价值学习与习惯形成过程中时间上不同的奖赏与动作预测误差信号

内容形式：摘要译文

在随机环境中进行有效决策，需要在灵活的价值基础学习与习惯性动作选择的稳定作用之间取得平衡。尽管多巴胺介导的奖励预测误差（RPE）已被确立为价值学习的重要组成部分，但习惯样行为背后的机制仍不甚明了。本研究结合行为分析、计算建模和多巴胺光纤光度记录，研究小鼠在概率性选择任务中的表现；在该任务中，每次试验的动作选择与奖励结果在时间上相互分离。结果显示，包含价值基础、习惯性和风险敏感性成分，并由不同的奖励相关与动作相关学习信号分别更新的模型，最能解释小鼠的选择行为。与该模型相符，背外侧纹状体（DLS）的多巴胺活动不仅在作出选择和获得结果时携带类似RPE的信号，还在作出并完成选择之后携带时间上彼此分离的动作预测误差（APE）信号，这些信号可能支持习惯学习。总之，这些发现支持这样一种框架：DLS多巴胺携带并行但可分离的奖励相关与动作相关学习信号，分别支持价值基础和习惯基础的过程。

关键词：奖励预测误差 · 动作预测误差 · 习惯学习 · 多巴胺信号 · 背外侧纹状体 · 计算建模

原文链接：https://www.biorxiv.org/content/10.64898/2026.08.19.745693v1?rss=1