J066 昔日冠军“陨落”时，我们为何视而不见？Nature子刊揭示传递推理中的非对称学习与动态适应机制
来源：公众号 PSY-Brain_Frontier ｜ 发布：2025-11-18 ｜ 原文链接
PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier
一键关注，点亮星标 ⭐️
不错过每日前沿资讯
认知神经科学前沿文献分享
基本信息
Title:Asymmetric learning and adaptability to changes in relational structure during transitive inference
发表时间：2025.11.14
Journal：Communications Psychology（Nature旗下心理学Top期刊）
获取原文：
- 后台回复“文献”即可获取PDF版本
- 点击页面底部“阅读原文”即可跳转论文原网页
研究背景
你有没有想过：在日常生活中，我们如何构建起对这个世界等级秩序的认知？
想象你正在关注一个体育联赛。你可能没看过A队和C队的比赛，但你如何知道A队更强？很简单，因为A队击败了B队，而B队击败了C队。你的大脑通过这些零散的“局部比较”，自动构建了一个“A > B > C”的全局关系结构。这个能力，在认知科学中被称为传递推理 (Transitive Inference, TI) 。
但大脑是如何学习这个排序的呢？最近的研究揭示，我们的大脑在学习时并非完全客观公正，它更像是一个“赢家粉”。当我们看到A队获胜时，大脑会“过度奖励”A队，大幅提升其心理价值；而当B队失败时，大脑对其“惩罚”却相对较轻 。
这种优先更新赢家信息、而非输家信息的策略，被称为非对称学习 (Asymmetric Learning)，具体表现为一种赢家偏向 (winner-biased) 。这种认知偏向在学习稳定的等级时非常高效。
然而，现实世界是不断变化的。如果联赛中一个“垫底”队伍突然崛起，或者一个“卫冕冠军”意外陨落，我们的大脑还能适应吗？我们根深蒂固的“赢家偏向”会帮助我们，还是会成为一种认知“惯性”，阻碍我们接受新的现实？
研究核心总结
一篇发表于《Communications Psychology》的最新研究设计了一个精妙的传递推理范式，首次探讨了非对称学习偏向如何影响人类适应关系结构的变化。
研究者让被试学习一个7个项目（i1 到 i7）的隐藏等级。在学习中途，研究者引入了一个 “变化点”，将被试分为两组：
- “向上” (Up) 条件： 排名最低的 i1 跃升至排名最高。
- “向下” (Down) 条件： 排名最高的 i7 跌落至排名最低。
Fig. 1: Experimental paradigm and model simulations.
核心发现一：对结构变化的“差异化敏感性”
研究结果清晰地表明，被试对这两种变化的适应能力截然不同：在“向上”条件（垫底者崛起）中，被试能够迅速学会这一新变化；然而，在“向下”条件（冠军陨落）中，被试的适应过程受到了显著损害。
Fig. 2: TI accuracy over the course of the experiment in humans and fitted models.
核心发现二：“下游推理知识” 的崩溃
更关键的是，在“向下”条件中，被试的困难并不仅仅是“无法接受 i7 变差了”。这种适应困难对整个关系结构认知产生了“涟漪效应”：它损害了被试对那些排名并未改变 的中间项 ( i2 到 i6 ) 之间关系的推理知识。
Fig. 3: Choice matrices for humans (left panels) and the best-fitting model Q-asymm^2 (right panels).
核心发现三：非对称学习的“适应性”
为什么会出现这种差异？计算模型揭示了背后的机制。
- 默认的赢家偏向学习策略导致了这种认知上的不灵活性。由于大脑不善于“降低”一个项目的价值（尤其是前冠军 i7），当面对 i7 失败的证据时，它会错误地压缩整个价值空间，导致对中间项的可辨识性降低。
- 然而，研究的最佳拟合模型是一个可适应的强化学习模型。
Fig. 4: Model-agnostic and model-estimated learning asymmetry.
Fig. 5: Model comparison for each candidate model, within each task condition.
- 最深刻的洞见在于：那些在“向下”条件中表现良好的被试，恰恰是那些表现出“适应性非对称” (Adaptive Asymmetry) 的人。他们能够动态调整自己的学习策略，减少甚至反转最初的赢家偏向，从而成功地适应了这种困难的关系结构变化。
Fig. 6: Changepoint-induced changes in learning asymmetry are related to behavioural performance.
结论
这项研究表明，人类学习中的“赢家偏向”不仅解释了我们如何高效构建潜在的关系结构，也解释了我们在适应结构变化时为何会表现出不对称的困难，尤其是在面对“冠军陨落”时。而克服这种认知僵局的关键，可能在于我们是否拥有动态调整自身学习偏向的“适应性”。
Abstract
Humans and other animals can generalise from local to global relationships in a transitive manner. Recent research has shown that asymmetrically biased learning, where beliefs about only the winners (or losers) of local comparisons are updated, is well-suited for inferring relational structures from sparse feedback. However, less is known about how belief-updating biases intersect with humans’ capacity to adapt to changes in relational structure, where re-valuing an item may have downstream implications for inferential knowledge pertaining to unchanged items. We designed a transitive inference paradigm involving one of two possible changepoints for which an asymmetric (winner- or loser-biased) learning rule was more or less optimal. Participants (N = 83) exhibited differential sensitivity to changes in relational structure: whereas participants readily learned that a hitherto low-ranking item increased its rank (‘up’ condition), moving a high-ranking item down the hierarchy impaired downstream inferential knowledge (‘down’ condition). Behaviour was best captured by a reinforcement learning model which exhibited an initially winner-biased learning strategy that was nonetheless adaptable – that is, while this winner bias predominantly limited participants’ flexibility in the ‘down’ condition, well-performing participants were able to reduce or even reverse their winner bias in order to appropriately accommodate the relational change. Our results indicate that asymmetric learning not only accounts for efficient inference of latent relational structures but also for differences in the ease with which learners accommodate structural changes.
推荐相关阅读
周报-20251020|认知神经科学前沿动态周览**⭐️[解读链接]****
周报-20251006 | 近两周解读的29篇顶刊论文汇总 | 认知神经科学前沿动态 ⭐️[解读链接]
周报-20250922 |认知神经科学前沿动态周览 *⭐️[解读链接]***
Nature |决策过程的动力学机制与神经模式转变 ⭐️[解读链接]
Nature |颠覆认知 ! “神经振荡”不成立？耶鲁团队提出大脑“伽马事件”新理论 ⭐️[解读链接]
Science |中国将领衔未来25年全球脑计划，剑指灵长类大脑地图 *⭐️[解读链接]***
Neuron |大脑如何区分现实与想象？伦敦大学学院团队最新研究揭秘“现实信号”的神经密码 ⭐️[解读链接]
Nature | 视觉系统新发现：压缩式的物体识别机制 ⭐️[解读链接]
Nat Hum Behav｜你不是天生就爱跟风：社会特征学习理论揭示人类“随大流”背后的秘密 *⭐️[解读链接]***
Nature |“读心术”成真？从瞳孔变化中解码大脑皮层完整时空动态 ⭐️[解读链接]
PNAS｜刷短视频停不下来？研究揭示“新奇感”是驱动人类探索的古老密码 *⭐️[解读链接]***
Neuron | 最强脑发育数据库RBC开放下载，6000+青少年大脑数据揭示精神健康的秘密 ⭐️[解读链接]
Nature 子刊综述｜大脑预测误差的核心回路 *⭐️[解读链接]***
前沿交流 | 欢迎加入认知神经科学前沿交流群！⭐️[解读链接]
核心图表、方法细节、统计结果与讨论见原文及其拓展数据。
点击左下角 “阅读原文” 可跳转到论文源网站界面。
分享人：饭哥
审核：PsyBrain 脑心前沿编辑部
PsyBrain 脑心前沿
带你了解心理学、脑科学的前沿知识与技术流程
预览时标签不可点
阅读原文
不喜欢
微信扫一扫
关注该公众号
知道了
微信扫一扫
使用小程序
取消 允许
取消 允许
取消 允许
× 分析
微信扫一扫可打开此内容，
使用完整服务