EEGAgentBench：评估LLM智能体的短时与长时脑电分析基准
原标题：EEGAgentBench: Benchmarking LLM Agents on Short- and Long-Horizon EEG Analysis
AI 摘要
中科院计算所等机构提出 EEGAgentBench，一个用于系统评估 LLM 智能体在短时与长时脑电（EEG）分析中表现的统一基准。该基准涵盖六个 EEG 任务、1072 个评估实例，信号时长从 2 秒到近 23 小时，并提供 10 个确定性 EEG 分析工具，要求智能体自主选择工具、迭代积累证据并构建多步工作流。研究对来自 15 个模型家族的 29 个前沿 LLM 进行了评测，结果显示该基准能区分模型规模与推理成本之外的能力差异，同时揭示当前 LLM 智能体在长时 EEG 分析、持续证据积累和多步推理方面存在明显局限。
正文节选
fancy \papercolorblue 1]Institute of Computing Technology, Chinese Academy of Sciences, Beijing, China 2]University of Chinese Academy of Sciences, Beijing, China \contribution[†]Corresponding author EEGAgentBench: Benchmarking LLM Agents on Short- and Long-Horizon EEG Analysis Abstract Electroencephalography (EEG) analysis is evolving from short-segment classification toward long-horizon interpretation that demands iterative evidence accumulation, multi-step reasoning, and coordinated use of sp