神经科学与认知科学
突破级
暂无讲解视频
收录解读
这篇 Nature 论文研究 dmPFC 如何把 learned cues 的 value、salience 和 valence 组织成可读出的神经几何，而不是只报告单个变量的编码相关性。
作者在自由活动小鼠中用 calcium imaging 记录 dmPFC 单神经元群体，让动物区分预测 reward 或 punishment 的刺激，从而把 salience、valence 和 value 信息拆开分析。
核心结果是 dmPFC 群体主要编码 learned stimuli 的 appetitive/aversive value，并且部分神经元把 valence 与 salience 放在近似正交的信息轴上；这些几何结构会随 associative learning 形成并预测趋近或回避行为。
它值得正式收录，因为它给 AI-relevant neuroscience 一个清晰机制：价值、显著性和效价可以通过低维、近正交的 population geometry 实现可组合行为控制，对 agent reward representation、motivated behavior、state abstraction 和安全相关趋避信号建模都有概念外溢。