NeuroClaw 技术报告
计算机视觉与模式识别
2026-05-08 v2
摘要
代理人式人工智能系统promise to加速科学工作流程，但神经影像具有独特挑战：异构模态 (sMRI, fMRI, dMRI, EEG)、长期多阶段管道以及持久的可重复性风险。为解决这一差距，我们提出NeuroClaw，这是一个面向可执行且可重复的神经影像研究的领域专用多代理研究助手。NeuroClaw直接操作原始神经影像数据，支持多种格式和模态，依据数据集语义和BIDS元数据进行决策，无需用户准备精选输入或定制模型代码。该平台结合了工程编排与端到端环境管理，包括固定的Python环境、Docker支持、常见神经影像工具的自动安装程序以及GPU配置。在实践中，这一层强调检查点、后执行验证、结构化审计痕迹以及受控运行设置，使工具链更加透明，同时提高可重复性和可审计性。三层技能/代理层次结构将用户交互、高级编排和低级工具技能分离，将复杂工作流程分解为安全、可重用的单元。除了NeuroClaw框架外，我们还引入NeuroBench，这是一个用于可执行性、制品有效性和可重复性准备就绪性的系统级基准测试。对于多种多模态LLM，NeuroClaw启用运行在直接代理调用与直接调用之间取得一致且显著的得分提升。项目主页：https://cuhk-aim-group.github.io/NeuroClaw/index.html
关键词
引用
@article{arxiv.2604.24696,
title = {NeuroClaw Technical Report},
author = {Cheng Wang and Zhibin He and Zhihao Peng and Shengyuan Liu and Yufan Hu and Yang Carl and He Lifang and Lichao Sun and Xiang Li and Yixuan Yuan},
journal= {arXiv preprint arXiv:2604.24696},
year = {2026}
}