传出拷贝作为精度加权解释动作—效应预测中的预测锐化与知觉衰减

基于摘要分析。该研究关注自身动作的感觉后果如何改变先验预期与感觉证据之间的权重，提出 Efference Copy as Precision Weighting（ECPW），以统一的精度加权规则解释动作前的预测锐化与刺激感知阶段的知觉衰减。 核心机制：与将传出拷贝视为感觉模板的经典动作前向模型不同，ECPW 将其视为精度加权标记，在动作到感觉的过渡过程中重新分配精度；这里的精度指信息的估计可靠性，而非分类 Accuracy。摘要没有给出规则的数学形式、参数定义或拟合方法，相关细节尚未验证。 实验与结果：作者在动作关联范式中保持双模态刺激恒定，操纵视觉或听觉任务注意，并比较主动、自行产生的手指运动与被动、设备启动的手指运动。研究使用时间分辨 EEG 解码视觉与听觉任务相关信息。作者报告，在主动运动条件下，任务注意信息的可解码性在运动前更高，而在刺激感知期间更低，分别对应预测锐化与感觉衰减；摘要未提供具体解码指标、效应量或统计结果。 模型对照：作者报告，基于模型的前向仿真中，ECPW 能重现上述方向反转，而所比较的抵消模型或锐化模型不能。作者还提出模型参数空间可为动作—效应预测及知觉中的概率线索操纵提供可检验预测。该结论目前限于摘要所述实验与备选模型，不宜扩展为对所有前向模型的否定。 证据边界与复现条件：被试人数、EEG 采集与预处理、解码器、时间窗、数据划分、模型拟合及对照参数约束均尚未验证，实验协议、消融及统计信息也需全文核对。研究直接涉及 EEG，但主要对象是动作对知觉的调节机制，并未在所给材料中验证 BCI 控制性能或跨被试泛化。