【论文】NeuroClaw 技术报告

Source: arXiv - 2604.24696v1

概述

NeuroClaw 是一个专为神经影像研究构建的多代理 AI 助手。它能够开箱即用地处理原始 MRI、fMRI、dMRI、EEG 以及相关数据格式，使科学家能够专注于科学本身，而不必为复杂的流水线、环境怪癖和可重复性问题而苦恼。

关键贡献

• 面向领域的多代理框架，将高级用户意图转换为具体的神经影像工具调用。
• 端到端环境管理（固定的 Python 环境、Docker 镜像、自动安装程序、GPU 设置），确保每次运行的软件栈一致。
• 三层技能层次结构（用户交互 → 编排 → 低层工具技能），用于模块化、可重用的工作流组件。
• NeuroBench 基准，量化神经影像流水线的可执行性、产物有效性和可复现性准备程度。
• 审计就绪的执行追踪，具备检查点和运行后验证，使流水线透明且更易调试。

方法论

NeuroClaw 将神经影像项目视为 有状态图：原始数据 → BIDS 元数据 → 一系列工具调用（例如 FSL、ANTs、FreeSurfer）。

1. 技能层 – 小型、原子级代理封装单个神经影像命令（例如 “run BET skull‑stripping”）。
2. 编排层 – 更高级别的代理根据数据集的模态和用户目标组合这些技能（例如 “preprocess fMRI”）。
3. 交互层 – 前端聊天式界面让开发者可以用自然语言提问（例如 “Can you generate a connectivity matrix for subject 01?”）。

系统读取 BIDS side‑car JSON 文件以推断采集参数，自动选择合适的工具，并启动一个带有可复现环境的 Docker container。每一步完成后，NeuroClaw 会写入 structured audit log（命令、输入、输出、校验和），并在继续之前根据 NeuroBench 的标准验证生成的制品。

结果与发现

• 在三个多模态大型语言模型（LLMs）中，NeuroClaw‑增强的运行取得了 15‑30 % 更高的 NeuroBench 分数，相较于原始 LLM 提示，表明执行更可靠且产物质量更高。
• 可重复性测试（在全新机器上重新运行相同的流水线）在 98 % 的情况下显示 输出完全相同，这归功于已固定的环境和确定性的 Docker 镜像。
• 检查点系统将 调试时间减少约 40 %，因为开发者可以从上一次成功的步骤继续，而无需重新执行整个流水线。

实际意义

• 加速原型开发 – 研究人员只需一个聊天指令即可启动完整的预处理流水线，将数周的脚本编写工作压缩至几分钟。
• 神经影像的持续集成/持续部署 (CI/CD) 一致性 – 团队可以在自动化测试套件中嵌入 NeuroClaw，确保每次提交在合并前都能生成可复现的大脑图谱。
• 降低入门门槛 – 新加入的实验室成员或外部合作者无需深入了解 FSL、AFNI、FreeSurfer 的命令行细节，即可运行复杂分析。
• 审计就绪的出版物 – 自动生成的执行追踪满足多数期刊和资助机构的可复现性要求，简化数据共享的合规流程。

限制与未来工作

• NeuroClaw 目前支持 BIDS 标准化的模态；对于异构或专有格式，需要先手动转换。
• 基准测试侧重于可执行性和产物有效性，但 科学有效性（例如统计功效）仍由用户自行评估。
• 计划在下一个版本中实现对 大规模云集群 的扩展，并与 Airflow、Nextflow 等工作流管理器集成。
• 未来的研究将探索 自优化编排，系统能够根据硬件和数据集特性学习选择最快的工具链配置。

作者

• Cheng Wang
• Zhibin He
• Zhihao Peng
• Shengyuan Liu
• Yufan Hu
• Lichao Sun
• Xiang Li
• Yixuan Yuan

论文信息

• arXiv ID: 2604.24696v1
• 分类: cs.CV
• 发表时间: 2026年4月27日
• PDF: 下载 PDF