为什么两组人的准确率看起来一样，内部却可能不同？
准确率和反应时间是概括性的数字。准确率把一整场实验压缩成一个正确率百分比，反应时间通常是跨试次的平均值。扩散模型则拟合反应的整体分布——包括正确和错误、快和慢——并估计可能产生这种分布的各项参数[5]。正因如此，它才能检测出被概括数字冲淡的差异。
一个具体例子：在一项研究中，老年人和年轻人在多感官与单感官条件下的选择准确率没有显著差异，但建模揭示出老年人在证据积累效率上仍然获得了多感官益处，尤其是在较容易、难度较低的试次上[2]。准确率得分说“没有差异”；模型却说，底层的证据收集过程仍然得到了帮助。
同样的逻辑也适用于数量判断。在听觉-视觉数量辨别中，分层漂移扩散建模揭示出经典准确率和反应时间测量所掩盖的多感官优势[1]。这种益处是真实存在的，但它存在于决策过程之中，而不在那些标题分数里。
模型究竟拆开了什么？
把决策想象成一场赛跑：每个选项的证据不断积累，直到其中一个越过阈值。漂移率是证据积累的速度和可靠性——衡量加工效率的指标。起始点反映的是在任何证据到来之前对某个答案的先前偏向。非决策时间涵盖选择本身之外的感知和运动步骤。
这种分离之所以重要，是因为不同机制可能产生相同的外在行为。在一项让自闭症和非自闭症成年人判断视听言语是否同步的研究中，研究者将反应时间和准确率拟合到扩散模型，以便分别估计漂移率和起始点。两组在漂移率和起始点上都没有差异[3]。如果没有模型，反应偏向的差异可能被误认为是感知的差异——模型让两者得以区分。
模型还能标示出某种益处根本与决策无关的情况。在关于听觉辅助刺激与视觉加工的研究中，将电生理学与扩散模型结合表明，反应时间和准确率并未完全捕捉到这些效应；受影响的是运动激活和非决策加工等成分[4]。换句话说，有些多感官增益关乎把反应输出出去，而不是关乎更快地做出决定。
建模方法本身不能确定什么
基于模型的益处是对潜在过程的推断，而不是对它的直接观察。这里的证据与多感官输入改善证据积累或非决策阶段的说法一致，但它本身并不能证明特定的神经机制。例如，辅助刺激的研究指向运动和非决策成分作为候选解释[4]，而不是锁定单一原因。
这种方法还取决于构念如何定义。在同时性判断研究中，探索性分析发现，以不同方式操作化时间绑定窗口，会改变组间差异是否出现[3]。这是对测量选择的提醒，而不是对扩散模型是否有用的质疑：同一批数据可能因你所采用的定义不同而得出不同结论。
最后，这种收益是诊断性的，而非自动的。扩散建模告诉你多感官益处位于决策的哪个环节——效率、偏向还是反应执行——而这正是准确率和反应时间所遗漏的信息[1][2][5]。它本身并不告诉你感官为何以那种方式被结合。
本文引用的文献
分层漂移扩散建模揭示数量辨别任务中的多感官益处
分层漂移扩散建模揭示了听觉-视觉数量辨别中的多感官优势，而经典的准确率和反应时间测量掩盖了这一优势。
漂移扩散模型分析年龄对多感官决策过程的影响
老年人在证据积累上表现出多感官益处，尤其是在难度较低的试次上，而这一益处未反映在反应时间或选择准确率中。
当二合为一：自闭症成人对异步视听言语的同时性判断
将视听言语的同时性判断拟合到漂移扩散模型后发现，自闭症与非自闭症成年人在漂移率或起始点上没有组间差异，并表明时间绑定窗口的操作化方式会改变组间差异是否出现。
辅助刺激对信息加工的影响：来自电生理学和扩散模型分析的证据
将电生理学与扩散模型结合表明，听觉辅助刺激通过运动激活和非决策加工等成分影响视觉加工，而反应时间和准确率未能完全捕捉这些影响。
增加视觉不确定性会调节多感官决策
对行为数据进行漂移扩散建模并结合电生理学表明，增加视觉不确定性会触发标准反应时间或准确率测量未能捕捉的适应性多感官整合机制。