AI Neuroscientist：面向神经影像分析的交互式智能体界面

研究者发布 AI Neuroscientist，一个将大语言模型与神经影像工具集结合的语言智能体，用于交互式数据探索。该系统可在自然语言下完成质量控制、建模和可视化，让缺乏计算背景的研究者直接查询数据质量并指定分析参数。团队用 fNIRS 数据演示了能力，并在自建的 fNIRS 基准套件上，将其与带代码沙盒的通用 LLM 智能体进行比较。

传统神经影像分析依赖专业编程与统计能力，通常以脚本化流程执行，门槛高且不透明。该工作把自然语言查询与影像工具链直接对接，为小规模数据探索提供可交互的替代路径，并给出与通用 LLM 智能体对比的基准评测信号。

机制上，系统把 LLM 作为交互层，连接神经影像工具集，将自然语言请求转成质量控制、建模与可视化操作，因此研究者无需自行编写脚本即可调整分析参数。基准套件则用于检验该专用智能体相对通用 LLM 加代码沙盒方案的差异。

对研发与产品而言，这类架构可把领域工具封装为对话式入口，降低专业软件的使用门槛，并让分析过程更可追溯。短期更可能落在小规模探索场景，而非替代完整生产级流水线；同时专用工具集与评测基准的构建会成为竞争要素。

• 将神经影像或同类科研工具链封装为自然语言交互入口，面向无编程背景的研究者提供质控、建模和可视化操作。
• 围绕 fNIRS 等具体模态构建领域基准套件，用于对比专用智能体与通用 LLM 加代码沙盒方案的表现。

• 该系统在 fNIRS 之外模态上的实际表现如何，fMRI 扩展是否已被验证？
• 自建 fNIRS 基准套件包含哪些任务与指标，评测结论是否可复现？
• 与通用 LLM 智能体相比，专用系统在准确率、成本和交互效率上的具体差异有多大？
• 系统在真实研究流程中的错误率、可审计性和数据安全机制是否已被评估？