摘要
理解大脑越来越依赖于跨尺度、跨模态和跨学科证据的整合。针对单一研究问题需要协调一系列操作，从调查先前的工作到执行分析，再到结合领域知识解释结果。虽然人工智能代理有望加速这一过程，但目前的代理在脑科学领域缺乏专业知识，可能会捏造声明、在多步骤推理中偏离主题，并且提供的专家干预点有限。这些失败在脑科学中尤其代价高昂，因为结论会影响下游科学主张，并依赖于实验室特定的专业知识和细致的人类判断。
我们提出了BrainPilot，一个完全开源的多代理系统，它通过可追踪的日志和代理验证的结果来加速脑科学研究。主要研究者（PI）代理协调基于策划领域知识的专业代理：一个统一的脑科学知识库，包含7,233个索引条目，以及跨七个研究领域的72个可重用方法单元的技能库。每个主要步骤都记录在“追踪图”（Graph of Trace）中，这是一个可审计的记录，链接子目标、工具使用、证据和声明，允许研究人员跟踪和检查工作流程。审计员代理进一步将伪造检查整合到工作流程中。
在评估中，我们运行了来自代理最后考试的三个脑科学任务，介绍了我们自己的基准BrainPilotBench-v0，并呈现了额外的端到端案例研究。在这些评估中，基于开源骨干模型的BrainPilot达到了与最先进的代理框架相媲美的性能，并且成本更低。
博主点评：BrainPilot的出现标志着脑科学研究的一个重要进步，特别是在多步骤推理和领域知识整合方面。通过实现可追踪性和验证机制，它不仅提高了研究效率，也为科学发现提供了更高的可靠性。开源特性更是为全球研究者提供了强大的工具，推动了脑科学的进一步发展。