海马中的抽象表征预测自发采用的基于结构的行为策略

动物可以采用不同策略解决同一问题，其范围从记忆特定的感觉细节，到基于抽象任务结构进行推断。尽管已有研究表明海马参与认知地图的形成，但学习过程中结构信息如何在海马中形成，以及这种信息是否与行为策略相关，仍知之甚少。在本研究中，我们开发了一种结构化线索引导的虚拟现实导航任务，并在小鼠学习过程中对海马CA1神经元进行纵向双光子钙成像。尽管该任务并未明确要求学习潜在结构，但大多数动物的海马地图逐渐从以感觉信息为导向的表征转变为对奖励序列具有线索不变性的表征。值得注意的是，这类抽象海马地图的形成能够预测：当感觉信息部分不可用时，不同个体是否会采用基于结构的行为策略。在群体水平上，奖励序列表征形成了一种能够预测未来状态转移的潜在状态地图，并生成了一个简约的马尔可夫图。计算建模进一步表明，下一状态预测和表征正则化是两项关键的计算原则，能够在不同架构中生成相似的潜在状态结构。综上，我们的研究结果表明，海马会在学习过程中自发提取抽象任务结构，而海马表征的几何结构能够预测个体解决问题时所采用的策略。

动物可以采用不同策略解决同一问题，其方式涵盖从记忆特定感官细节到基于抽象任务结构进行推断。尽管已有研究表明海马参与认知地图的形成，但结构信息如何通过学习在海马中涌现，以及这种结构是否与行为策略相关，仍缺乏深入理解。在本研究中，我们构建了一种结构化线索引导的虚拟现实导航任务，并在小鼠学习过程中对海马CA1区神经元进行了纵向双光子钙成像。尽管该任务并未明确要求动物学习潜在结构，但大多数动物的海马地图逐渐由面向感官信息的表征转变为对奖励序列具有线索不变性的表征。值得注意的是，这类抽象海马地图的出现能够预测个体动物在感官信息部分不可用时是否会采用基于结构的行为策略。在群体水平上，奖励序列表征形成了一种能够预测未来状态转移的潜在状态地图，并由此生成了简约的马尔可夫图。计算建模进一步揭示，下一状态预测和表征正则化是两项关键计算原则，能够在不同架构中生成相似的潜在状态结构。综上所述，我们的研究结果表明，海马会在学习过程中自发提取抽象任务结构，而海马表征的几何结构能够预测动物解决问题时所采用的策略。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.20.752934v1?rss=1

🏷️ 海马CA1 抽象表征 认知地图 行为策略 双光子钙成像 强化学习