摘要
最近两天在带着团队在攻坚脑机接口大模型的底座技术框架，有一点特别有意思就是我们其中一个框架来自于一篇学术文章，通过多agent的思维，来拆分EEG的处理。 如下是这篇文章的方法论流程 BrainAgent: A Large Language Model-Driven Multi-Agent Framework for Autonomous Brain Signal Understanding 这篇文章用多agent思想，将其做睡眠过程中的情绪与睡眠状态分开，而不是再人工手动处理，通过各自agent来分开调度。 这篇文章虽然没有直接说明如何具体处理EEG编码，但是却讲解来一个非常重要的思想，这种处理EEG的agent的思想可以帮助大大提升效率。 如果没有读博士，我只是做产品经理，这个方法几乎不会知道 在我做产品经理的时候，我只能需求将其翻译为研发功能来实现业务需求，这就是工程化的实操。 就像这篇文章里面没有提及的如何处理EEG算法，通过不断地手搓EEG处理，迭代也只是优化处理信号强度，而不是去设计整个技术架构思路。 这个过程就只是费时费力，就像在一条路走到黑。而这篇文章则通过花费了大量的时间与精力，对不不同思路，实验后找到最有效的方法，通过多agent协助以及总agent调度的形式来完成，并且还发现了在模型参数越大上，效果越好，在小参数比如8B上几乎都是胡乱说话。 学术研究就可以指引了做技术架构、与产品架构，从而本身我做产品经理确认增加强的技术壁垒，并且了解产品技术竞争在同行处于什么水准。 因为做产品本身设计功能模块并不复杂，但是如何既可以满足业务、又能够商业化，还有交强的技术壁垒，我认为产品经理读计算机博士这是最大的加强。 读博士学术的意义不是开源项目，而是技术思想 在博士二年级，我认为技术思想和产品思想是完全不同的2个思想，产品思想要考虑到商业化与用户体验，比如从移动端到PC端再到社交玩法，这些就是产品思想；而技术思想是让你的产品有更强劲的生命力，比如我们做脑机接口多模态检索，有EEG、还有FMRI还有MEG，这些不同的数据属于多模态，不同多模态都有自己的数据清洗、标注与预处理。