近期历史会根据惊讶程度吸引或排斥知觉决策

过去的感觉经验会塑造我们当下的知觉决策。流行的模型通常将知觉决策描述为：要么被近期的感觉信息所吸引，要么被其排斥而远离；但这些不同效应究竟何时以及为何出现，仍不清楚。本文考察：这些效应是否会取决于由过去与当前感觉状态之间经精度加权的不一致所引发的惊异水平，而从吸引性转变为排斥性。该模型基于这样一种观点：当不一致较小时，吸引效应具有适应性，因为这种不一致更可能反映感觉噪声而非环境中的真实变化，因此有助于优化效率和准确性。相反，当不一致较大时，排斥效应可能反映了对反事实证据的加权增强，因为这类不一致更可能表明需要更新模型。我们利用近期汇编的大量逐试次序列依赖数据对这一模型进行了检验，并在数据集层面、被试层面以及逐试次层面始终发现了对该模型的支持。具体而言，当过去与当前感觉状态之间的不一致较小时，序列依赖效应表现为吸引性；但当不一致较大时，则转变为排斥性。研究还发现，更高的感觉精度会通过降低触发排斥效应所需的众数不一致阈值来加速这一转变。我们讨论了这些发现如何要求对现有序列依赖理论进行扩展，以及它们如何可能解决更广泛的预测加工、学习与知觉文献中的分歧。

过去的感觉经验会塑造我们当下的知觉决策。流行的模型将知觉决策表述为要么被近期感觉信息所吸引，要么被其排斥，但这些不同效应究竟在何时以及为何出现仍不清楚。本文探讨：这些效应是否会取决于由过去与当前感觉状态之间经精度加权的不一致所引发的惊讶水平，而从吸引转变为排斥。该模型基于这样一种观点：当不一致较小时，吸引效应具有适应性，有助于优化效率和准确性，因为这类不一致更可能反映的是感觉噪声，而非环境中的真实变化。相反，当不一致较大时，排斥效应可能反映了对反事实证据的加权增强，因为这类不一致更有可能表明需要更新模型。我们利用近期整理的大量逐试次序列依赖数据对该模型进行了检验，并在数据集层面、被试层面以及逐试次层面上持续发现了对该模型的支持。具体而言，当过去与当前感觉状态之间的不一致较小时，序列依赖效应表现为吸引；而当不一致较大时，则转变为排斥。研究还发现，更高的感觉精度会通过降低触发排斥效应所需的众数不一致阈值来加速这种转变。我们讨论了这些发现如何要求扩展现有的序列依赖理论，以及它们如何可能解决更广泛的预测加工、学习与知觉文献中的冲突。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.25.734467v1?rss=1

🏷️ 知觉决策 序列依赖 惊讶信号 感觉精度 预测加工