2026-10-01
300 人在三种随机性下玩规划寻宝游戏,随机性越高,首次决策时间与决策敏感度都单调下降;人把随机世界当确定世界算,靠压扁策略省力。
规划研究有个长期盲区:实验室里的规划任务大多是确定性的:Tower of London、国际象棋、四子棋,走一步是一步。真实世界不是这样:餐厅评分会过期、天气会在旅途中变化、按了左键设备可能执行成右键。随机性下的规划该怎么研究,此前的答案集中在两个方向,一个是彩票式单次决策里的风险偏好,一个是把随机性当实验噪声顺手用一下。两个方向都答不了一个更根本的问题:当环境变得不可预测,人会分配多少认知资源去规划?资源理性(resource rationality,把认知当有限资源、按投入产出最优分配的框架)预测「该省就省」,但这个预测在规划场景里基本没被直接检验过。最接近的证据来自一个农业游戏实验:人在负向冲击后会选短周期作物。可那到底是损失驱动还是随机性驱动,分不开。
纽约大学 Wei Ji Ma 组设计了一个「寻宝」任务:屏幕上是三角形的宝箱树,每步按 F/J 键向左下或右下移动,宝箱标着 1 到 9 的分值,每局走 7 步,目标是从顶到底拿到最高总分。300 名 Prolific 被试(实验预注册)随机分到三种随机性中的一种,每种 5 个水平、每水平两个 block,开局时明确告知当前水平并要求按键确认:
分析主轴是计算建模。模型空间 = 滤波 × 价值函数 × 努力机制:滤波决定看哪些宝箱(按深度 d 截断、按数值门槛、按排名只留 top-k),价值函数决定怎么给左右子树估值(最优期望值 EV、最优确定性路径、逐层平均、只看最大值、全部求和),努力机制有两种。滤波适应(FA)随随机性调整滤波范围、决策敏感度不变;策略压缩(PC)滤波固定、随随机性调整决策敏感度 β。两个机制参数量对齐(各 7 个),用 5 折交叉验证负对数似然分胜负,易变组删掉 6 个算不动的 EV 变体。
行为层面,随机性越高,人越「懒得想」:
| 指标(LMM 斜率,随机性每升一档) | 不可靠(0-100%) | 易变(0-100%) | 失控(0-50%) |
| log 首次决策时间 | −0.63(t98=−7.76) | −0.49(t99=−8.83) | −0.94(t98=−9.44) |
| log 逆温度(胜出的 Path 模型) | −1.86 | −1.76 | −3.96 |
| 每局得分 | −1.16(t99=−19.8) | −1.26(t99=−23.2) | −2.54(t98=−22.9) |
时间与得分行全部 p<10⁻¹⁰,逆温度行全部 P<0.001。逐人斜率方向一致的比例:首次决策时间三组分别为 82/100、83/100、85/100。得分下降有一部分是环境直接造成的(盲盒本来就分低),真正说明问题的是时间与敏感度一起缩水:规划投入确实在减少。
模型比较给出两层结论。第一,人不是最优期望值计算器。在 EV 模型可解的不可靠与失控实验里,最高随机性下它预测人对分差完全无感、接近抛硬币选边;数据里的人却仍盯着标签差走。把随机世界当确定世界算,这种做法在 AI 规划里叫 determinization,FF-Replan 靠它拿过国际概率规划竞赛冠军,而这篇是它第一次被提出作为人类规划的模型。第二,省力的方式是策略压缩而非滤波适应:胜出模型全部是 PC + 深度滤波 + 确定性价值函数的组合,随机性越高逆温度越低,相当于把策略「压扁」,对价值差越来越不敏感;换用表现相当的 Level-Mean 模型,log β 斜率为 −1.71、−1.82、−4.04,结论不变。模型恢复与参数恢复检验都通过;个体层面的贝叶斯模型比较(RFX-BMC)对切分方式敏感,作者如实报告不做强结论。
资源理性仿真补上「为什么」:固定深度 3,在 1 万个随机棋盘上算出期望回报 R(β,q),减去线性的努力成本后求最优,最优 log β 在三种随机性下都随 q 单调下降。省力不是摆烂,是边际回报变薄后的理性反应。
对做 agent 的人有两个直接相关点。其一是测试时算力分配:长思维链推理该花多少算力去想,应该取决于环境的可预测程度,人类被试给出了一套免训练的参考策略——先选一个「够用」的确定性近似,再按不确定性调敏感度。其二是策略压缩的适用面:它与信息瓶颈、多巴胺对策略复杂度的响应、鲁棒 agent 设计是一串互相印证的结果,指向同一个结论:策略复杂度本身有成本,值得被显式优化。对行为经济学也是个提醒:彩票式单次决策里算期望值很轻松,那套结论不能外推到分支爆炸的多步场景。
作者自己列的:个体策略异质性分析对交叉验证切分敏感,不下定量结论;模型假设每人单策略,不排除个体内部混用;任务分支因子小、状态空间可控,更复杂的环境里人应该转向剪枝;结论只覆盖不可约的随机不确定性,可被探索消解的认知不确定下,最优努力可能反向上升。补充材料里还有一处:总决策时间在易变组没过符号检验(55/100),作者归因于总时间掺了运动延迟。此外,响应时间作为努力度量天然带噪声,仿真的成本参数是示意性设定,三种随机性的水平范围不同(失控组只到 50%),斜率不能跨组直接比。