NeuroWeaver：用于探索 EEG 分析管道程序空间的自主进化智能体
人工智能
2026-05-25 v2
摘要
尽管基础模型在通用领域展现出惊人的成功，但将其应用于脑电图 (EEG) 分析受到数据需求大、参数化程度高的制约。这些因素导致计算成本高昂，进而阻碍在资源受限的临床环境中部署。相反，通用的自动机器学习框架往往不适用于该领域，因为在无限制的程序空间中进行探索无法纳入必需的神经生理学先验知识，且常常产生缺乏科学合理性的解决方案。为此，我们提出 NeuroWeaver，一个统一的自主进化智能体，旨在通过将管道工程重新表述为离散约束优化问题来跨越多样化的 EEG 数据集和任务。具体而言，我们采用基于域的子空间初始化 (Domain-Informed Subspace Initialization) 将搜索限制在神经生理学上合理的流形范围内，并结合多目标进化优化 (Multi-Objective Evolutionary Optimization) 实现对性能、新颖性和效率的动态平衡，通过自反思式优化实现持续改进。跨越五个异构基准的实证评估表明，NeuroWeaver 合成的轻量级解决方案在持续优于基于任务的 SOTA 方法，同时在显著降低参数数量的同时达到与大规模基础模型相当的性能。
引用
@article{arxiv.2602.13473,
title = {NeuroWeaver: An Autonomous Evolutionary Agent for Exploring the Programmatic Space of EEG Analysis Pipelines},
author = {Guoan Wang and Shihao Yang and Jun-En Ding and Feng Liu},
journal= {arXiv preprint arXiv:2602.13473},
year = {2026}
}