📖 AI 总结

本文提出 EEGAgentBench，一个用于系统评估大语言模型（LLM）智能体在短时程与长时程脑电（EEG）分析中表现的统一基准。针对现有 EEG 智能体评测任务零散、时间跨度有限、协议不一致且缺乏对推理、工具使用与工作流构建能力综合考察的问题，该基准覆盖从知识问答到睡眠分期等六类代表性 EEG 应用，信号时长从 2 秒延伸至近 23 小时，预测目标涵盖类别标签、事件区间与逐帧序列，支持知识推理、短时程解读、长时程事件检测和序列理解的统一评估。基准还提供 10 个确定性 EEG 分析工具，仅暴露任务相关的信号测量，要求智能体自主选工具、迭代积累证据并构建多步工作流。作者对来自 15 个模型家族的 29 个前沿 LLM 进行评测，结果显示该基准能有效区分超越模型规模与推理成本的能力差异，同时揭示当前 LLM 智能体在长时程 EEG 分析中的显著局限，尤其是在持续证据积累与多步推理方面。

🔑 关键词速览