Nat Hum Behav | 反直觉，决策中连续依赖到底起什么作用？|偏置|反直觉

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:Large-scale mega-analysis indicates that serial dependence deteriorates perceptual decision-making

发表时间：2025.12.12

Journal:Nature Human Behaviour

影响因子：15.9

获取原文：

添加小助手:PSY-Brain-Frontier即可获取PDF版本

一句话总结

把“听起来很合理”的优越效应放进60多万次试次的检验里，结果发现：连续依赖（serial dependence）更像干扰项，而不是性能加成！

引言

我们做感知判断（perceptual decision-making）时，经常会被“刚刚发生过的事”悄悄影响。比如你连续两次估计一条线的朝向（orientation），第二次的报告往往会向第一次靠近一点；连续判断点阵的运动方向（motion direction）也类似。这类现象叫连续依赖（serial dependence）：当前知觉/反应会被近期经验系统性“拉偏”。

因为真实世界在短时间内通常比较连续，把过去和现在的信息做整合（integration）听起来很合理：如果上一秒和这一秒差不多，把它们平均一下，也许能降低不确定性（uncertainty），让结果更稳定、更精确（perceptual precision）。

基于这种直觉，线索整合模型（cue integration model）和贝叶斯模型（Bayesian model）提出了一个关键预测：当连续两次刺激几乎相同，反应误差的离散程度（error scatter，越小代表越精确）应该下降，也就是所谓“优越效应”（superiority effect）。但过去研究更多盯着“偏向哪里”（bias），很少用足够大、足够统一的方式严检“是否更精确”。

这篇文章的核心问题因此非常直接：serial dependence 只是让反应更“像昨天”，还是能真的提高决策质量？作者把过去十年能拿到的单试次数据统一起来做 mega-analysis，用大样本去验证模型最关键、也最容易被忽略的性能预测。

实验设计与方法逻辑

作者汇总22项研究、49个数据集（共733名被试、619,848个试次），任务以取向/运动方向的调整或再现（adjustment/reproduction）为主。他们先统一清洗流程：剔除离群值、校正刺激特异性偏差（stimulus-specific bias），再用“误差折叠”（error folding）在存在偏置时稳健估计 error scatter。随后把相邻两次刺激差异 |Δ| 划为 iso（0°）、mid（45°）、ortho（90°），用线性混合效应模型（LMM）检验三种条件下的离散度差异，并用BIC与Bayes factor 比较“iso是否真的更精确”。

Fig. 1 | Experimental paradigms and serial dependence.

核心发现

1）“被过去拉一把”确实普遍存在（Fig. 2）

作者首先确认经典现象：在大多数数据集中，反应会向上一试次特征偏移，体现吸引性连续依赖（attractive serial dependence）。Fig.2把各数据集的偏置与离散度汇总，说明“历史影响当前”的偏置是稳定且跨任务可复现的——问题不在于有没有 bias，而在于这种 bias 会不会带来更高精度。

Fig. 2 | Summary of bias and error scatter across 49 datasets.

2）模型的硬预测：若有“优越效应”，iso 必须最稳（Fig. 3a）

Fig.3a用模型给出清晰判据：无论是线索整合（cue integration）还是贝叶斯框架（Bayesian），当连续刺激高度相似（iso）时，系统应该把信息更强地整合，从而降低 error scatter；随着差异增大，scatter 应逐步回到基线。因此只要看到“iso 不比 ortho 更小”，就意味着优越效应站不住脚。

Fig. 3 | Bias and error scatter as functions of |Δ| in model predictions and empirical data.

3）经验结果更像“干扰”：中等差异最不稳定

（Fig. 3b）

与模型相反，Fig.3b显示 error scatter 与 |Δ| 呈倒U形：从 iso 增到 mid 时离散度明显上升，到更大差异（ortho）又回落。这说明连续依赖并没有在“最相似时”带来额外精确度，反而在“似像非像”的区间让反应更乱，更符合残留表征带来干扰（interference）的直觉。

4）统计证据很强：iso≈ortho，直接否定“优越效应”（Fig. 4）

LMM结果非常明确：iso 到 mid 的 scatter 显著上升（t=8.62，P<0.001），但 iso 与 ortho 没有显著差异（t=0.36，P=0.717）。更关键的是，把 iso 与 ortho 合并的简化模型在BIC上更优（ΔBIC = −67.84），Bayes factor 显示对“无优越效应”的支持达到决定性水平（>100）。也就是说：连续刺激相同，并不会比相差90°更精确。

Fig. 4 | Pairwise comparisons of error scatter across conditions and model predictions.

归纳总结和点评

这篇研究用超大规模、统一流程的 mega-analysis，把“serial dependence 是否提升感知精度（perceptual precision）”这件事一次性讲清楚：偏置（bias）是普遍且稳定的，但它并不带来模型所预测的“优越效应”，反而更可能以干扰（interference）的形式增加反应波动。作者特别强调并控制了刺激特异性偏差等关键混淆源，让结论更可靠，也为后续改进模型（不仅解释偏置，还要解释离散度形状）提供了清晰约束。