論文の概要: CogEEGAgent: Toward Autonomous Cognitive EEG Analysis with Grounded Execution and Selection-Aware Verification
- arxiv url: http://arxiv.org/abs/2607.25045v1
- Date: Mon, 27 Jul 2026 20:09:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.613628
- Title: CogEEGAgent: Toward Autonomous Cognitive EEG Analysis with Grounded Execution and Selection-Aware Verification
- Title（参考訳）: CogEEGAgent: 接地実行と選択認識による自律的認知脳波分析に向けて
- Authors: Dengzhe Hou, Lingyu Jiang, Fangzhou Lin, Kazunori D Yamada,
- Abstract要約: MNE-Pythonを基盤とした認知脳波分析エージェントであるCogEEGAgentを提案する。
EEG固有の科学的ハーネスは、意味を科学的権威から分離する。
科学的エージェントは、フレキシブル言語理解とフェールクロースされた推論とリリースの制御を組み合わせられるかを示す。
- 参考スコア（独自算出の注目度）: 3.991518853474585
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electroencephalography (EEG) analysis in cognitive studies requires specialized expertise and involves many defensible choices over contrasts, channels, time windows, and statistical tests. LLM agents can translate varied natural-language questions into analysis choices, offering a flexible interface for automation. Yet fluent reports alone cannot establish that an agent selected the requested analysis or evaluated a confirmatory claim independently of adaptive search. We present CogEEGAgent, a cognitive-EEG analysis agent grounded in MNE-Python. Its EEG-specific scientific harness separates semantic from scientific authority. The LLM interprets intent and proposes registered analyses, while deterministic components validate typed contracts, control confirmation access, and authorize evidence-bound release. On a prespecified routing benchmark, CogEEGAgent maps language to registered analyses more accurately than a matched deterministic router, while matched preflight makes both systems abstain whenever required. In an externally model-authored, outcome-blind campaign, the complete system releases supported analyses with participant-disjoint confirmation and blocks prespecified capability hazards and lifecycle-reuse requests. Policy stress testing shows that held-out confirmation curbs false positives from uncorrected adaptive search. Together, these studies establish bounded autonomy and an auditable automation framework for cognitive-EEG workflows. More broadly, they show how scientific agents can combine flexible language understanding with fail-closed control over inference and release.
- Abstract（参考訳）: 認知研究における脳波解析(EEG)は専門的な専門知識を必要とし、コントラスト、チャンネル、時間窓、統計検査よりも多くの決定可能な選択を必要とする。
LLMエージェントは、様々な自然言語質問を分析選択に変換することができ、自動化のための柔軟なインターフェースを提供する。
しかし、流動的な報告だけでは、エージェントが要求された分析を選択したり、アダプティブ検索とは無関係に確認クレームを評価したりすることができない。
MNE-Pythonを基盤とした認知脳波分析エージェントであるCogEEGAgentを提案する。
EEG固有の科学的ハーネスは、意味を科学的権威から分離する。
LLMは意図を解釈し、登録された分析を提案し、決定論的コンポーネントは型付き契約を検証し、確認アクセスを制御し、エビデンスに縛られたリリースを承認する。
事前定義されたルーティングベンチマークでは、CogEEGAgentは言語を一致した決定論的ルータよりも正確に登録された解析にマップする。
外部モデルで承認されたアウトカムブラインドキャンペーンでは、完全なシステムが参加者の不一致確認による分析をサポートし、事前に特定された能力障害とライフサイクル再利用要求をブロックする。
政策ストレステストは、ホールドアウト確認が偽陽性を不正適応検索から抑制することを示している。
これらの研究は、境界自律性と認知-EEGワークフローのための監査可能な自動化フレームワークを確立する。
より広義には、科学的エージェントが、柔軟な言語理解と、推論とリリースに対するフェールクローズドな制御を組み合わせられるかを示している。
関連論文リスト
- AgentCAT: Simulating Computerized Adaptive Testing via Multi-Agent Large Language Models [19.853943355530017]
本稿では,動的テストのための大規模言語モデルに基づくマルチエージェントシミュレーションシステムであるAgentCATを提案する。
本フレームワークは,(1)記憶検索と連鎖推論を伴う検査エージェントが認知的プロファイルに基づいて応答をシミュレートし,(2)局所的難易度とグローバルなカバレッジのバランスをとるために粗いバケットと知識グラフ探索を用い,(3)監督エージェントが二重監査と堅牢な更新を用いて収束と妥当性を保証している,という3つのモジュールから構成される。
論文 参考訳（メタデータ） (2026-06-20T01:55:28Z) - WEQA: Wearable hEalth Question Answering with Query-Adaptive Agentic Reasoning [30.134429515719905]
本稿では,LLM推論を特殊なウェアラブル分析・モデリングツールと統合するクエリ適応型エージェントフレームワークWEQAを提案する。
また、3つの異なる健康領域における分析および予測タスクを含む4つのオープンなウェアラブルデータセットにまたがるベンチマークをキュレートする。
実験の結果,LLMやエージェントベースラインよりも24%の精度が得られ,12名の医療専門家と8名のユーザによる盲目調査の結果,有用性や臨床的健全性は著しく向上した。
論文 参考訳（メタデータ） (2026-06-16T16:45:56Z) - VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents [57.240036084348354]
本稿では,ロボットスキルコントラクトの検証誘導自己進化のためのフレームワークであるVASOを紹介する。
VASOは論理的に一貫性のないスキル契約を検証し、グローバルおよびローカルな時間的仕様に対してスキルによって誘発される計画を検証する。
Clearpath Jackal と PX4 のクアッドコプタータスクでは、VASO は100点未満の最適化サンプルを使用して97.2% の形式的な仕様準拠に達した。
論文 参考訳（メタデータ） (2026-06-03T20:02:35Z) - AffectAgent: Collaborative Multi-Agent Reasoning for Retrieval-Augmented Multimodal Emotion Recognition [62.16431420189863]
LLMに基づくマルチモーダル感情認識は静的なパラメトリックメモリに依存しており、ニュアンス化された感情状態の解釈時にしばしば幻覚を与える。
本稿では,感情指向型マルチエージェント検索拡張生成フレームワークであるAffectAgentを紹介する。
AffectAgentは3つの共同最適化されたエージェント、すなわちクエリプランナー、エビデンスフィルタ、感情生成器から構成される。
論文 参考訳（メタデータ） (2026-04-14T13:49:19Z) - Eligibility-Aware Evidence Synthesis: An Agentic Framework for Clinical Trial Meta-Analysis [49.83108591873481]
EligMetaはエージェントフレームワークで、自動トライアル発見と、資格を意識したメタ分析を統合する。
フレームワークは、目標トライアル間の人口アライメントを反映した類似性に基づく研究重量を計算し、適性基準を構造化する。
論文 参考訳（メタデータ） (2026-04-03T03:18:50Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - AgenticIQA: An Agentic Framework for Adaptive and Interpretable Image Quality Assessment [69.06977852423564]
画像品質評価(IQA)は、人間の視覚系に根ざした知覚品質の定量化と解釈の両方を反映している。
AgenticIQAは、IQAを歪み検出、歪み解析、ツール選択、ツール実行の4つのサブタスクに分解する。
本稿では,IQAエージェントに適した大規模命令データセットであるAgenticIQA-200Kと,VLMベースのIQAエージェントの計画,実行,要約機能を評価するための最初のベンチマークであるAgenticIQA-Evalを紹介する。
論文 参考訳（メタデータ） (2025-09-30T09:37:01Z) - Scan-do Attitude: Towards Autonomous CT Protocol Management using a Large Language Model Agent [39.72587188702086]
プロトコル構成要求の解釈と実行を支援するために,LLM(Large Language Model)ベースのエージェントフレームワークが提案されている。
このエージェントは、コンテキスト内学習、命令フォロー、構造化ツールコール機能を組み合わせて、関連するプロトコル要素を特定し、正確な修正を適用する。
論文 参考訳（メタデータ） (2025-09-24T16:04:11Z) - LLM-driven Provenance Forensics for Threat Investigation and Detection [12.388936704058521]
PROVSEEKは、証明駆動の法医学的分析と脅威情報抽出のためのエージェントフレームワークである。
ベクター化された脅威レポートの知識ベースとシステム前駆者データベースのデータとを融合させる、正確なコンテキスト対応クエリを生成する。
証明クエリを解決し、複数の役割特異的なエージェントを編成して幻覚を緩和し、構造化された、地味で検証可能な法医学的な要約を合成する。
論文 参考訳（メタデータ） (2025-08-29T04:39:52Z) - AGENT-X: Adaptive Guideline-based Expert Network for Threshold-free AI-generated teXt detection [44.66668435489055]
Agent-Xは、AI生成テキスト検出のためのゼロショットマルチエージェントフレームワークである。
我々は,検出ガイドラインを意味的,スタイリスティック,構造的次元に整理し,それぞれが専門的な言語エージェントによって独立に評価される。
メタエージェントは、信頼を意識したアグリゲーションを通じてこれらのアセスメントを統合し、しきい値のない解釈可能な分類を可能にする。
多様なデータセットの実験により、Agent-Xは精度、解釈可能性、一般化において最先端の教師付きおよびゼロショットアプローチを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2025-05-21T08:39:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。