[Paper] NeuroSkill™：主动实时代理系统，具备建模人类心智状态的能力

Source: arXiv - 2603.03212v1

（请提供您希望翻译的具体文本内容，我将按照要求保留源链接并进行简体中文翻译。）

概览

本文介绍了 NeuroSkill™，一种主动的实时代理系统，能够直接从脑机接口（BCI）信号中推断人类的心理状态，并据此采取行动。NeuroSkill™ 完全在边缘硬件上离线运行，旨在将“具备心智感知”的 AI 助手从数据中心搬到个人设备上，为共情式、情境感知的交互开启新的可能性。

关键贡献

• 仅限 Edge、离线运行 – 整个流水线（信号采集、嵌入、推理和行动）在本地硬件上执行，消除涉及隐私的云端往返。
• SKILL.md 语言 – 一种基于 Markdown 的轻量级模式，用于描述用户的“思维状态”，可通过简单的 API/CLI 进行查询。
• NeuroLoop™ 框架 – 一个编排器，持续接收 BCI 流， 将其输入基础 EXG 模型和文本嵌入模型，并触发相应的工具调用或协议。
• 多层次认知参与 – 系统能够检测情感线索（如压力、共情），并以情境感知的方式作出响应，例如调整 UI、建议休息或启动生产力工具。
• 开源发布 – GPL‑v3 代码加上符合伦理的 AI100 许可证用于 SKILL.md 规范，鼓励社区审计与扩展。

方法论

1. 信号捕获 – 商用 BCI 头戴设备收集脑电图（EEG）和外围生理数据（例如心率、皮肤电反应）。
2. 预处理 – 对原始信号进行滤波、分段，并转换为与 EXG 基础模型兼容的特征向量（该模型是基于大规模多模态生物信号语料库训练的 Transformer）。
3. 嵌入生成 – 轻量级文本嵌入模型将 EXG 输出转换为用户心理状态的密集表示。
4. SKILL.md 映射 – 将该嵌入与 SKILL.md 模板库进行匹配，模板库编码了常见的认知/情感状态（例如“高度专注”“精神疲劳”）。
5. NeuroLoop™ 编排 – 持续循环评估当前状态，判断是否存在明确请求，并在需要时调用工具（例如打开笔记应用）或运行预定义协议（例如引导呼吸）。
6. 反馈循环 – 系统监测其行为对后续 BCI 信号的影响，从而实时细化状态估计。

所有步骤均使用 Python/C++ 实现，并通过硬件加速推理（如 ONNX Runtime）满足在 Raspberry Pi 或 Jetson Nano 等边缘设备上的亚秒级延迟要求。

结果与发现

• 速度提升源于上下文感知的中断（例如，自动安排休息），使用户保持高效的工作流。
• 降低的疲劳表明系统能够在压力升级前检测并缓解压力。
• 高检测精度表明 EXG + 嵌入管道仅使用廉价的 BCI 硬件就能可靠地区分细微的情感状态。

对 30 名参与者（软件工程师、设计师和学生）的用户研究证实，该系统给人“共情”感受且不具侵入性。

实际意义

• 开发者生产力工具 – 集成到 IDE 中，NeuroSkill™ 可以在感知到深度专注时自动建议重构、暂停通知或切换到“专注模式”。
• 健康科技与健康管理 – 以可穿戴设备为首的应用可以基于实时压力检测提供个性化的微干预（呼吸练习、姿势提醒）。
• 安全、隐私优先的助手 – 由于所有处理都在设备本地完成，企业可以部署具备脑波感知的助手而无需将原始脑数据暴露到云端，满足 GDPR 类法规。
• 自适应 UI/UX – 网页和移动界面可以根据用户当前的情感状态动态调整配色方案、动画强度或信息密度。
• 人机协作 – 在制造或远程遥操作中，配备 NeuroSkill™ 的机器人能够预判操作员的疲劳并主动调整任务分配。

局限性与未来工作

• 硬件依赖 – 当使用低等级的 BCI 传感器时，准确性会下降；当前原型假设的最小信噪比并非所有消费级设备都能满足。
• 状态粒度 – 虽然系统能够区分宽泛的情感类别，但更细致的情绪（例如细微的挫败感与好奇心）仍然具有挑战性。
• 泛化能力 – SKILL.md 模板是在相对同质的参与者群体上进行调优的；需要对更广泛的文化背景和神经多样性进行测试。
• 伦理保障 – 作者承认存在被操控的风险；未来工作将包括内置的同意对话框以及对所有状态推断的透明日志记录。

作者计划扩展 SKILL.md 库，集成多模态输入（例如眼动追踪、语音），并探索联邦学习，以在保护用户隐私的前提下持续改进 EXG 模型。

作者

• Nataliya Kosmyna
• Eugene Hauptmann

论文信息

• arXiv ID: 2603.03212v1
• 分类: cs.AI
• 发布时间: 2026年3月3日
• PDF: 下载 PDF