NeuroWeaver：探索EEG分析流程程序化空间的自主进化智能体

尽管基础模型在一般领域取得了显着的成功，但这些模型在脑电图 (EEG) 分析中的应用受到大量数据要求和高参数化的限制。这些因素会产生高昂的计算成本，从而阻碍了在资源有限的临床环境中的部署。相反，通用自动化机器学习框架通常不适合该领域，因为在无限的程序空间内进行探索无法纳入基本的神经生理学先验，并且经常产生缺乏科学合理性的解决方案。为了解决这些限制，我们提出了 NeuroWeaver，这是一种统一的自主进化代理，旨在通过将管道工程重新表述为离散约束优化问题来泛化不同的脑电图数据集和任务。具体来说，我们采用领域知情子空间初始化将搜索限制在神经科学上合理的流形上，并结合多目标进化优化，通过自我反思细化动态平衡性能、新颖性和效率。对五个异构基准的实证评估表明，NeuroWeaver 合成的轻量级解决方案始终优于最先进的特定任务方法，并实现与大规模基础模型相当的性能，尽管使用的参数少得多。