主动推理下的情感几何超扫描

主动推理下的情感几何超扫描

Geometric Hyperscanning of Affect under Active Inference

https://arxiv.org/pdf/2506.08599

概述与本文重点

将主动推理（Active Inference）框架应用于第二人称神经科学（second-person neuroscience），探讨社会互动中情感（affect）的几何超扫描方法。论文将情感建模为耦合代理的自组织过程，并引入几何工具来实证追踪脑间网络动态，桥接理论与实验。

核心思想一览

1. 情感作为递归推理（Affect as Recursive Inference）

• 在主动推理下，双人互动（dyad）被视为耦合的生成模型：每个代理维持自模型（self-model），追踪身份相关惊奇（identity-relevant surprise）的违反。

• 情感价值（valence）定义为加权预测误差：由自相关性（self-relevance）调制，受情感记忆影响，并通过时间瞄准（temporal aiming）——对过去/未来情感状态的定向——塑造。

• 这促进人际调谐（attunement）和稳定，但情感破裂（rupture）会触发昂贵的重新校准。

• 递归自-他建模（Recursive Self-Other Modeling）

• 代理递归建模对方，导致自-他边界动态偏移：互动中，信念更新、策略选择与行为适应形成循环。

• 情感从身份一致性推断中浮现，推动从破裂到修复（repair）的相变。

• 几何超扫描（Geometric Hyperscanning）作为实证方法

• 引入基于Forman-Ricci曲率（FRc）的创新工具：追踪脑间网络（inter-brain networks）的拓扑重构。

• FRc的熵作为代理，捕捉情感相变：如破裂（rupture，高熵不稳定性）、共同调节（co-regulation，网络收敛）与重新调谐（re-attunement，低熵稳定）。

• 这扩展了传统超扫描（hyperscanning），提供对动态脑耦合的几何视角。

• 三项主要贡献

• 形式化情感为自模型连贯性的递归推断框架。

• 展示递归建模如何动态重塑自-他边界。

• 提出几何超扫描作为可扩展工具，链接主动推理到实证神经科学。

• 应用与更广意义

• 适用于心理治疗（如关系破裂修复）、社会认知与AI代理设计。

• 强调第二人称视角：社会认知是具身意义共同调节，通过互惠互动实现。

• 将情感从静态状态转化为动态相变过程：通过主动推理形式化脑间耦合，并用FRc几何超扫描实证化追踪，提供从理论到脑成像的统一桥梁。

• 论文标志着主动推理从个体到双人（乃至多代理）情感动态的扩展，推动第二人称神经科学的计算革命。

一句话概括全文主旨：情感是耦合主动推理下自模型连贯性的递归估值；几何超扫描用FRc追踪脑间拓扑相变，实现破裂-修复的实证洞察。

摘要

第二人称神经科学将社会认知视为通过相互性互动所实现的具身意义共调节（embodied meaning co‑regulation），本文将其建模为耦合的主动推理系统，其中情绪（affect）被理解为对与身份相关的新异性（identity‑relevant surprise）所进行的推理。每个主体持有一个自我模型，用以追踪其预测连贯性（predictive coherence）的违反；同时，该主体递归地对另一主体进行建模。效价（valence）由自我模型的预测误差计算而来，该误差依据其自我相关性（self‑relevance）加权，并受先前情绪状态和我们称之为时间瞄准（temporal aiming）的因素所调制——后者刻画了跨越时间的情绪评估。这一机制可容纳自我—他人边界的动态迁移，使情绪既可在个体层面、亦可在二元层面（dyadic level）涌现。我们提出一种名为几何超扫描（geometric hyperscanning）的新方法，该方法基于福曼–里奇曲率（Forman‑Ricci curvature, FRc），用于对上述过程进行经验操作化：它追踪脑间网络的拓扑重构，而其熵可作为情绪相变（如断裂、共调节、再调谐）的代理指标。

关键词：主动推理 · 超扫描 · 第二人称神经科学 · 二元耦合 · 福曼–里奇曲率 · 相变

1. 引言

   主体如何产生“共在”（togetherness）之感？他们又如何协商对世界与自身的信念共享，并穿越情感意义那脆弱复杂的地形？
   传统社会认知模型常以心智状态归因（mental state attribution）的视角处理此问题：即一个主体对另一主体的信念、意图与情绪进行建模。这种采用第三人称立场（third‑person stance）理解他人的方式已长期主导社会认知的理论与实证研究［8］。然而，此类模型忽视了一个关键事实：在生态效度较高的情形中，社会理解并非发生于抽离的观察，而是在与他人的主动、具身互动中展开。正如 Schilbach 等人［36］所主张的，社会互动并非推理发生的背景舞台；相反，它正是意义得以构成（constituted）的媒介。这一转向常被概括为“第二人称神经科学”（second‑person neuroscience）［34, 37］，其将分析单元从孤立个体拓展至作为生成系统的二元体（dyad as a generative system），并以社会互动中的相互参与（mutual engagement）——而非社会观察——作为其核心待解释项（explanandum）。

近期，通过主动推理（active inference）［28］对该框架的形式化，已为其提供了缺失的计算支撑：它将互动主体建模为相互耦合的生成系统，通过递归信念更新实现意义的共调节。在此视角下，社会理解并非“关于”另一主体的计算产物，而是主体在与他人持续互动中，经由期待、违反与再校准的循环过程涌现（emerges）而来。二元体本身即成为一个分析单元，可被视为一个共享的生成流形（shared generative manifold），它可通过跨模态的个体内与人际过程耦合系统来建模［4, 5］。

1.1 情绪鸿沟（The Affective Gap）

本文将第二人称主动推理拓展至情绪领域，将其建模为对两类预测误差的递归推理：其一为与世界相关的预测–结果失配，其二为与身份（identity）相关的失配。受 Jiang 与 Luo［25, 24］模型启发，效价反映的是对自我模型完整性所作的推理，而该自我模型内嵌于二元生成流形之中。由于双方主体在递归建模对方的同时均维持着自身自我模型，情绪动力学因而彼此纠缠，进而塑造信念更新与行动选择。这种递归过程促进人际调谐与稳定［5, 41, 38］；而情绪断裂（affective rupture）则触发认知代价高昂的再校准［9, 1］。我们提出几何超扫描方法，将其与上述形式动力学相联结——以神经信号为依据，从而将第二人称主动推理及其信念与情绪形式动力学拓展至经验研究领域。

本文作出三项贡献：
第一，我们将情绪形式化为对自我模型连贯性的递归推理。我们把效价建模为：与身份相关的预测误差，依其自我相关性加权，并受情绪记忆调制，且由“时间瞄准”——即主体对过去与未来情绪状态的时间性取向——所塑造（第 2.1 节）。我们进一步展示：对另一方的递归建模如何动态地重置自我–他人边界（第 2.2 节）。
第二，我们引入几何超扫描——一种基于福曼–里奇曲率（FRc）的经验方法，用以追踪脑间网络的拓扑重构，并推断情绪相变（第 2.3 节）。
第三，我们将这一形式–经验整合框架纳入第二人称神经科学与主动推理之中：我们提供了一种可扩展的架构，可用于建模心理治疗、发展过程及自然互动中的递归情绪动力学，并勾勒其更广泛的理论意涵（第 3 节）。

2 第二人称神经科学与二元主动推理

第二人称神经科学［36］主张：社会理解是在实时的相互参与（real‑time mutual engagement）过程中得以构成（constituted）的，而非通过抽离的或事后的心智状态归因。从计算角度看，这一观点在主动推理（active inference）框架中得到了良好表达：主体通过最小化变分自由能（variational free energy），以维持一个关于世界及其自身在其中所扮演角色的具身连贯模型（coherent embodied model）。在第二人称情境下，该框架必须加以拓展［6, 28, 40］：主体不仅需预测外部状态，还需预测他人所持有的推断性生成模型（inferred generative models）。这些递归信念共同构成一个共享的生成流形（shared generative manifold），在此流形中，行动与知觉被协同整合。我们可以设想，每个主体均持有一个生成模型：

该系统的递归特性（即双方主体彼此建模对方的建模过程）并不会导致无限倒退；相反，正如 Friston 与 Frith（2015）所论证的那样，它会融合为一种共享的动态叙事（shared dynamic narrative）——在其中，双方主体逐渐预测并共同实现同一个过程。换言之，双方主体实际上采用了相同的模型，因此二元体（dyad）便成为推理的最小单元。

相较之下，传统的第三人称社会认知路径——例如心理理论（Theory of Mind）或心智解读（mindreading）范式——将社会理解刻画为一个观察者对另一方隐藏心智状态的推断。典型实验中，参与者可能观看一段视频或阅读一则故事，然后推测他人所持有的信念或意图。尽管此类范式具有其合理性，但其所涉及的是一种单向归因过程，且常常发生在非互动的情境中。从神经科学角度看，第三人称的“心智化”（mentalizing）任务稳定地激活一个包含背内侧前额叶皮层（dmPFC）、腹内侧前额叶皮层（vmPFC）与颞顶联合区（TPJ）的脑网络，该网络常被称为“心智化网络”或“心理理论网络”［18］。然而，在实时互动中，个体的大脑是在实时建模对方并对其作出回应，从而形成一个反馈回路。此类社会联结具有可测量的双脑动力学特征（two‑brain dynamics）：一个投入性的“我—你”（I–Thou）交互会产生神经节律的同步对齐，而这在单向的“我观察他”（I observe him）情境中并不存在（参见［13, 37］近期综述）。［19］将这类耦合网络称为互向社会注意系统（mutual social attention systems），提出：当两个人直接彼此注意时，其大脑会暂时形成一个整合系统。

第二人称路径对实时相互参与的强调，与主动推理高度契合——因为二者均承认：理解他人是一个主动的、动态的、双向的调谐过程。

2.1 效价作为对自我模型的推理

在此耦合生成架构中，情绪被概念化为动态调节过程，其依据主体预测性自我模型的完整性与连贯性，引导认知与行为［25, 24］。该进路的核心思想是：情绪效价（emotional valence）信号反映了预测结果与实际观察之间的对齐或失配程度，尤其是那些与身份认同及社会期望相关的方面［1］。

前人工作曾将效价建模为自由能的导数［26］、一种元认知信号［20］、内感受推理（interoceptive inference）［39］、加工模式的迁移［45］，以及与自我相关性及身份认同相联系的递归情绪动力学［2, 25, 1］。在综合这些洞见并借鉴［25］的基础上，我们提出一种扩展的效价模型：将情绪效价视为对主体自我模型完整性所进行的连续性推理。情绪状态源自与身份相关预期相联系的预测误差。效价通过两个主要因素来操作化对互动的情绪评估：（1）自我模型预测误差的大小；（2）该误差所被赋予的自我相关性权重。

我们进一步在该模型中引入一个时间参数，用以刻画情绪加工的方向性与速率。在借鉴［26］与［45］的基础上，我们提出“时间瞄准”（temporal aiming；见图1），涵盖两个维度：

• 情绪评估的速率（快速学习率 vs. 缓慢持久状态）；
• 情绪评估的时间方向（回溯性 vs. 前瞻性评估）。

这种调制为情绪推理增添了关键维度：面对同一互动，主体可能因处于前瞻性焦虑、回溯性懊悔或时间上稳定的状态，而作出截然不同的反应。“时间瞄准”因此与“自我相关性”和“预测误差”并列，构成我们效价模型的核心变量。

我们将情绪的概念化为效价与唤醒度（arousal）的函数：

• 效价反映身份相关预测的对齐程度；
• 唤醒度反映自我相关评估的不确定性与强度；二者均锚定于不断演化的自我概念之中，并受反思、比较与内化理想的影响。

在此框架下，效价体现为主体对正在进行互动的评估——即当下时刻对主体而言感觉“好”还是“坏”，其计算方式为自我模型预测误差与自我相关性的加权函数，并受先前情绪记忆的调制［24］：

由此可知，每当主体经历一个与自我相关的预测误差时，它会生成一个与该误差大小及其自我相关性成比例的情绪反应。第一项，α·PEself,t·SRt，编码了即时情绪影响：大的、高度自我相关的意外会导致显著的效价变化。参数 α 调节即时预测误差对效价的影响程度。具有较大 α 值的主体 i 会对意外表现出更强的情绪敏感性，尤其是负向意外，从而产生更强烈的负面效价。第二项，β·VSR,t（其中 0 < β < 1），引入了情绪惯性（emotional inertia）：它将过去的情绪状态融入当前状态，使得当前心境部分延续自近期的情绪历史，从而使效价成为一个“漏积分器”（leaky integrator）——即它会将前一时刻的部分效价（心境）带入当前时刻。术语 PEself,t 不仅包含主体前一时刻的效价 V(t−1)，还包括来自过往事件的贡献，这些事件与当前事件具有相似的自我相关性或情境。我们可以将 VSR,t 视为过去效价的指数衰减加权和，其中更近的时间点以及具有可比自我相关性（SR）的事件被赋予更大的权重。在原始模型的符号体系中，自我模型预测误差与自我相关性分别映射到 PEself 和 SR，而 VSR,t 的最后一项有助于维持情绪体验的迭代性与连续性。

二元推理框架下的效价：在二元主动推理中，每个主体的自我模型被视为其内部世界模型的动态函数，而该内部世界模型包含了对另一主体的模拟模型以及来自互动的实时反馈。在时刻 t t ，主体 i i 的自我模型受其关于另一主体的状态、行动与观测的信念所条件化：

这意味着，效价（valence）是在可能结果上的期望值，表征的是：在主体关于互动伙伴的动态模型以及持续互动反馈的条件下，这些结果能在多大程度上维系该主体内化的社会叙事（social narrative）。

作为策略先验的情绪效价（Affective Valence as a Prior Over Policy in Planning-as-Inference）：根据设计，效价充当中一种内在的奖赏/安全信号：高正值效价表明互动正顺畅进行，情绪高度同步；而负值效价则提示同步性发生了断裂，由此触发两种可能应对路径——或是尝试重建调谐，或是退出互动——具体选择取决于个体在效价建构与感知方面的差异（由参数 α 和 β 所建模）。主体采取哪条路径，取决于其在情绪敏感性与持续性方面的个体差异，这些差异正由参数 α 与 β 所刻画。

尽管我们在此未显式建模所有下游效应，效价仍发挥着反馈回路的作用：它既是对自我模型表现的读出（readout），又调制着后续的感知与行动。在实践层面，这意味着情绪通过使某些策略感觉“更自然”或“更安全”，从而塑造了未来可能行动的空间。在我们的模型中，情绪调节策略上的后验分布，实际上充当一种柔性先验（soft prior），使行动选择偏向于更具情绪连贯性的轨迹。

遵循 Da Costa（2020）［12］提出的“将规划视为推理”（planning‑as‑inference）范式，我们将策略选择表达为：

这捕捉了社会情境中规划所具有的递归性与价值敏感性。主体更倾向于选择与正值效价一致的计划（即：最小化意外、最大化叙事对齐），而负值效价则会降低维持当前轨迹的可能性。当双方主体均参与这种递归性情绪推理时，系统便形成一个动态耦合流形（dynamically coupled manifold）——一个共享的生成空间，在此空间中，每个主体的自我连贯性与其伙伴的行为相互纠缠。情绪断裂的时刻标志着联合叙事对齐中的局部极小值，并对应于二元系统预期自由能的峰值。修复这些断裂需要双方主体在信念与策略上进行协调调整。

该框架完成了一个递归循环：由自我模型完整性与对伙伴行为的预期所导出的预期效价，作为策略选择的先验，引导主体采取那些预期可维持或恢复情绪连贯性的行动。这些被选择的策略引发新的互动与观测，从而更新主体的自我模型并产生实际实现的效应。反过来，预期效价与实际实现效价之间的不匹配会产生一种情绪预测误差，进而塑造下一个推理周期。这一递归循环（图2）概括了情绪调制的策略如何通过“预测误差—自我模型更新—再对齐”的循环来引导二元互动。

2.2 递归耦合与共享新异性

在探究情绪互动的动力学时，借鉴新唯物主义哲学（neo-materialist philosophy）中的内作用（intra‑action）［3］概念尤为有益。内作用强调：相互作用的实体并非预先独立存在，而是在彼此纠缠中共同生成。在此视角下，二元互动并不仅仅是两个独立主体之间的情绪状态传递；相反，它体现为情绪体验与身份认同的持续共同建构（co‑construction）［32］。据此观点，情绪状态本质上是递归的与关系性的，源于主体间迭代的反馈回路。情绪断裂（affective ruptures）——即失谐时刻或预测误差增大的时刻——构成了重要的信息性信号，标示出互动主体在共享预期中发生分化的节点。这些情绪评估调制策略的后验分布，使行动选择偏向于那些能够重建叙事对齐、降低身份相关新异性（identity‑relevant surprise）的轨迹。此类情绪与策略选择的纠缠，将二元体转变为一个情绪共调节推理的动态场域——在其中，双方主体同时最小化联合预期自由能（joint expected free energy）：

此处，量化了二元体的联合信念与其联合生成模型之间的共享发散度（shared divergence）。高联合效价对应低联合自由能（平滑对齐），而情绪断裂则对应联合自由能的尖峰（失准与不确定性）。在二元层面，效价的递归耦合形成了一个共享吸引子结构：更高的效价会引导策略选择趋向于那些维持叙事连贯性并降低预期未来自由能的轨迹。反之，负效价可触发探索性策略，以恢复对齐或退出不稳定的互动轨迹。如此，效价调节着即时的情绪动力学以及主体未来的认识论不确定性和工具性不确定性。

关键在于，情绪断裂时刻——即效价的急剧下降——对应联合自由能的增加，通常源于主体自我模型先验之间的不匹配。这些转变并非噪声，而是二元生成过程中的信息性拐点（informative inflection points）。自我模型连贯性的不匹配会直接提升自由能，因为效价编码的是观察到的互动结果与预期的自我相关预测之间的偏差。由于效价反映了每个主体对其内部模型的情感信心，它既充当了局部自由能最小化的读出信号，又作为一种控制信号，通过策略适应来塑造未来的联合自由能。这一递归结构对于理解二元情绪推理如何随时间维持、破坏或重建人际同步性至关重要。

2.3 作为第二人称方法的几何超扫描

为实证探察二元情绪推理的内隐动力学，我们引入一种基于福曼–里奇曲率（Forman‑Ricci curvature, FRc）［21, 22］的几何超扫描（geometric hyperscanning）方法。该方法利用源自脑电超扫描（EEG hyperscanning）数据的几何指标，捕捉脑间网络拓扑结构中的相变（phase transitions）。此方法使得潜藏的情绪状态与叙事连贯性得以操作化为脑间网络拓扑的可观测重构过程。

尤为关键的是，FRc 并不被当作事后的读出指标；我们将其提出作为一种数据驱动的代理变量（data‑derived proxy），用于表征二元主动推理模型中的潜藏生成状态。

传统超扫描方法聚焦于节点层面的同步性（node‑level synchrony），通常通过关联两个大脑中同源脑区的信号来实现。尽管这类方法对时间对齐具有一定信息价值，却无法检测脑间网络结构的拓扑重构（topological reconfigurations）。相较之下，FRc 是一种以边为中心（edge‑centric）的几何测度，可量化网络内局部拓扑流的扩张或收缩［44］；已有研究表明，FRc 能有效刻画网络的鲁棒性、信号路由特性与功能重组过程。

该标量可作为互动波动性（interactional volatility）的代理指标：FRc 熵的峰值或不连续点对应于共享生成流形中的相变，并反映出情绪断裂、修复或共调节等动态过程。

FRc 熵不仅是一个输出变量，更可被形式化为对潜藏情绪预测误差的观测模型（observation model）。曲率动力学可用于推断或约束诸如效价、身份连贯性等内部状态变量。这实现了模型与测量之间的闭环：生成模型预测自我模型连贯性与二元自由能的变化，而 FRc 熵则作为一种经验信号，可通过贝叶斯推理用于更新模型信念。

为使这些相变过程具备可处理性与可解释性，我们提出对断裂（rupture）、修复（repair）与再调谐（reattunement）进行多层次操作化定义，将其神经特征与行为及心理指标相联结：

• 神经层面
• • 断裂对应脑网络整合性的骤降（FRc 值低）、曲率熵升高，或熵梯度的快速转变；
  • 修复再调谐则体现为拓扑结构向更稳定状态的回归。
• 行为层面
• • 断裂可能表现为脱离参与、同步性中断或困惑（例如：回避目光接触、言语被打断）；
  • 修复涉及重新投入的线索，如手势镜像、韵律调节或轮流对话的恢复；
  • 再调谐则体现为流畅协调的互动与相互回应性。
• 心理层面
• • 断裂可被主观报告为“疏离感”或“情绪距离”；
  • 修复体现为主体主动重建联结的努力；
  • 再调谐表现为“相互理解恢复”或“关系安全感重建”。

这些体验可通过以下方式测量：

• 自我报告（情绪滑块、会话后访谈、标准化量表）；
• 多模态行为数据标注（注视、韵律、同步性）；
• 与脑间流形中的曲率动力学对齐。

当将这些阶段视为潜藏的类别状态（例如，在隐马尔可夫模型框架下），它们可作为实验与临床情境中的标注点、分类依据，或实时反馈信号。

尤为重要的是，将这些事件嵌入二元推理的递归生成模型中，使得断裂–修复循环不仅作为互动的结果出现，更成为互动动力学的内生性特征（endogenous features）。情绪连贯性驱动策略选择，而行为与神经反馈则递归地更新每个主体的自我模型。这种递归结构使得主体能够：

• 在互动过程中实时推断动态的人际状态（in situ inference）；
• 跨模态验证模型预测；
• 对关系连贯性在瞬时尺度上的变化进行精细适应。

因此，将几何超扫描整合进生成模型，实质上为该模型增加了一个额外的优化目标：系统不仅需最小化与身份相关（identity-relevant）的预测误差，更隐式地驱动自身朝向最大程度的人际调谐（interpersonal attunement）——这是一种内在具有奖赏性的状态，即便在缺乏显性工具性收益的情况下亦然［34, 6］。

此外，由曲率变化所引发的“新异性”（curvature-induced surprises）可上升至意识层面，从而触发主体对修复行为的显性尝试（explicit attempts at repair）。

总之，基于 FRc 的几何超扫描提供了一种可扩展、多模态的方法，用以检测与解读递归性情绪推理。通过神经熵、行为动力学与心理体验三者的三角互证（triangulation），我们得以获得一个整合性的实证切入点，从而深入理解二元体如何随时间共同调节意义、情绪与身份认同。该框架推进了一种形式化且可检验的第二人称神经科学架构，并为建模递归性情绪纠缠（recursive emotional entanglement）——下一节的主题——奠定了基础。

3 未来方向与结论

本文主张：情绪最恰当的理解应为——在耦合的生成系统内，对自我模型连贯性所进行的递归推理。通过主动推理对二元体建模，我们将情绪形式化为对身份相关新异性（identity-relevant surprise）的估值，由此驱动并调制社会互动中信念更新、策略选择与行为适应的递归循环。我们提出了一种基于福曼–里奇曲率（FRc）的新方法，称为几何超扫描［22］，用以追踪脑间网络的动态重构，从而为情绪断裂、修复与再调谐等关键时刻提供实证观测窗口。通过统一信念动力学的形式模型、情绪评估机制与网络几何，我们推进了一种可扩展且可解释的框架，以操作化实现第二人称主动推理。

3.1 未来方向

所提出的理论框架为实证研究与计算建模开辟了若干具体路径。其中首要的是：构建基于智能体的模拟模型，在其中将曲率熵（curvature entropy）视为一种实时传入的感官输入流——持续为关于叙事对齐程度的信念更新提供信息。此类模型可检验：在主动推理架构下，系统是否能自发重现真实二元互动中观察到的“断裂–修复”循环。由此，它们将在形式理论、神经生理学与现象学之间架起关键桥梁。

超越二元体层面，该框架可自然拓展至层级化系统。通过引入群体层级的对齐变量，可将小群体的连贯性建模为多重两两互动动力学的涌现属性。这一多尺度拓展为研究集体行为、组织同步性与群体心理学开辟了道路——在这些情境中，关系性推理分布于多个主体及不同时间尺度之上。

此外，基于曲率的信息似然项可与其它感知运动通道进行富有成效的整合。韵律变异、注视动态，甚至面部微表情，皆可纳入一个深度生成模型之中，使异质证据流汇聚于共享的潜变量。这种多模态融合丰富了推理景观，并支持对主体间场域（intersubjective field）更稳健的解码。

然而，对关系状态进行实时推理的前景亦伴随伦理挑战。当结构性先验在应用情境中（如心理治疗、教育或社交机器人领域）变得可操作时，隐私、自主性与可解释性等问题便凸显出来。因此，任何转化应用都必须以透明的知情同意程序为基础，并确保向临床工作者、研究人员及被追踪者本人提供可理解的反馈。

3.2 用于人际化精神病学的社会标记物（Sociomarkers）

几何超扫描为构建社会标记物（sociomarkers）提供了颇具前景的基础：即对动态人际协调过程进行实时、可测量的表征［5］，其作用类比于个体生理层面的生物标记物（biomarkers）。情绪共调节——这一跨物种社会联结的核心机制［11, 15, 7, 35］——是人类发展的基石，通过早期照料者–婴儿互动，塑造着认知、情绪与关系性自我（relational selfhood）［6, 14, 42, 16, 23］。失谐与修复循环搭建起韧性与关系成长的脚手架［5, 6］，而曲率熵的波动则有可能标示出关键的发展过程［36, 10, 43］。

此类神经标记可为个性化［30, 29］与人际化精神病学［5］提供信息——后者将精神病理视作共调节与叙事修复过程的中断［4, 31］。在心理治疗中，实时二元指标［4, 27］可用于追踪调谐、断裂与修复［33］，协助治疗师与来访者共同导航促成改变的关系动力学。

尤为关键的是：同步性本身既非绝对良性的，亦非恒定不变的；进入或退出同步状态的转变，可能反映自主性、抵抗或有意义的差异化，而非功能障碍。将这些动力学建模为递归情绪推理，为我们理解基础科学与开展关系导向的心理健康照护，提供了一个原则性的理论透镜。

3.3 结论

基于上述形式化与实证洞见，本研究路径蕴含若干关键启示：

首先，它促使我们重新思考社会互动中的情绪——情绪不应仅被视为推理的副产品，而应被理解为一种核心调节信号，直接调控生成耦合本身的稳定性与灵活性。在此视角下，情绪即成为二元叙事内部连贯或失谐的感受，标示出信念亟需重新协商、或互动角色亟待修复的关键时刻。

其次，通过将关注重点从同步性本身转向脑间网络的拓扑结构，我们的方法呼应了第二人称神经科学更广泛的范式转向——即致力于刻画互动的结构性特征。就此而言，FRc 拓展了 Friston 与 Frith（2015）［17］所提出的广义同步性（generalized synchrony）概念，将其推进至对伴随递归情绪推理而发生的网络结构重构的捕捉。

第三，通过将情绪嵌入策略的后验分布之中，我们将 da Costa（2020）的“规划即推理”（planning‑as‑inference）形式体系延伸至情绪领域。尤为关键的是，情绪信号既可隐式运作——作为策略信念上的精度加权，始终不进入现象意识；亦可显式呈现——作为一种可被意识通达的感受，为主体提供关于自身关系立场的命题性知识。无论以何种形式出现，策略选择都不再仅仅受认识论（epistemic）或工具性（instrumental）目标所驱动，更受制于维系叙事与关系连贯性的根本诉求。因此，情绪成为社会规划的内在维度：在隐性层面悄然偏置行动，在显性层面则明确引导行为——引领主体穿越模糊情境，重归互动对齐。

上述考量开启了一系列实证与计算探索的可能路径：

• 在心理治疗中，曲率熵可作为断裂与修复的实时社会标记物
• 在早期发展中，FRc 或可揭示婴儿与照料者之间共调节模式如何涌现；
• 配备递归性自我与他人模型的情绪智能体模拟，为形式化研究关系韧性与崩溃机制提供了工具；
• 特别是，此类模型可检验Bolis 等人（2017）提出的“辩证性失谐假说”（dialectical misattunement hypothesis），该假说主张：精神疾病风险并非仅源于个体缺陷，而更源于沟通预期或学习速率上的持续性错配；在受控条件下模拟这些错配，可揭示二元体如何（或未能）在发展时间尺度上适应，从而深入了解脆弱性与修复机制。

理论版图亦有待进一步拓展：

• 当递归生成耦合涉及多个主体时，该框架如何推广至群体互动？
• 当自动检测情绪断裂与修复被应用于治疗或教育等敏感场景时，需建立哪些伦理保障机制？
• 共享信念的几何结构又如何与语言、韵律及身体线索交互，共同构建一幅丰富、多模态的情绪推理图谱？

综上，这些问题指向一项更宏大的科学工程：即整合形式建模、实证测量与哲学反思，以构建一个关于关系性意义的统一解释体系。在此视域下，信念、情绪与参与的动力学并非边缘现象，而是社会认知本身的基本织构。通过将情绪重新定位为耦合生成系统内的递归推理，并借助网络几何使这些动力学变得可计算、可观测，我们正日益接近一个愿景——将互动本身视为社会神经科学的基本分析单元。

因此，本文既提供了一个概念框架，也贡献了一套方法论工具箱，用于研究人类互动在结构与情绪层面的协同编排。

附录 A 一种面向仿真的实现方案（MBSR + 效价–隐马尔可夫模型）

目标：我们将本文提出的理论框架实例化为两个耦合但彼此独立的模块：
（i）一个基于自传体记忆的自我相关性计算模块（autobiographical memory‑based self‑relevance, MBSR）；
（ii）一个效价隐马尔可夫模型（valence‑HMM），用于刻画情绪的时间依赖性。

引入 HMM 框架的动机在于：效价具有时间持续性，表现为状态的连续性与由经验驱动的渐进变化（相关综述见：情绪溢出/延续效应，affective spillover/carryover effect）。HMM 的状态转移矩阵通过高对角线概率（即倾向于维持当前状态）来捕捉这种持续性，同时允许发生非对角线转移（即状态切换）。

相比之下，标准的逐时刻计算（如仅依赖瞬时预测误差与自我相关性的加权）缺乏此类时间惯性；而 HMM 通过概率性状态演化，自然地赋予系统记忆性与动态连续性。

原文链接：https://arxiv.org/pdf/2506.08599