复用与追加记忆原则：在潜在原因推断中的应用

记忆修改的潜在原因理论为大脑如何决定更新既有记忆或形成新记忆提供了一种计算解释，但并未明确实现这一推断的神经机制。我们提出“复用与追加记忆”（Reuse-and-Append Memory，RAM）理论，这是一组通过稀疏神经编码、赫布学习和模式匹配动力学实现同一目标的机制性原则。其核心思想是：编码既往经验的神经元会被相似刺激自动重新激活，而尚未被分配任务的神经元则会被招募，用于编码每次经验中真正新颖的方面，包括时间的流逝。我们构建了一个实现这些原则的计算模型，并表明该模型能够重现恐惧条件作用中的习得、消退、更新和自发恢复现象。通过明确采用一种神经机制，我们发现，RAM 将通常被建模为驱动记忆更新或形成的单一预测误差，分解为两个相互独立的信号：一种是即时新颖性信号，由基于覆盖程度的新神经元分配机制产生；另一种是结果失配信号，当预期结果未出现时，该信号随后激活安全回路。RAM 还重现了恢复现象对刺激提醒时机的依赖（Monfils–Schiller效应），但预测该效应具有内在的脆弱性，这与现有实证结果的混杂状况一致。RAM 表明，通常被归因于再巩固的 Monfils–Schiller效应并不会改变原有的恐惧记忆：一个桥接事件通过离线共同提取，将安全信息传递至新的情境。更广泛地说，我们所解释的这些现象均不需要修改既有记忆，而最稳定的配置是这一原则的极端形式：始终追加，永不覆盖。

记忆修改的潜在原因理论为大脑如何决定更新既有记忆或形成新记忆提供了一种计算解释，但未明确实现这一推断的神经机制。我们提出“复用—追加记忆”（Reuse-and-Append Memory，RAM）模型，这是一组通过稀疏神经编码、赫布学习和模式匹配动力学实现相同目标的机制性原则。其核心思想是：编码既往经历的神经元会被相似刺激自动重新激活，而尚未投入使用的神经元则会被招募，用于编码每次经历中真正新颖的方面，包括时间的流逝。我们构建了一个体现这些原则的计算模型，并表明，该模型能够再现恐惧条件作用中的习得、消退、复燃和自发恢复现象。由于明确采用了神经机制，我们发现，RAM 将通常被建模为驱动记忆更新或形成的单一预测误差信号，区分为两个相互独立的信号：其一是即时新颖性信号，由基于覆盖度的新神经元分配机制产生；其二是结果失配信号，当预期结果未能出现时，该信号随后激活安全回路。RAM 还再现了恢复对刺激提醒时机的依赖，即 Monfils–Schiller 效应，但预测该效应本质上具有脆弱性，这与现有实证结果的混杂状况一致。RAM 表明，通常被归因于再巩固的 Monfils–Schiller 效应并未改变原有的恐惧记忆：一个桥接事件通过离线共同提取，将安全信息传递至新的情境。更广泛地说，我们所解释的这些现象均不要求修改既有记忆，而最稳定的配置是这一原则的极端形式：始终追加，绝不覆盖。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.09.750332v1?rss=1

🏷️ 复用与追加记忆 潜在原因推断 稀疏神经编码 记忆更新 恐惧条件作用 计算模型