來源：生物學報

長久以來，神經科學和人工智能領域有一個根深蒂固的共識：動物的學習效率主要取決于“學習率”這個固有參數，而與獎勵本身的大小關系不大。因此，為了獲得足夠多的訓練數據，實驗室中通常給予動物極微小的獎勵（如一小滴水）。2026年5月21日，霍華德·休斯醫學研究所Luke T. Coddington團隊（Sheng Gong為第一作者）在Science在線發表題為“Reward magnitude determines reinforcement learning efficiency”的研究論文，該研究徹底挑戰了這一傳統，發現將獎勵幅度提高一兩個數量級，能使小鼠的學習效率飆升十倍以上。其核心機制在于，更大的獎勵能引發大腦中多巴胺更持久、更強的釋放，而這直接充當了學習的“加速器”。這項研究不僅揭示了多巴胺調節學習的新機制，也表明整個領域可能長期低估了動物的學習能力，并使用了“次優”的訓練策略。

傳統誤區：為求數據，犧牲效率

經典理論認為，強化學習（動物和AI的核心學習方式）的效率由一個相對固定的“學習率”決定。研究者通常給予小鼠極微量的獎勵（不足其日常需求的1%），旨在鼓勵它們為獲得更多獎勵而不斷重復行為，從而產生大量用于分析的學習“試次”。這被視為標準操作，但代價可能是學習過程被不必要地拉長了。

核心突破：獎勵大小決定學習速度

研究團隊設計了一系列復雜的任務，包括隱藏目標導航、高難度抓取運動技能和感覺決策。他們比較了標準微量獎勵與提高10-100倍的“超大獎勵”對小鼠初始學習效率的影響。

結果令人震驚：

• 學習效率飆升：在“超大獎勵”下，小鼠學會任務所需的嘗試次數減少了一個數量級（即10倍以上）。例如，某些導航任務，標準獎勵需數百上千次嘗試，而超大獎勵下僅需幾次就能掌握。

• 表現質量不減：雖然學得快，但小鼠最終能達到的任務熟練度與標準獎勵組無異，排除了“為求快而犧牲精度”的可能。

• 縮小個體差異：大獎勵顯著減少了不同小鼠在學習速度上的個體差異，使大多數個體都能快速進入高效學習狀態。

從極少數但回報極高的案例中吸取經驗教訓，往往能迅速見效（圖源自Science ）

機制揭秘：多巴胺是核心“加速器”

研究從三個層面解釋了“超大獎勵”為何如此有效：

1. 提高學習速率：獎勵越大，學習新知識的速度越快。

2. 增強學習保持：能更好地鞏固和利用之前學到的經驗。

3. 提升任務專注度：讓動物在實驗中更投入，減少分心。

而將這三點串聯起來的關鍵分子正是多巴胺。研究人員發現：

• 獎勵大小編碼：消費更大獎勵時，大腦腹側紋狀體的多巴胺釋放不僅幅度更高，持續時間也更長。

• 光遺傳學驗證：通過光遺傳學手段，在給予標準獎勵時人為延長多巴胺神經元的激活時間，可以部分模擬大獎勵的效果（提高學習速率和專注度），但無法完全復制（例如，無法增強對先前學習的保持能力）。這表明多巴胺信號是主要但非唯一的介質。

深遠意義：重塑實驗范式與理論認知

這項研究具有多重深遠影響：

• 修正理論模型：它直接將獎勵大小與學習效率掛鉤，挑戰了“學習率固定”的傳統強化學習模型，要求理論框架納入獎勵大小的動態調節作用。

• 優化實驗設計：為動物行為學研究提供了強效的“加速”工具。在需要快速訓練動物的復雜實驗中（如神經環路解析），采用更大獎勵可極大提升實驗效率，減少動物使用量，符合“3R”原則。

• 揭示多巴胺新功能：明確了多巴胺信號不僅編碼“獎勵預測誤差”（“驚喜”值），其信號幅度和時長本身就能調控學習的速度和專注度，深化了對多巴胺功能的理解。

• 啟發AI與教育：為人工智能領域調整“獎勵函數”以優化學習效率提供了生物學的啟發。同時，對人類教育而言，它也隱喻了“即時、充分的正向反饋”對提升學習動力的根本性作用。

當然，研究也指出，大獎勵并非在所有學習場景中都完美，例如在某些簡單條件反射任務中可能干擾預期行為。但總體而言，這項工作像一道強光，照亮了被傳統實驗范式所忽視的動物學習的真實潛能，并指出了一個簡單而強大的原理：要學得快，有時獎勵必須給得足夠“重磅”。

參考消息：

https://www.science.org/doi/10.1126/science.aeb0813

閱讀最新前沿科技趨勢報告，請訪問21世紀關鍵技術研究院的“未來知識庫”

未來知識庫是 “21世紀關鍵技術研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費閱讀和下載）