arXiv（brain-computer interface）·· 26 天前AI 评分30
AutoBCI：面向 EEG 脑机接口的预测引导智能体神经架构发现框架
AutoBCI: Forecast-Guided Agentic Neural Architecture Discovery for EEG-Based Brain--Computer Interfaces
AI 导读
AutoBCI 是一个由 Designer Agent 与 Forecaster Agent 组成的智能体框架，用于跨任务发现和筛选 EEG 解码架构。在覆盖运动想象、情绪识别与睡眠分期的 14 个 EEG 数据集上，AutoBCI 配合 Claude Opus 5.5 发现的架构取得 64.16% 平均测试平衡准确率，高于最强基线 REVE 的 63.87%。
AI 要点
团队
第一作者 Muyun Jiang，末位作者 Cuntai Guan（南洋理工），共 12 位作者；属于长期专攻脑机接口、与医院有长期临床合作的团队
主要结果
AutoBCI 用 Claude Opus 5.5 发现的架构平均测试平衡准确率 64.16%，最强基线 REVE 为 63.87%；PEEK 用 10 个已观测 epoch 把预测平均验证 bAcc 的 MAE 从 2.20 降到 1.36 个百分点，降幅 38.1%
解决什么问题
EEG 脑机接口跨任务解码架构设计困难，AutoBCI 用 Designer Agent 与 Forecaster Agent 自动发现并筛选架构
方法
在 14 个 EEG 数据集（运动想象、情绪识别、睡眠分期）上，用 6 个 LLM 评估，与 6 个传统 EEG 模型和 4 个基础模型共 10 个基线比较
局限
从研究设计看，为离线数据集上的架构搜索与性能预测评估，未涉及在线或临床验证
AI 依据原文整理，未经人工核对。
来源：arXiv（brain-computer interface） · arxiv.org