一个小型认知核心 CORE 可解释大规模人类行为

研究者将多项既有认知原则整合为单一模型 COntextual Retrieval and Encoding（CORE），其核心是按上下文写入预测误差、并进行编码、检索与遗忘的情景记忆层级。CORE 在 137 个实验的 7,036,442 次选择上联合拟合，预测人类选择优于黑盒模型，模拟中复现了 75% 的已报告行为效应，其潜变量还呈现贝叶斯学习与事件分割的经典特征。