PLOS Computational Biology 刊讯｜四篇计算研究怎样拆开认知过程

● 认知神经科学前沿文献分享

PLOS Computational Biology 2026年10月刊讯，本期收录4篇研究。第一篇用 POMDP 模型分解停止信号任务中的反应抑制，并用到 ABCD 研究的儿童数据上；第二篇把选择和反应时放进同一个模型，区分工作记忆和强化学习，并应用到精神分裂症样本；第三篇设计了一个觅食任务，看人在奖励和威胁并存时怎样权衡；第四篇提出一套方法，从小鼠听觉皮层的双光子成像数据中，同时读出神经元之间、刺激与神经元之间、神经元与行为之间的关系。

● 1. 用POMDP分解停止信号任务中的反应抑制

英文题目： Decomposing response inhibition: A POMDP model
作者： Wenting Wang、Tobias Kaufmann、Peter Dayan
发表： 2026-09-25
DOI： https://doi.org/10.1371/journal.pcbi.1014068

看到“开始”线索就尽快按键，但如果随后出现停止信号，就要把动作收回来。这就是停止信号任务（stop-signal task，SST），常用来测量反应抑制。传统的独立竞赛模型把这个过程看成“开始”和“停止”两个过程之间的赛跑，主要拟合平均反应时。可在现在常用的任务版本里，停止信号可能会遮住原来的开始线索，这些假设就不一定成立了。

Wang、Kaufmann 和 Dayan 把 SST 写成部分可观测马尔可夫决策过程（partially observable Markov decision process，POMDP）。在这个模型里，参与者一边根据带噪声的感觉信息判断当前是“开始”试次还是“停止”试次，一边权衡按错键、等待时间和漏答各自的代价，决定是继续等待还是按左/右键。为了把模型用到青少年脑认知发展（ABCD）研究的基线数据（N=3,567）上，作者还提出了一种基于 Transformer 的模拟推断方法（TeSBI），从每个人完整的逐试次行为序列中学习表示，再估计每名参与者的参数。验证结果显示，这些参数的可辨识性和可靠性都较好。

在控制性别、智商和用药情况后，ADHD 问卷得分较高的儿童，对开始线索方向的判断精度更低，对停止错误、开始试次中的按键错误和时间代价也更不敏感。Transformer 学到的表示呈连续分布，没有分成清晰的临床亚组，提示表面上相近的行为表现，背后可能是不同的计算组合。

这里的 ADHD 指标来自问卷维度，不等于正式诊断，也不能简单理解为单一的抑制缺陷。

● 2. 联合建模选择和反应时，分开工作记忆与强化学习

英文题目： Modeling decision dynamics disentangles working memory, cognitive control and reinforcement learning and reveals clinical differences
作者： Krishn Bera、Alexander Fengler、Megan A. Boudewyn、Cameron S. Carter、Molly A. Erickson、James M. Gold、Steven J. Luck、J. Daniel Ragland、Andrew P. Yonelinas、Angus W. MacDonald III、Deanna M. Barch、Michael J. Frank
发表： 2026-09-30
DOI： https://doi.org/10.1371/journal.pcbi.1014796

学习“哪个刺激该按哪个键”时，人可以靠两套办法：强化学习（reinforcement learning，RL）靠一次次试错，慢慢更新对各个选项的估值；工作记忆（working memory，WM）则能直接记住最近几次的刺激、反应和结果。RLWM 任务通过改变每个区块需要记住的刺激—反应对数量，来区分这两套过程。但同一个选择既可能来自工作记忆，也可能来自强化学习，只看参与者选了什么，往往分不清。

Bera、Frank 等人把选择和反应时分布放进同一个分层贝叶斯模型中一起拟合。

联合模型的参数恢复效果更好，用学习阶段估计出的参数，也能预测没有参与拟合的测试阶段的选择；只拟合选择的模型则会高估强化学习的学习率，在留出的测试数据上表现失真。反应时还提供了额外的信息：工作记忆负荷升高时，参与者会主动放宽决策边界，用更慢的反应换取更谨慎的选择。

把模型用到包含精神分裂症样本的数据上后，研究者发现了强化学习渐进变慢和主动控制不足这两项差异，同时复现了此前报道的工作记忆缺陷；这些差异在只拟合选择的模型中容易被掩盖。模型揭示的是计算层面的群体差异，不能单独代替临床评估。

● 3. 趋近还是回避，取决于奖励和威胁在当前情境中的权重

英文题目：Context-dependent feature modulation shapes human decision policies in approach–avoidance conflicts
作者： Sergej A. E. Golowin、Niall W. Duncan、Faizan Shaikh、Christoph W. Korn
发表： 2026-09-30
DOI： https://doi.org/10.1371/journal.pcbi.1014793

找工作、做投资、进入一个陌生的社交场合，很多决定都要在可能的收获和可能的风险之间权衡，而且眼下的选择还会影响之后的处境。Golowin 等人想知道，当环境变了，人在这种趋近—回避冲突中的决策方式会怎样调整。

研究者设计了一个电脑上的觅食游戏。参与者要在一片片“森林”里设法“活下去”：手里有最多 6 点能量，每一轮在“觅食”和“等待”之间二选一。觅食成功加 1—2 点，失败扣 2 点；等待则固定扣 1 点；在有捕食者的环境里，遇到捕食者还要额外扣 3 点，能量归零就算失败。任务把奖励概率和威胁概率分开操纵，并通过隐含的线索设置了“趋近”和“回避”两种情境：两种情境中，奖励概率高的选项通常也伴随更高的捕食风险，但两者的分量不同，最优做法在一种情境中是冒险接近，在另一种情境中则是回避。由于游戏是按一个完全可观测马尔可夫决策过程（MDP）设计的，研究者可以算出每一步的数学最优选择，再拿参与者的实际选择来对照。

29 名参与者每人最多完成 576 轮。分层贝叶斯模型显示，人的选择最好用几个简单因素的组合来解释，包括奖励的可能性、威胁的可能性和自己剩下的能量。到了回避情境，参与者对奖励概率的依赖明显下降，选择也更贴近数学最优策略。作者据此认为，人在不同情境下并没有切换成另一套完全不同的策略，而是调整了各类信息的权重。

这项研究只有 29 名参与者，游戏中的“威胁”也只是符号化的扣分，研究没有用生理或主观指标确认它是否真的引起了情绪反应。选择更贴近最优策略，也不代表参与者真的在脑中计算了这套策略。

● 4. 从双光子成像中同时读出神经元、刺激与行为的方向性关系

英文题目： Granger sensori-behavioral functional taxonomy of neuronal ensemble activity from two-photon calcium imaging data
作者： Sahar Khosravi、Nikolas A. Francis、Patrick O. Kanold、Behtash Babadi
发表： 2026-09-30
DOI： https://doi.org/10.1371/journal.pcbi.1014820

双光子钙成像能在活体动物中同时记录大量神经元，但钙信号是对神经元放电的间接测量，噪声大、变化慢；外部刺激和大脑内部的活动又会同时影响记录结果。以往研究常把神经编码、行为读出和神经元之间的连接分开分析，很难在同一个框架里追踪刺激怎样进入神经群体、神经群体又怎样与行为联系起来。

Khosravi、Babadi 等人提出了一个统一的建模与推断框架，从数据中提取三类格兰杰意义上的功能关系：神经元与神经元之间、外部刺激与神经元之间，以及神经元与行为之间。作者把由此得到的感觉—行为功能分类称为 G-taxonomy，计算上结合了状态空间模型、变分推断和点过程方法。在模拟数据中，这一方法的表现优于现有技术。

研究者把方法用到小鼠初级听觉皮层（A1）的双光子数据上，分别分析被动听音和主动音调辨别两种情况。结果显示，不同神经元在感觉编码和行为读出中的作用各不相同；动物答对和答错时，神经元之间的功能连接模式也有变化。

文中的“格兰杰因果”指时间上的预测增益，即一个信号的过去能否帮助预测另一个信号，并不是通过干预得到的生物学因果关系。

分享人：天天
审核：PsyBrain 脑心前沿编辑部

● 原文信息与获取方式

获取原文：

1. 三连后添加小助手：PSY-Brain-Frontier 获取

2. 点击文中各篇论文的 DOI 链接，查看对应原文。

版权归属作者团队和出版社，本文仅做分享