价值引导的注意力将我们学习的内容与学习的程度联系起来

在不确定环境中的学习需要识别刺激、行动与结果之间的相关关系，并确定对这些关系进行多大程度的更新。尽管这两个组成部分通常被分开处理，但它们很可能在大脑中相互作用。我们提出，这种相互作用会根据线索—选择的一致性以及奖励结果塑造个体的学习率，从而改善对相互竞争线索的辨别。我们采用一种概率学习任务检验了这一假设，在该任务中，人类参与者根据多个线索和奖励反馈预测结果。我们测量了参与者的注视，并操纵线索的显著性，以评估并影响其在选择和反馈期间优先加工哪些线索。计算模型分析显示，对于奖励后支持所选选项的线索，以及无奖励后反对所选选项的线索，学习率均得到选择性增强。基于线索—选择一致性的这种学习率不对称性增强了对预测性线索的辨别能力，提高了对噪声的稳健性，并改善了任务表现。此外，对支持性线索和对立性线索的差异性注视能够预测这种不对称性，而通过操纵线索显著性则可对其进行因果性改变。总体而言，我们的结果表明，注意提供了一种统一机制，用于协调我们从何种信息中学习与学习多少，帮助维持相互竞争线索之间的区别，并将多种学习不对称性纳入同一框架。

在不确定环境中学习，需要识别刺激、行动与结果之间的相关联系，并确定应以多大程度更新这些联系。尽管这两个组成部分通常被分开处理，但它们很可能在大脑中相互作用。我们 hypothesize，这种相互作用会根据线索—选择一致性和奖励结果塑造个体的学习率，从而提高对相互竞争线索的辨别能力。我们采用概率学习任务检验了这一假设，在该任务中，人类参与者根据多个线索和奖励反馈预测结果。我们测量了参与者的注视，并操纵线索显著性，以评估并影响其在选择和反馈阶段优先加工哪些线索。计算模型分析显示，在获得奖励后，支持所选选项的线索其学习率会选择性增强；而在未获得奖励后，与所选选项相冲突的线索其学习率会选择性增强。这种基于线索—选择一致性的学习率不对称性增强了预测性线索之间的辨别能力，提高了对噪声的稳健性，并改善了任务表现。此外，对支持性线索和对立性线索的差异性注视能够预测这种不对称性，而操纵线索显著性则可因果性地改变这种不对称性。总体而言，我们的结果表明，注意为协调“从什么中学习”与“学习多少”提供了一种统一机制，有助于保持相互竞争线索之间的区分，并将多种学习不对称性纳入同一理论框架。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.25.747046v1?rss=1

🏷️ 价值引导注意力 概率学习 学习率调节 线索—选择一致性 计算模型 奖励反馈