别再死记硬背了！科学家颠覆百年认知：学习好坏，根本不看次数，而看间隔

心理学与神经科学领域存在一个延续百年的根深蒂固的观点：联想学习是循序渐进的累积过程，每一次 “线索—奖励” 配对，都会让大脑强化一次关联，练习次数越多，学习效果就越好。

然而，来自加州大学旧金山分校与加州大学伯克利分校的团队，在Nature Neuroscience发表题为Duration between rewards controls the rate of behavioral and dopaminergic learning的重磅研究，彻底推翻了这一经典假设，揭示出决定学习效率的核心并非体验次数，而是奖励间隔时间（inter-reward interval, IRI）。

从巴甫洛夫条件反射到课堂学习、习惯养成，联想学习都是生物适应环境的核心能力，而中脑边缘多巴胺系统长期被认为是通过传递奖励预测误差（RPE） 驱动学习，传统时序差分强化学习（TDRL）更是默认学习效果由试错次数决定。但这项研究发现了全新的生物学定律：单次线索—奖励配对带来的学习增益，与奖励间隔时间呈严格正比关系，即在固定总时长内，无论经历 6 次还是 120 次配对，最终学习效果完全一致。

研究团队基于此前提出的ANCCR（Adjusted Net Contingency of Causal Relations） 回溯性因果学习模型提出预测，并通过小鼠听觉 — 糖水条件反射实验完成验证：在总训练时长均为 1 小时的条件下，60 秒间隔组每天接受 50 次配对，600 秒间隔组仅接受 6 次配对，后者仅用十分之一的次数就达到相同学习水平，且两组达到学习标准的总时间完全相同。

进一步设置 30 秒、300 秒、3600 秒等多组间隔后，结果依然符合 “奖励间隔越长，单次学习效率越高” 的比例规律，仅在 3600 秒的极端间隔下，比例关系才出现轻微衰减，同时线索诱发的多巴胺信号达到更高的峰值水平。

研究团队利用dLight1.3b 多巴胺荧光传感器，实时观测伏隔核核心区（nucleus accumbens core, NAcC）的多巴胺释放，发现多巴胺对线索的响应速率同样由奖励间隔决定，而非配对次数，行为学习与多巴胺神经学习呈现完全平行的变化规律，且线索诱发的多巴胺反应始终早于行为反应出现，直接证实大脑奖赏系统遵循基于时间的学习算法。

为排除干扰因素，团队设计了严格对照实验：控制每日试验次数、情境消退效应、听觉刺激频率、总体奖励速率等变量，结果均证明学习速率仅由特定奖励的间隔时间决定，与其他因素无关。更反直觉的是，在 50% 与 10% 部分强化条件下，奖励间隔被被动拉长，小鼠反而用更少的奖励次数就完成学习，且多巴胺学习规律与行为学习完全一致，进一步印证核心规律，同时出现行为表现与多巴胺信号的分离现象——部分未形成明显行为反应的小鼠依然出现稳定的多巴胺线索响应，说明多巴胺信号是比行为更灵敏的学习指标。

研究还证实，这一规则同样适用于厌恶学习，线索—电击实验中，电击间隔时间同样决定学习速率，说明该机制在奖赏与惩罚学习中均具有普适性。通过模型对比发现，经典 TDRL 模型与 SOP 模型均无法解释这一比例规律，只有ANCCR 回溯性学习模型能完美拟合数据，其核心逻辑是：大脑在奖励出现时回溯判断线索是否为诱因，而贝叶斯规则决定学习率必须与奖励间隔成正比，这也是该规律能够自然推导而出的理论基础。

通过十倍的试验间隔，仅需十分之一的体验次数即可实现行为学习

这项发现不仅改写教科书，更对教育、成瘾治疗、人工智能算法带来颠覆性启示：在学习场景中，间隔重复远比密集刷题更高效；在成瘾机制中，异常的奖励间隔编码可能是物质依赖与强迫行为的核心原因。在人工智能领域，传统基于次数的强化学习算法，可借鉴大脑的时间编码策略实现更高效学习。目前团队正继续探索大脑计算奖励间隔的具体核团，并验证该规则是否适用于药物奖励、社会学习等场景，而这项研究已经清晰证明，大脑并非机械累积经验，而是以时间为标尺，用最高效的方式提取环境规律，这正是生物在复杂世界中快速学习的底层密码。（生物谷Bioon.com）

参考文献：

Burke, D.A., Taylor, A., Jeong, H. et al. Duration between rewards controls the rate of behavioral and dopaminergic learning. Nat Neurosci (2026). doi:10.1038/s41593-026-02206-2