神经科学与认知科学
突破级
暂无讲解视频
收录解读
问题与背景：价值驱动的经济选择是认知科学与神经经济学中的核心问题，但从神经电路角度把价值计算、比较和多任务组合统一起来一直较难。已有实验发现很多现象，但缺少一个兼顾生物合理性、行为泛化和神经表征解释的统一框架。
方法/新意：作者用满足 Dale 定律的生物合理 RNN，通过强化学习在一组经济选择任务上训练模型，并分析网络如何在输入层完成价值估计、在递归回路中进行 winner-take-all 比较，以及在多任务场景中形成共享与专用模块的组合式表征。
意义/放在仓库中的位置：这篇论文是认知科学主线里的高质量原始研究，属于计算神经科学与 NeuroAI 的交叉代表作。它的重要性在于用可解释的电路框架把 valuation、comparison、generalization 和 multitasking 串成同一机制叙事，而不是零散解释单个任务。
局限/为何不再升一级：它的影响主要集中在经济选择与前额叶/OFC 决策回路建模，外溢性不如更广泛的 foundation model 或通用世界模型工作。当前更适合定为突破性，而不是颠覆性。