为面向科学的agentic AI注入分析严谨性：神经影像数据分析平台Brain Researcher

AI智能体可以执行科学分析，但只有在权衡过备选方案、并把论断限定在证据支持的范围内之后，一个分析结果才能成为可辩护的论断。智能体可能重现多种失败模式，包括选择性分析、过早宣告成功以及对不完善指标的过度优化。我们提出 Brain Researcher，一个在神经影像研究者的计算环境中运行、遵循关于可采纳分析、必需检查和论断范围规则的agentic研究框架。在基准测试中，Brain Researcher 将七个模型的首选工具选择准确率提高了 70.2 个百分点（无它时为 23.3%，有它时为 93.6%），可验证的依据性从 4.6% 提升到 22.0%。在协作者主导和自我演化的研究中，多宇宙分析暴露了分析选择的敏感性，科学评审将论断分类为接受、有保留、修订、阻止、拒绝或推迟。通过将决策与证据和来源绑定，Brain Researcher 把方法论判断嵌入工作流之中，而非置于其后。