PsyBrain 脑心前沿 / 决策与强化学习：顶刊文献解读专题 / A · 文献解读 / A026 · 明知奖励变了，动物为什么还在重复同一个动作？Nature

A026 明知奖励变了，动物为什么还在重复同一个动作？| Nature Communications

来源：公众号 PSY-Brain_Frontier ｜发布：2026-04-28 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: Dorsal prefrontal cortex drives perseverative behavior in mice

发表时间: 2026-04-25

发表期刊:Nature Communications

影响因子: 15.7

获取原文:

添加小助手: PSY-Brain-Frontier 即可获取PDF版本
点击页面底部“阅读原文”跳转论文网页

研究背景

动物做概率性反转学习时，经常出现一种 perseveration（重复倾向）：仅仅因为刚才做了某个动作，就更可能再做一次。很多物种、很多任务里都能看到这个现象，但一直没人说清楚它到底有什么用、神经机制是什么，尤其是，它和 reward-guided learning（奖励引导学习）是不是共用同一套前额叶回路

在这篇文章中，作者把问题收窄了：在同一个动态奖励任务里，怎么把重复倾向和奖励寻求拆开，各自找到对应的神经表征和因果脑区？

实验设计与方法逻辑

作者让头固定小鼠做概率性反转学习任务：左右转轮对应的高奖励侧按区块切换，然后进行了他的分析：

先比对了 13 个行为模型，选定同时包含 perseverative variable（P）和 reward-seeking variable（R）的 PR model 作为分析框架
然后用 Neuropixels 记录多个前脑区域的群体活动，重点看 fixation period（注视期，这个窗口还不允许动作）哪些区域能解码 upcoming choice、P 和 R，并通过 session permutation 检验排除时序自相关伪影
最后，在 choice period 或 outcome period 分别对前部次级运动皮层（anterior secondary motor cortex，MOs）和内侧前额叶皮层（medial prefrontal cortex，mPFC）做光遗传抑制，比较准确率、重复概率、反应时和后续学习的变化

把行为模型、神经表征、因果操控，三条线串在一起，讲了一个比较完整的故事

核心发现

发现一：小鼠的选择被重复倾向强力驱动，重复时反应更快

奖励概率反转后，小鼠还是持续偏向之前的选择，表现比理想观察者差。行为拟合显示，PR model 里 P 成分的权重大于 R。重复上一选择的试次反应更快，切换选择则变慢；|P| 越大反应越快，|R| 和反应时没有显著关系

Fig. 1 展示了小鼠在区块切换后长时间停在旧选择上，含 perseveration 的模型拟合最好；Fig. 2 显示 repeat trials 比 switch trials 更快，重复倾向和快速执行状态绑在一起。

发现二：选择前的 MOs 特异性携带 perseverative 决策变量

Neuropixels 记录显示，fixation period 内只有 MOs 的群体活动能显著解码 upcoming choice 和 P 变量；R 在这个时间窗没有被任何记录区域稳健解码。控制 upcoming choice 之后，MOs 活动仍然和连续的 P 显著相关，和 R 不显著相关——说明它不只是二元动作标签，更接近一个选择前的 perseverative decision variable

图10

Fig. 4 展示了 fixation period 里 MOs 对 upcoming choice 和 P 的独特解码优势；Fig. 5 进一步表明，扣除 choice 影响后这种关系还在，MOs 的信号更像连续决策变量，不是单纯的 motor preparation

发现三：抑制 MOs 减少重复选择并拖慢反应，mPFC 更影响反馈后学习

在 choice period 抑制 MOs，准确率下降、重复上一选择的概率降低、反应时间拉长；同一时间窗抑制 mPFC 没有同类效应。反过来，在 outcome period 连续半 session 抑制 mPFC，区块反转后的学习变慢，MOs 在这个操控下作用较弱。两者在任务里有明确的功能分工
图11

图12

Fig. 6 展示了 choice period 抑制 MOs 后准确率、重复概率和反应时同时变化；Fig. 7 显示 outcome period 抑制 mPFC 让反转后的学习曲线变慢，它更参与 reward-based updating

图13

省流总结

这项研究在头固定小鼠的概率性反转学习里，把 perseveration 和奖励学习拆开了。选择前，前部 MOs 特异性表征 perseverative 决策变量，因果上驱动重复选择和快速执行；mPFC 更偏向反馈后的奖励学习。这些结论目前限于这个任务范式，不能直接推到人类或病理性 perseveration

分享人：天天

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍 视野直击 Nature, Science, Cell 正刊及核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇