27B模型本地读完整份脑电图：ERIA只优化提示策略，受保护测试报告评分从0.5052升到0.6024
核心概要
临床脑电图判读要覆盖整段记录的技术质量、背景与睡眠状态、发作间期和发作期异常，再写成报告，单靠事件检测不够。ERIA让一个本地部署的27B语言模型控制器调用确定性的信号分析、学习型临床模型和本地知识检索工具，控制器权重、工具与安全约束都固定，只用GEPA依据专家报告反馈改写自然语言分析策略。在200份配对临床脑电图中，受保护测试集的医师对齐报告评分从0.5052升到0.6024，且该策略在CerebraGloss-Bench与BrainBench基础分析上仍有表现。
深度剖析
ERIA把临床脑电图判读做成一次由单个语言模型控制器主导的整段记录报告任务，控制器不直接读波形样本，而是选择工具、查看结构化输出并继续取证，直到足以写出结构化报告。 此前的脑电到语言系统把脑电表示映射为报告文本，分析路径在训练后固定；此前的智能体系统则依赖更大的控制器、托管的前沿模型或多智能体协同。 在200份常规临床脑电图及配对报告中，50例用于优化、50例用于验证、100例为受保护测试集，优化后的策略在验证集把聚合临床评分从0.5099提高到0.6277，在受保护测试集从0.5052提高到0.6024。
改进来自分析策略而非模型规模：控制器权重、专科工具和安全约束保持不变，只有可变的自然语言分析策略被优化。 原始策略是GEPA优化前的初始可变分析策略，作为对照基线。 GEPA以专家撰写的脑电图报告作为反馈信号，在单台NVIDIA DGX Spark上约用4至5天、750次指标调用完成优化；优化后每例工具调用从33.72次增至46.78次，控制器迭代次数从10.58降到9.34。
优化后的策略改变了取证方式：更系统地覆盖记录早、中、晚三段的行为状态，更主动定位信号质量差的通道或时段，并对可疑异常做交叉印证。 原始策略下只有40%的验证病例从早、中、晚三段采样睡眠/觉醒证据，优化后这一比例达到98%。 验证集上sleep_wake_staging调用从3.42次增至7.12次，assess_signal_quality从2.18次增至5.62次，状态相关检索查询占比从46.9%升至63.2%。
只在整段报告目标上优化的策略，在独立的短片段与通用脑电基准上仍有表现。 CerebraGloss-Bench上多项选择准确率保持71.11%，对话问答从3.60升到3.87，描述ROUGE-1从30.70小幅降到30.17。 BrainBench基础分析的难度加权分数从85.86升到86.89，原始BrainBench评估中报告的最高分为CodeAct下的84.97。
启示与展望
评估覆盖单一机构的200份回顾性配对脑电与报告研究，其中100份为受保护测试集；外部评估限于CerebraGloss-Bench的三个语言任务与BrainBench基础分析子集，后者包含40项任务、950个实例。
医师对齐评分衡量的是与参考报告的一致性，而非独立的波形级真值，参考报告可能遗漏发现，两种临床上可接受的判读也可能在措辞或详略上不同。GEPA选出的策略还引入了一条当前工具集不支持的指令，即检查睡眠纺锤波、K复合波和顶尖波，而系统没有对应的专用检测器，该策略在报告评估中保持未修改。