏任务的多器官 MRI 基准测试上对 BCER 进行评估，涵盖短链和长链工作流，使用匹配的任务合约以及多个 backbone 模型。 相对于反应基线，BCER 在端到端执行方面实现了持续的改进，其中在长链工作流上观察到的提升尤为显著。 BCER 还通过维护最终输出与中间信令和测量之间的显式链接，实现了可审计性。 代码和基准已发布于 https://github.com/Albertlongzi/BCER。
引用
@article{arxiv.2605.29163,
title = {BCER Agent: Reliable Long-Horizon MRI Workflow Execution via Compilation, Artifact Binding, and Bounded Local Recovery},
author = {Ziyang Long and Xinqi Li and Junzhou Chen and Yifan Gao and Debiao Li and Hsin-Jung Yang},
journal= {arXiv preprint arXiv:2605.29163},
year = {2026}
}
备注
Pre-review submitted version of a paper accepted to MICCAI 2026. The final authenticated version will be available on SpringerLink