本文为综述性论文（类型b），作者为Roger Ratcliff、Philip L. Smith、Scott D. Brown与Gail McKoon，发表于 Trends in Cognitive Sciences 2016年4月刊。文章系统梳理了扩散决策模型（diffusion decision model）的历史脉络、核心结构、关键理论争议及当前应用领域，旨在重新串联早期心理学研究积累与近期认知神经科学进展，对快速二选一决策领域中最具解释力的序列取样模型（sequential-sampling model）框架作出批判性回顾。

引言部分指出，扩散模型所解释的是日常生活中低层级的快速决策，例如辨识物体并作出即时反应。该类决策过程被建模为从刺激中提取有噪声证据并持续累积，直到达到某一选择对应的决策边界。该模型不仅能够联合解释准确率与正确、错误反应时（response times, RTs）的完整分布，还与神经元群体活动及最优性理论建立了联系。作者强调，这些模型虽是近十余年才广泛应用于认知神经科学，但其理论根基可追溯至五十年前的心理学研究，而当前部分研究忽视早期文献，导致重复提出已知问题或对旧有发现缺乏回应。

文章首先回顾了扩散模型的基本结构与优势。标准扩散模型假设单一扩散过程，证据从起点z出发，在两个边界0与a之间积累；平均积累速率称为漂移率（drift rate），另有非决策时间（nondecision time，Ter）涵盖刺激编码、表征提取与反应执行。为使模型可识别，通常需固定一个参数。模型最重要的性质之一，是其自动生成与实际实验数据形态一致的右偏反应时分布。模型可解释速度—准确性权衡（speed–accuracy tradeoff）、反应偏向和序列效应，并在大量任务中展现稳健拟合能力。作者特别强调，仅拟合平均反应时或准确率不足以验证模型，必须同时检验正确与错误反应时的分位数—概率图（quantile–probability plots），否则可能掩盖系统性偏差。

关于跨试次变异（across-trial variability）是文章的核心议题之一。早期随机游走模型（random walk model）无法解释错误与正确反应时分布的系统差异。标准扩散模型引入三项变异来源：漂移率跨试次正态分布（SD为η）、起点跨试次均匀分布（范围sz）、非决策时间跨试次均匀分布（范围st）。漂移率变异能够产生慢错误（slow errors），而起点变异导致快错误（fast errors）。这一机制与信号检测论（signal detection theory）中刺激强度变异逻辑一致。文章反驳了Jones与Dzhafarov关于扩散模型因参数灵活性而不可证伪的论点，指出其证明仅适用于确定性模型，并援引EEG单试次证据支持漂移率变异的心理现实性：一项面孔/汽车辨别任务中，依据EEG信号将试次分为更“面孔化”或更“汽车化”两组，两组数据经扩散模型拟合后显示出稳健的漂移率差异，说明神经信号确实反映了进入决策过程的试次级证据质量变化。

在响应信号（response signal）与Go/No-Go任务部分，作者阐述了隐式边界与偏置建模。响应信号范式中，信号滞后时尚未终止的累积过程可基于部分信息（partial information）作出反应，也可被建模为猜测。早期研究表明，在刺激呈现约600毫秒至2秒区间内，漂移率可能随时间变化，尤其是当语义联想信息与情景信息相互竞争时，例如对“鸟是知更鸟”这一陈述的判断会在早期依赖强联想而晚期转为错误判断。Go/No-Go任务传统上被视为抑制控制测量，但在扩散模型框架下，go刺激的更快反应与更低准确率可由起点向go边界偏移解释，而非前额叶抑制功能的直接指标。这一解释对临床神经心理学中抑制缺陷的主流解读提出挑战。

冲突任务（conflict tasks）一节讨论了动态参数变化的可能性。在强化学习范式中，训练阶段高频强化字母与低频字母在后期冲突配对中引发反应时分布平移，研究者曾用崩塌边界（collapsing boundaries）建模；但作者指出，非决策时间的变化同样能产生类似平移。Eriksen侧抑制任务则催生出两种扩散模型：双阶段模型与注意渐变模型，二者的区分依赖于正确与错误反应时分布的精细行为。

最优性问题是文章的重要理论支柱。文中区分了两种最优性概念：其一是Wald的序贯概率比检验（sequential probability ratio test, SPRT），该检验在恒定漂移率与固定边界下使达到指定准确率所需平均样本数最小；其二是奖励率最大化（reward rate maximization），即单位时间内正确反应数量最大。作者强调，SPRT最优性仅在漂移率已知且恒定的条件下成立，若实验中刺激难度跨试次随机变化，则恒定边界无法对每种难度都最优。关于奖励率最优性，人类被试并不总是按照该原则调整阈值；例如在难度分块的实验中，困难条件下被试反而放慢，而奖励率最优要求加速。

崩塌边界与紧迫信号（urgency signal）模型是基于最优性理论和部分神经生理学证据而提出的非平稳扩展。理论上，阈值随决策时间推移而降低可以解释困难任务中的慢错误。但一项包含十个研究、数百名被试的大规模比较发现，绝大多数人类数据更支持固定边界扩散模型，崩塌边界或紧迫信号变体仅在非人灵长类或为灵长类优化设计的实验程序中显示出相对优势。崩塌边界模型倾向于高估错误反应相对于正确反应的延迟程度，而实际人类数据中的错误与正确反应时分位数图通常呈倒U形，固定边界加跨试次变异模型能较好拟合该形态。

扩展判断任务（expanded judgment tasks）涉及对时变刺激序列的证据累积。早期随机游走研究的初衷就是为离散证据序列提供最优性分析。近期神经科学对该类任务兴趣复苏，通常假设外部刺激序列噪声与内部认知噪声在决策过程中等价。然而，多个研究发现这种等价性值得怀疑。例如，Brunton等的点击—视觉脉冲任务报告决策变异的主要来源是外部刺激噪声，内部噪声与泄漏近乎为零；而其他使用光栅或色块序列的研究则观察到显著的近因权重（recency weighting）甚至首因效应。Smith与Vickers对扩展判断任务的反应时分布分析显示，其变异性远大于单一刺激任务，经典的等增量随机游走模型无法描述，反而Vickers的大增量累加器模型拟合更佳。这些结果表明，扩展判断任务中工作记忆更新、刺激表征计算与决策累积之间的相互作用远比标准扩散模型假设的单一内部噪声机制复杂。

短暂刺激呈现研究进一步讨论漂移率是否直接追踪刺激存在与否。若漂移率在刺激消失后立即归零，错误反应时分布将被显著拉长；但实验数据显示正确与错误反应时分布形态相似，支持刺激信息被整合为稳定短时记忆表征后再驱动恒定漂移率的假设。文中模拟了漂移率在80毫秒后归零的非平稳模型，其预测的错误反应远慢于正确反应，与实际数据不符。另有研究表明，线性斜坡增长的漂移率与瞬时恒定漂移模型在参数拟合上难以区分，说明即便真实的漂移率启动存在渐变，标准模型仍是合理近似。

Box 7部分将扩散模型拓展至偏好选择与价值决策领域。决策场理论（decision field theory, DFT）在二十余年前即被用于解释风险赌博与多属性消费选择，通过注意在各属性间转移积累偏好状态。近年来的注意漂移扩散模型（attentional drift diffusion model）结合眼动追踪，以注视位置实时调节漂移率，成功拟合食物选择中的选择概率与反应时分布。这类应用表明扩散模型框架已从基础认知任务延伸到经济与社会决策的复杂领域。

作者在结论中提出若干待解问题：多选择与信心判断的最佳架构尚无定论；决策过程的启动信号尚缺乏形式化建模；决策边界设置机制仍不明确，尤其是人类可在无反馈的一两次试次内依据言语指令完成标准设定；神经生理研究常用的眼动或运动映射任务与人类言语反应任务之间的映射过程亦未被充分建模。最后，作者呼吁在向临床与神经科学推广模型时，应重视反应时分布、跨试次变异假设以及早期心理学文献所确定的经验约束，避免因追求神经层次的可解释性而忽略行为层面的完整拟合。

本文的价值在于对快速二选一决策建模领域进行了方法论层面的批判性整合。它不仅澄清了标准扩散模型相对于非平稳扩展模型的行为证据优势，也指出当前神经科学研究中常见的问题，如将外部噪声与内部噪声直接等同、仅以平均反应时或准确率作为模型比较指标、忽视序列取样模型在早期心理学中积累的分布级预测约束。对于从事认知建模、神经决策以及计算精神病学的研究者而言，本文提供了连接经典理论与当代应用的重要参照框架。