《PLOS Computational Biology》：Environmental volatility is associated with adaptive caution in visual search
编辑推荐：
现实世界中的干扰物出现在状态变化速率不同的环境中。本研究探讨了这种波动性是否会改变最初的显性眼动分配、后续的目标验证与反应承诺，或两者兼而有之。研究人员让观察者执行一项额外奇异刺激搜索任务，同时进行眼动追踪，其中干扰物的出现遵循高或低波动性序列，而总体干扰物出
现实世界中的干扰物出现在状态变化速率不同的环境中。本研究探讨了这种波动性是否会改变最初的显性眼动分配、后续的目标验证与反应承诺，或两者兼而有之。研究人员让观察者执行一项额外奇异刺激搜索任务，同时进行眼动追踪，其中干扰物的出现遵循高或低波动性序列，而总体干扰物出现频率保持不变。试次汇总的眼动捕获在高波动性下更高，这一模式似乎表明过滤功能发生了改变。匹配相同位置的运行序列消除了这一差异，在匹配的运行位置上，不同波动性条件下的捕获率无显著差异。因此，汇总的捕获效应与波动性操纵的结构性后果一致，即高波动性区块富集了捕获率本就很高的早期运行位置。波动性效应本身出现在无干扰物试次上。在高波动性条件下，反应时间更长、注视次数更多、最终目标停留时间更长、错误更少，而目标获取潜伏期本身未发生变化。相同位置重复学习的斜率在不同波动性条件下无显著差异。层级漂移扩散模型和补充性的波动性卡尔曼滤波器比较共同表明，手动反应同时包含边界相关和漂移相关的结构。在干扰物频率保持恒定的情况下，波动性在每个试次上的效应因此在首次扫视之后显现为反应谨慎性的增加，而非眼动捕获的增加。这一模式与对环境不确定性进行精度加权调整的解释相一致。
环境波动性调控视觉搜索中的适应性反应谨慎性：一项眼动与计算建模研究
一、研究背景与科学问题
在日常视觉环境中，干扰物的出现不仅存在频率差异，其状态变化的速率也各不相同。这种被称为环境波动性（volatility）的特征——即环境隐藏状态的变化速率，独立于任一状态的发生概率——已被证实能够调节人类的学习率和信息权重分配。然而，现有研究尚未明确回答一个核心问题：在视觉搜索过程中，环境波动性究竟作用于哪个加工阶段？具体而言，它是否改变了最初的眼动捕获（oculomotor capture），还是影响了后期的目标验证与反应承诺（response commitment）？
此前的研究存在若干局限。首先，传统的反应时干扰指数（distractor-present minus distractor-absent RT）将多个加工阶段的效应压缩为一个单一数值，不同阶段的效应可能相互抵消。其次，尽管已有研究表明干扰物抑制依赖于经验，但多数研究未能将波动性本身从干扰物出现频率中分离出来。第三，当不存在长期空间先验时，波动性如何影响基于短期重复的抑制机制尚不清楚。
基于上述空白，本研究提出三个关键问题：（1）高波动性是否会在匹配运行位置后仍增加首次扫视捕获？（2）波动性的主效应是否出现在首次扫视之后的后期加工阶段？（3）随干扰物位置重复而发生的捕获下降斜率是否在不同波动性条件下存在差异？
二、研究方法概述
研究采用经典额外奇异刺激搜索范式，结合高速眼动追踪技术，对24名健康成年人（年龄范围18-40岁，平均26.5岁，男女各12人）进行了两个实验环节测试。最终纳入分析的样本量为21人。研究通过马尔可夫链生成高波动性和低波动性两种试次序列，控制总体干扰物出现频率为50%。数据分析采用了层级贝叶斯漂移扩散模型（hierarchical Bayesian drift-diffusion model, HSSM）和波动性卡尔曼滤波器（volatility Kalman filter, VKF）两种计算建模方法，分别从证据累积速率和决策边界两个维度对行为数据进行潜在决策分解。
三、研究结果
3.1 汇总表型：结构性路径与调节性路径的综合效应
在汇总分析层面，正确试次的反应时呈现出预期的干扰效应，干扰物存在时反应显著慢于不存在时。高波动性条件下的反应时略长于低波动性条件，误差率则在高波动性下显著更低。首次扫向干扰物的比例在高波动性条件下显著高于低波动性条件，差值达7.9个百分点。这些汇总结果表明波动性确实改变了行为表现，但其来源需要通过重复感知分析进一步厘清。
3.2 结构性路径：呈现试次的捕获效应归结为重复混合效应
马尔可夫设计导致两种波动性条件产生截然不同的运行位置分布。高波动性条件下约70%的试次处于重复位置1，而低波动性条件下仅31%处于该位置。当匹配相同位置重复次数后，首次扫视到干扰物的比例不再表现出显著的波动性主效应，贝叶斯因子支持零假设。重复学习斜率在不同波动性条件下也无显著差异，表明局部学习规则未受波动性调节。
3.3 调节性路径：无干扰物试次的验证与谨慎性
无干扰物试次为检测调节性效应提供了直接窗口。在高波动性条件下，四个指标朝着收敛方向变化：反应时延长、错误率降低、总注视次数增加、最终目标停留时间延长。唯独目标获取潜伏期未发生改变。预先设定的方向性复合检验显示五个指标的整体偏移显著，支持谨慎性增强的假说。跨无干扰物运行位置的分析表明，该效应呈平坦分布，不支持任务集衰减解释而支持持续性状态不确定性调整解释。
3.4 手动反应的潜在决策对应物
层级漂移扩散模型比较支持全模型，其中漂移率随波动性和干扰物条件变化，决策边界和非决策时间随波动性变化。边界投影模型中，高波动性下的决策边界比低波动性高出19%。漂移率在高波动性下两类试次均降低，且在无干扰物试次上降幅更大，表明这是波动性对证据累积速率的每个试次效应，不能归因于试次历史。波动性卡尔曼滤波器比较同样支持漂移和边界双重调制架构。
四、讨论与结论
本研究揭示了环境波动性对视觉搜索影响的阶段性特异性。波动性通过两条路径影响行为：结构性路径中，不变的学习规则应用于不同的运行位置分布从而产生不同的平均行为模式；调节性路径中，波动性在固定混合效应后仍改变当前试次的加工。关键在于，一旦匹配相同位置重复次数，首次扫视捕获不再表现出波动性差异，而调节性效应在后期目标验证和反应承诺阶段显现。
研究结论指出：环境波动性增加了反应谨慎性，表现为更多的注视次数、更长的目标停留时间、更慢的反应速度和更低的错误率，而目标获取潜伏期和眼动捕获未受影响。这一模式与精度加权调整假说一致，即在波动性更高的环境中，观察者对当前状态估计的信心降低，需要积累更多证据才能做出承诺。层级漂移扩散模型和波动性卡尔曼滤波器的联合分析进一步确认，手动反应同时携带决策边界升高和证据累积速率降低的双重调整信号。
本研究的理论意义在于：（1）将波动性效应定位于搜索-反应序列的后期阶段，而非初始眼动分配；（2）证明重复学习速率不受高阶序列结构调节；（3）为理解波动性如何通过精度加权机制影响认知控制提供了新的实验证据。研究还提出了重要的方法论启示：任何通过二元潜状态转移概率实施的波动性操纵都会产生不同的运行位置分布，因此机械论推断必须基于运行位置的条件化分析。
