NeuroWeaver：用于探索EEG分析流程编程空间的自主进化代理

尽管基础模型在通用领域表现出色，但将其应用于脑电图（EEG）分析时受到大量数据需求和高参数化限制，导致计算成本高昂，难以在资源受限的临床环境中部署。通用自动化机器学习框架在此领域也存在不足，因未充分结合神经生理学先验知识，常产生缺乏科学合理性的解决方案。为此，本文提出NeuroWeaver，一种统一的自主进化代理，通过将流程工程重构为离散约束优化问题，实现对多样化EEG数据集和任务的泛化。具体而言，采用领域感知子空间初始化方法，将搜索范围限制在神经科学合理的流形中，并结合多目标进化优化，通过自反思精炼动态平衡性能、新颖性和效率。实验结果表明，NeuroWeaver在五个异构基准测试中生成的轻量级解决方案，性能优于现有任务特定方法，并可与大规模基础模型媲美，同时使用更少的参数。