关于海马体与新皮层在符号性组合泛化中不同作用的学术研究报告
一、 主要作者、机构及发表信息
本研究由 Zilu Liang (梁滋璐)、Leonie Glitz、Matthias Nau、Michelle B. Hefner、Denis C.L. Lan、Miriam C. Klein-Flügge 和 Christopher Summerfield 共同完成。作者单位包括英国牛津大学实验心理学系、荷兰阿姆斯特丹自由大学、西班牙格拉纳达大学等。该研究以题为《Distinct roles of hippocampus and neocortex in symbolic compositional generalization》的论文形式，于2026年11月25日发表在神经科学领域的顶级期刊 *Neuron*（第114卷，第1-15页）上。
二、 研究背景与目的
本研究隶属于认知神经科学领域，核心关注点是人类高级认知功能——“组合泛化”（compositional generalization）的神经机制。组合泛化是指人类能够将已知的、离散的符号或特征（如单词、概念、视觉属性）组合起来，从而理解和推断出全新事物的含义或属性，这是人类智能和语言能力的关键特征。例如，从未见过“鸭嘴兽”的人，可以通过组合“鸭子”（喙）和“海狸”（尾巴）的特征知识，推断出这种新生物可能既会游泳又会产卵。
尽管组合泛化能力被广泛认为是人类认知的核心，但其在大脑宏观层面是如何实现的，不同脑区在其中扮演何种精确的计算角色，仍存在显著不确定性。先前研究暗示了多个脑区的参与，包括与记忆提取和整合相关的腹内侧前额叶皮层（ventromedial prefrontal cortex, VMPFC）和海马体（hippocampus, HPC），以及处理空间和感觉信息的后顶叶皮层（posterior parietal cortex, PPC）和初级视觉皮层（primary visual cortex, V1）。然而，这些区域在组合过程中如何编码信息、其神经表征的几何形态（高维 vs. 低维）和参考框架（空间 vs. 非空间）有何差异，尚不明确。
本研究旨在利用功能性磁共振成像（fMRI）和神经几何学分析技术，探究人类在进行符号性组合推理时，大脑多个关键区域的神经表征特性。具体目标包括：1) 探究在组合过程中，基本视觉特征（如颜色、形状）的神经编码是高维的（利于特征个体化）还是低维的（利于空间泛化）；2) 检验新颖组合刺激的神经活动模式是否可以通过熟悉刺激模式的线性组合（向量加法）来预测；3) 确定这种组合过程是在空间还是非空间的参考框架中进行的。
三、 详细研究流程
本研究包含两个主要部分：行为学实验与功能磁共振成像（fMRI）数据采集，以及后续的多变量神经活动模式分析。
1. 实验设计与参与者： 研究采用了一项名为“寻宝”的任务。参与者需学习将视觉线索（5种动物形状 x 5种颜色）与一个圆形竞技场中的二维空间位置（5x5网格）进行映射。关键设计在于，训练阶段参与者只接触部分组合：他们学习了单一形状（如大象）的所有颜色（映射到X轴位置），以及单一颜色（如蓝色）的所有形状（映射到Y轴位置）。测试阶段则呈现全新的颜色-形状组合（如绿松色螃蟹），要求参与者利用已学规则进行组合推理，预测宝藏位置。反馈仅在训练阶段提供，测试阶段无反馈，迫使参与者进行组合泛化。
参与者共56名，分为“泛化者”（成功学习并泛化，n=41）和“非泛化者”（n=15）两组。所有神经影像分析均基于41名泛化者的数据。
2. fMRI数据采集与任务流程： 实验分两天进行。第一天为在线预训练，确保参与者掌握基本规则。第二天，参与者在MRI扫描仪内执行任务。扫描期间，训练刺激和测试刺激混合呈现，且不提供反馈，以纯粹考察推理阶段的神经活动。此外，在主要任务结束后，参与者还完成了一个“空间定位器”任务：屏幕上会直接出现海盗图标位于训练刺激对应的某个空间位置，参与者执行一个简单的重复检测任务。此任务旨在独立地定位对空间位置本身进行编码的神经活动模式。
3. 神经影像数据分析方法： 研究聚焦于四个预先定义的感兴趣区（ROI）：海马体（HPC）、腹内侧前额叶皮层（VMPFC）、后顶叶皮层（PPC）和初级视觉皮层（V1）。分析采用了一系列先进的多变量模式分析方法： * 表征维度估计： 使用交叉验证的奇异值分解（SVD）方法，量化每个脑区对单个规则（X轴或Y轴特征）进行神经编码的内在维度。高维度编码意味着特征在神经空间中高度分离，利于区分；低维度编码则意味着特征被压缩到少数维度上，利于泛化。 * 神经几何关系分析： 通过表征相似性分析（RSA），探究两个规则（颜色轴和形状轴）的神经表征在几何上是正交（orthogonal，如同直角坐标系）还是平行（parallel，如同两条平行线）。这通过计算“平行性分数”来实现。 * 组合泛化的神经机制分析（检索模式分析）： 这是本研究的核心创新分析方法。为了直接测试“向量加法”假说，研究者为每个测试刺激（新组合）构建了一个预测模型：用8个训练刺激（2个相关：共享颜色或形状；6个不相关：无共享特征）的神经活动模式，通过加权线性回归来预测该测试刺激的神经活动模式。得到的回归权重称为“检索权重”。如果测试刺激的表征确实是其组成特征表征的线性组合，那么1) 该模型应能显著预测测试刺激的神经活动（R² > 0）；2) 相关训练刺激的检索权重要显著高于不相关刺激。此外，研究者还比较了两种具体的组合模型：“知觉匹配模型”（高维假设，仅相关特征有权重）和“距离调制模型”（低维假设，权重随特征在空间上的接近程度而变化）。 * 跨任务表征对齐分析： 为了检验组合推理中使用的编码框架是否是空间性的，研究者比较了“寻宝任务”中刺激的神经表征与“空间定位器任务”中空间位置的神经表征之间的相似性。如果两者共享相同的空间编码框架，那么匹配的刺激-位置对应对在神经空间中的距离应小于不匹配的对，且距离应随空间远近而变化。 * 控制分析： 包括在初级运动皮层（M1）的类似分析，以排除纯粹运动准备的影响；以及使用深度学习模型（DeepMReye）从fMRI信号中解码眼球运动，以排除参与者提前注视目标位置的可能性。
四、 主要研究结果
1. 表征维度的区域差异： * V1和PPC 对单个规则（颜色或形状轴）的表征呈现出低维度（模态维度为1），这意味着这些区域将离散特征压缩编码为沿着一条神经“线”的连续变化，与最终反应的空间维度对齐。 * HPC和VMPFC 的表征则是高维度的，显著高于V1和PPC。高维度表征与特征解码准确率正相关，表明这种编码支持特征的灵活区分和个体化，为可能的规则重组提供了基础。
2. 规则间神经几何关系的区域差异： * V1 中，两个规则轴的表征是正交的，共同形成了一个清晰的二维网格，直接对应着反应空间的几何结构。全脑搜索光分析证实，V1在刺激呈现早期就编码了刺激的真实空间位置。 * HPC 中，两个规则轴的表征呈现平行关系。这意味着HPC以一种抽象的、类似“位置细胞”编码线性轨迹的方式，将两个轴表征为两条平行（但方向可能相同或相反）的高维轨迹。这种编码反映了规则之间共享的抽象关系结构，而非具体的空间几何。模拟实验表明，这种平行编码可以通过假设HPC神经元群在映射不同轴时发生部分重映射或反转来解释。 * VMPFC和PPC 在此分析中未显示出与特定几何模型的强相关。
3. 组合泛化的神经机制（向量加法）： * 检索模式分析显示，在V1、PPC和VMPFC中，测试刺激的神经活动模式可以显著地由训练刺激模式的线性组合（向量加法）预测（R²显著大于0），且相关训练刺激的贡献显著大于不相关刺激。 * HPC 中未发现这种向量加法的证据。 * 进一步分析组合的格式发现： * VMPFC 的组合发生在高维特征空间中，其检索模式与“知觉匹配模型”更吻合，即主要激活相关特征的表征。 * PPC和V1 的组合则发生在低维空间框架中，其检索模式与“距离调制模型”更吻合，即不相关特征的贡献也与其空间邻近性有关。全脑分析显示，PPC和V1集群编码了测试刺激对应的空间位置。
4. 空间框架作为组合支架： * 空间定位器任务确认，V1和PPC 强烈编码海盗图标的空间位置。 * 跨任务RSA分析发现，只有在V1和PPC中，“寻宝任务”里训练刺激的表征与“空间定位器任务”中对应空间位置的表征显著相似（匹配对 vs. 不匹配对），且这种相似性随空间距离系统性地变化。 * 更令人信服的是跨任务解码分析：使用寻宝任务中测试刺激数据训练的分类器，能够以显著高于随机水平的准确率，预测空间定位器任务中对应位置的海盗图标所在轴（X或Y）。这在V1中效果非常强，表明即使测试刺激呈现在屏幕中央，V1也如同在“看到”刺激位于其对应的真实宝藏位置上。PPC未显示出显著的跨任务解码，可能与其对训练和测试刺激的强分离表征有关。
5. 控制分析结果： * M1 在提示期也显示出低维度和组合性编码，但与PPC/V1不同，其编码不与空间定位器任务共享框架，表明M1的活动更可能与具体的运动准备相关，而非空间表征本身。 * 眼球运动解码 表明，参与者并未在提示期提前注视目标位置，眼动峰值与行为反应时间相关，排除了眼动混淆主要结果的可能性。
五、 研究结论与意义
本研究系统揭示了不同大脑区域在支持符号性组合泛化中的层级化与分工协作机制（总结见原文图7）： 1. 海马体（HPC）：充当高维特征绑定器。它以高维、平行的格式编码基本符号特征，最大化特征的可分离性，并提取特征间的抽象关系结构，为灵活的重组奠定基础。 2. 腹内侧前额叶皮层（VMPFC）：充当高维组合器。它接收来自HPC等区域的高维特征表征，并通过向量加法的方式将这些特征组合成新的复合概念表征。这种组合发生在抽象的特征空间，独立于具体的反应或空间输出格式。 3. 后顶叶皮层（PPC）和初级视觉皮层（V1）：充当低维空间转换器。它们将抽象的组合结果转换并锚定到一个低维的、与行为反应对齐的空间参考框架中。PPC尤其表现出将测试刺激（需推理）与训练刺激（已学习）在表征上分离的特点，可能专门服务于需要推断的情境。V1则表现出惊人的空间编码能力，可能在工作记忆或对未来事件的预期中维持空间信息。
科学价值：该研究首次在人类大脑中，通过神经几何学和多变量模式分析，清晰描绘了从抽象特征绑定、到特征组合、再到空间具身化的完整组合泛化神经通路。它超越了以往仅指出相关脑区的研究，精确刻画了各脑区在计算上的特异角色（高维 vs. 低维，平行 vs. 正交，特征空间 vs. 反应空间）。这为理解人类如何灵活生成新思想、进行推理和问题解决提供了具体的神经计算模型。
六、 研究亮点
七、 其他有价值内容
研究还观察到泛化者在HPC的平行编码方案上存在个体差异（有的将“上-左”对齐，有的将“上-右”对齐），这种异质性的功能意义是未来有趣的研究方向。此外，研究数据与代码已公开，促进了研究的可重复性与后续探索。作者在讨论部分将发现与已有的海马体关系编码、前额叶语义组合、顶叶空间-反应转换等理论联系起来，将本研究置于更广阔的认知神经科学理论图景中，显示了其重要的理论整合价值。