集体觅食中如何识别社会信息机制？

一次模型拟合包含两个问题

实验室中，一群动物在两块觅食地之间觅食，为观察社会信息提供了清晰窗口：个体积累关于觅食地质量的证据，决定何时留下或离开，同时也会观察同类所在的位置。论文要问的是，能否从可观测的群体行为中还原出这种社会影响背后的机制。作者把两个容易混淆的问题分开：模型选择问的是数据由哪种机制产生；参数可识别性问的是选定模型后，能否估计出该机制的强度。

作者把这两者当作不同目标，分别测量。在每个设定下重复 400 次推断，记录正确恢复模型的比例（M）和平均参数恢复情况（P）。把 M 与 P 分开，是论文的核心方法安排，因为结果显示二者并非由同一种行为信号驱动。

四个社会模型在表征与作用环节上不同

基线是不含相互作用的漂移扩散模型：个体在觅食地内让一个决策变量累积来自食物奖励减去觅食成本的带噪证据，当该变量越过阈值时离开。社会信息通过耦合项 J 进入模型，J 描述某块觅食地内的局部社会环境。论文把两种表征方式与两种使用方式交叉组合，得到四个社会模型，再加上不含相互作用的基线。

计数表征把社会信息当作局部群体密度的连续估计，因此邻居密度高被读作关于该觅食地的正面信号。脉冲表征则统计离散的到达与离开事件，信号来自事件而非某一时刻的比例。在整合环节，阈值调制移动决策阈值，改变离开倾向，但不改变证据累积；信念调制把社会信息直接加入已累积的证据。四种组合记为 CT、CB、PT 和 PB，各自对群体如何在觅食地之间移动给出不同预测。

计数表征延缓离开，脉冲信号加快离开

五个模型都产生群体平均准确率的阻尼振荡：个体先离开较差的觅食地前往较好的，然后周期性返回，随着群体失去同步，平均值逐渐变平。社会信息改变了这一轨迹中三个可分离的特征，作者用最佳觅食地停留时间、总平均准确率和群体准确率平均绝对变化速率来概括。

表征方式决定时间特征。相对于不含相互作用的模型，计数表征使振荡后移，延长停留时间，这与个体把高密度理解为留下的理由相一致。脉冲表征使振荡前移并缩短停留时间，这与离散的到达和离开事件促进快速探索相一致。整合方式进一步区分模型。CB（计数加信念）是例外：它抑制振荡并显著提高准确率，作者将其解释为持续利用取代了协调的循环。CT、PT 和 PB 则表现出更大的振荡幅度，准确率接近不含相互作用的基线。

群体准确率分布最能识别模型

作者比较了两种识别流程——带最大后验估计的贝叶斯推断和 Wasserstein 距离最小化——以及两种汇总统计量：在多个时间点采样的群体准确率分布，和离开时间分布。在所考察的条件下，使用群体准确率分布的贝叶斯推断给出最可靠的识别。论文把这一点归因于群体准确率比离开时间更平滑、离散性更弱，并报告贝叶斯推断在小样本量下也优于距离最小化。

这是关于模拟数据的结论，不是对已有实验的重新分析。候选模型由基于智能体的模拟生成，再把合成观测输入推断流程。实际含义是，汇总统计量的选择与估计器的选择同样重要：丢弃时间结构的统计量，或由稀疏离散事件构成的统计量，可能恰好丢掉区分机制所需的特征。

模型选择跟随振荡，参数恢复跟随准确率

最重要的结果是一种分离。模型选择效率 M 跟随变化速率指标，该指标刻画群体准确率振荡的强度和同步程度。当振荡式的同步切换较弱时，模型选择变差。参数可识别性 P 则与整体准确率 Q 同步：它随最佳觅食地中个体初始比例呈 U 形响应，并在资源耗竭下下降。

因此作者认为，可用于区分机制的信息，与恢复参数所需的信息并不相同。这并不是说某一种测量优于另一种，而是说两个推断目标依赖行为特征的不同部分。为区分模型而优化的设计，应保护时间上可分辨的同步转换；为估计耦合强度而优化的设计，则应保护整体准确率水平。

实验条件对识别的影响不亚于模型结构

识别能力不是模型的固定属性。论文改变群体规模、群体初始分布、资源耗竭程度以及两块觅食地奖励概率之差，发现识别能力随每一项变化。群体越大，脉冲模型的集体信号越强；准确率随群体规模在所有社会模型中提高，而在不含相互作用的模型中保持平坦。资源耗竭缩短停留时间、降低准确率并提高变化速率，同时使参数恢复随准确率下降而变差。

采样同样重要。在小样本量、小群体规模和较粗采样间隔下，依赖振荡的模型 CT、PT 和 PB 的退化系统性地比 CB 更明显，因为 CB 的区分特征是持续利用而非协调循环。由于模型选择依赖时间上可分辨的同步转换，对这些转换采样不足的设计，会最先让依赖它们的模型失去区分力。

有些参数即使模型选对也无法恢复

论文报告了一种情形：模型选择保持相对较高，而参数恢复崩溃。在完全没有奖励时，与学习相关的参数不产生任何行为后果，因此即便模型本身仍可被区分，该参数在结构上也无法恢复。这是作者所引用的结构可识别性与实际可识别性之别的一个具体例证，也标出了一条更好的估计器也无法修复的界限。

作者还指出限定结果的若干假设。决策过程使用白噪声，而非许多生物系统中具有时间相关性的噪声；基于学习的阈值调制强度被有意限制，以避免初始决策变量低于阈值的配置。三个行为指标是为可解释性而选，未必穷尽；脉冲加信念模型在资源分布分析中的例外提示，可能还需要模型特有的额外特征。识别分析还依赖先验校准和较粗的参数网格。

围绕推断目标设计实验

论文的实践重点是实验设计与推断目标之间的匹配规则。若目标是区分社会信息机制，设计必须保留群体准确率随时间的振荡与同步结构，这意味着足够的样本量、足够大的群体和足够细的时间采样，因为正是在这些条件下，CT、PT 和 PB 才能与 CB 保持可区分。若目标是估计耦合强度，设计则应保护整体准确率水平，因为它在各条件下与参数恢复同步。

最值得关注的比较是 CB 与依赖振荡的模型之间的对比。CB 通过持续利用和更高的准确率被识别，而非通过协调循环，因此它能在削弱其他模型的采样不足下存活；但随着个体异质性上升，它的参数恢复会变差。因此，只报告整体准确率、或只报告粗略离开计数的研究，可能回答了参数问题却在模型选择问题上悄然失败，反之亦然。

本文引用的文献