清华发布加速自动脑科学发现的智能体系统

认知神经科学前沿文献分享

摘要

一个世纪以来，脑科学始终追问着一个核心问题：智能是什么，它如何从大脑中涌现？今天，人类一边建造人工智能，并利用人工智能帮助理解大脑智能。人工智能正在进入科学研究的核心流程，一场新的科研范式变革已经开启。

Anthropic 6月30日推出面向科学家的旗舰工作台 Claude Science。Biomni在公开的一年后登上《Science》，标志着生信领域正式进入Agent时代。然而，脑科学领域仍缺乏相应的系统性工具——正是这一空白，促使清华团队为该领域提供解决方案：BrainPilot。

在2026世界人工智能大会“实体世界智能科学论坛”上，清华大学人工智能学院助理教授、上海期智研究院PI米璐团队正式发布面向脑科学的开源科研智能体系统——BrainPilot。该系统代码开放，知识自主，过程可审；知识、技能、案例与基准，团队已与来自清华生命科学学院、心理与认知科学系、清华大学麦戈文脑科学研究院、复旦大学类脑智能科学与技术研究院与行为与认知神经科学中心等专家学者团队合作，提出研究问题和评测标准，同时也将面向整个脑科学共同体开放共建。我们期待每一位科学家、研究者和学生都能贡献一份知识、沉淀一种方法、提出一个问题，让分散在实验室中的智慧汇入共同的科研基础设施，让每一次贡献都能服务下一次科学发现，也让每一位研究者都能拥有一支属于自己的 AI 科研团队。

脑科学需要什么样的AI？

脑科学连接着分子、神经元、环路、认知与行为，也连接着生命科学，心理认知科学，临床医学，生物医学工程，人工智能等学科。一次完整研究往往要穿过海量文献、异构数据、专用软件与复杂统计，每一步都依赖专业判断，都可能影响最终结论。更珍贵的知识，常常保存在实验室规程、参数选择和研究者经验中。它们具体而有效，却很少进入论文，也难以被通用模型掌握。与此同时，长链条智能体仍会出现编造、跑偏和错误累积。脑科学需要一个透明的科研伙伴：能理解领域方法，能执行真实任务，能留下完整证据，也能让专家随时介入。

BrainPilot 希望承接这些知识，组织这些工具，协同这些步骤。让知识得以积累，让方法得以复用，让过程有迹可循，让发现由人共同推动。

BrainPilot总览

BrainPilot：加速脑科学自动发现的智能体平台

研究者提出一个问题，BrainPilot 在研究者本地环境中运行，由一支分工明确的智能体团队拆解并执行任务，最终交付研究结果，以及一份完整、可检查的研究轨迹。

让一支智能体团队协同研究

BrainPilot 默认包含六个角色。首席研究员智能体负责澄清问题、规划任务、组织协作与整合结果；调研智能体检索文献、锚定知识；实验智能体设计实验与分析方案；工程智能体编写并运行代码；写作智能体整理图表与报告；审查智能体独立核查数字、文件与引用。五个研究角色完成工作，一个审计角色守住证据边界。每个角色做了什么，研究者全程可见。

BrainPilot系统框架示意图

BrainPilot 维护着由教材与获授权论文构成的精选知识库，目前共收录 7,233 条内容。条目覆盖 11 个学科组，其中精神病学 2,172 条（30.0%）、心理与认知 1,249 条（17.3%）、系统与影像神经科学 1,006 条（13.9%）、AI、机器学习与计算机科学 929 条（12.8%）。与此同时，BrainPilot 已将构建实验室私有知识库的整套能力开源。研究者把论文或 PDF 放入本地，通过“设置 → 知识库 → 构建知识库”即可完成，并让 BrainPilot 使用。实验室可以据此搭建面向自身方向的论文库、protocol 库和领域知识库，让数据边界由自己掌握，让长期积累真正成为科研基础设施。

知识还可以继续生长为科研工作流。paper-to-skill 从论文、PDF 或文本中提炼可复现的方法，repo-to-skill 将 GitHub 仓库或本地代码库转化为结构化技能；实验准则与经过验证的分析流程，也可以沉淀为标准 SKILL.md，汇入自己的方法学技能库。在由 7 个主流研究领域的 72 个可复用技能之外，每个实验室都能继续扩展属于自己的能力版图：知识库承载“我们知道什么”，技能库沉淀“我们如何研究”，每次真实任务则把经验留给下一次发现。

BrainPilot领域知识构建流程图

BrainPilot领域知识数据统计图

BrainPilot 以轨迹图记录研究过程。每个关键子任务都形成受校验的节点，节点连接输入、工具、产物和后续结论，并以只增不改的方式汇入一张有向无环图。前端实时呈现研究轨迹，研究者可以检查任意一步，在错误扩散前提出修正。审计智能体则把已有结论标记为“已确认 / 未确认 / 有争议”，让验证成为科研流程的一部分。

l 开源可自部署：采用 AGPL-3.0 协议，代码开放于 NeuroAIHub/BrainPilot。

l 一行命令安装：通过 npm install -g @brainpilot/app@latest 运行。

l 研究数据由自己掌握：原始脑影像、电生理、行为和临床数据可保留在本机或自有算力环境，模型与外部服务的调用边界由部署者配置。

l 知识库与科研工作流可自建：内置本地向量知识库构建流水线，并通过 paper-to-skill、repo-to-skill 和 MCP，把论文、代码与实验室经验转化为可复用能力。

l 执行轨迹实时可见：任务拆解、智能体协作、文件产出与审计结果均可检查。

四个真实案例：BrainPilot 如何进入科研现场

从双光子成像到大规模电生理，从功能连接到脑机接口，数据模态不断变化，科学问题各不相同。BrainPilot 所承担的使命始终一致：理解问题，组织方法，执行分析，留下可以复核的研究轨迹。

案例一：RSC 空间编码——完成一条端到端分析链

在压后皮层双光子钙成像与虚拟现实行为数据，BrainPilot 跑 位置解码平均绝对误差为 16.8 cm，真实位置与解码位置相关系数为 r = 0.646；群体空间偏好在独立 trial split 上仍保持清晰结构。

案例二：小鼠视觉层级——自主选方法，也会发现问题、修正流程

BrainPilot 在 艾伦研究所 Neuropixels 数据上获得了功能层级随解剖层级一致变化的证据。

案例三：fMRI 疼痛“神经指纹”——跨数据集迁移与可解释发现

BrainPilot 从 38,781 条功能连接中学习可解释的疼痛指纹，并在独立临床数据集和跨站点分类中验证了其迁移能力。

案例四：EEG解码——走向脑机接口的软件与算法底座

BrainPilot 在运动想象 EEG 解码中自主构建分析流程，平均准确率由 0.580 提升至 0.620，并获得符合生理学先验的可解释结果。

如何评价一支 AI 科研团队？

对科研智能体的评价，需要在真实任务进行可信的测评，我们为 BrainPilot 准备了两把尺子。

Agents' Last Exam（ALE）。ALE 面向长程、真实世界专业任务，每项任务都配有隐藏参考答案与独立测评脚本，评分对象是 Agent 最终交付的文件。我们选取其中三个与脑科学最直接相关的任务：颅骨剥离质量控制；ROI 掩膜重采样；秀丽隐杆线虫全脑神经元追踪。

评测结果显示，BrainPilot 搭载国产开源模型 DeepSeek V4 Pro 与GLM5.2时，三项任务分别获得 1.00、0.70 和 0.09 分，与 Codex + GPT-5.5和 Claude Code + Opus 4.8基本持平。完成三项任务的总成本低于后者。

Agents’ Last Exam测评结果图

另外，团队提出BrainPilotBench-v0，包含四个真实脑科学任务：小鼠 RSC脑区 空间编码、TOPS-fMRI 疼痛功能连接、BCI Competition IV 2a 运动想象脑电解码，以及 Sleep-EDF 睡眠分期。每项任务预先固定输入、必需交付物和任务测评脚本。Agent 运行结束后，测评脚本对提交的代码、模型、结构化结果进行客观量化指标测评，不依赖大模型评分。

BrainPilotBench-v0测评排行榜图

BrainPilotBench-v0测评结果图

评测结果显示，BrainPilot 搭载国产开源模型 DeepSeek V4 Pro 与GLM5.2时同样能够在几个任务上以更少的金钱成本获得基本持平的表现。

BrainPilotBench-v0 也将是一份面向社区的邀请。一个团队能够覆盖的任务有限，一个开放共同体可以汇聚更多模态、更多方法、更多真实问题。我们公开评测框架与首批四项任务，邀请研究者共同提出真实科研任务与测评脚本；在维护机制下，每一次贡献都能扩展脑科学智能体的能力边界。

如何开始使用 BrainPilot？

技术报告：http://arxiv.org/abs/2607.15079，查看更多技术细节。

申请体验：访问 brainpilot.chat，体验完整工作流与知识库。

自行部署本地BrainPilot：访问 github.com/NeuroAIHub/BrainPilot，或通过 npm 安装 @brainpilot/app。

参与评测：在 BrainPilotBench 查看任务，在 GitHub 获取运行和评分代码，在 Hugging Face 获取公开任务数据。

让一个领域的智慧，由一个社区共同沉淀

一个开放社区能让科研知识跨越实验室、学科与时间持续积累。BrainPilot 的知识库、技能库与 BrainPilotBench 均为协作生长而设计。期待大家能共同贡献授权知识、可复用技能、真实案例与评测基准！

一百年前，显微镜让人类第一次看见神经元；今天，人工智能正在为我们打开理解大脑的新窗口。我们正在用 AI 理解大脑，也在用脑科学重新定义智能。

分享人：黎昊轩、米露、谢超

审核：PsyBrain 脑心前沿编辑部

你好，这里是「PsyBrain 脑心前沿」

专注追踪全球认知神经科学的最尖端突破

视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

点击卡片进群，欢迎你的到来

一键关注，点亮星标 ⭐ 前沿不走丢！

一键分享，让更多人了解前沿